Introdução aos agentes de IA

Crie e implante seu primeiro agente de IA usando modelos do Databricks Apps. Neste tutorial, você:

• Compile e implante o agente da interface do usuário do Databricks Apps.
• Converse com o agente usando uma interface de chat pré-criada.

Pré-requisitos

Habilite os Aplicativos do Databricks em seu workspace. Consulte Configurar seu ambiente de desenvolvimento e workspace do Databricks Apps.

Implantar o modelo de agente

Comece usando um modelo de agente predefinido do repositório de modelos de aplicativo do Databricks.

Este tutorial usa o agent-openai-agents-sdk modelo, que inclui:

• Um agente criado usando o SDK do OpenAI Agent
• Código inicial para um aplicativo de agente com uma API REST conversacional e uma interface do usuário de chat interativa
• Código para avaliar o agente usando o MLflow

Instale o modelo de aplicativo usando a interface do usuário do workspace. Isso instala o aplicativo e o implanta em um recurso de computação em seu workspace.

1. No workspace do Databricks, clique em + Novo>Aplicativo.

2. Clique em Agentes>Agente - SDK do OpenAI Agents.

3. Crie um novo experimento do MLflow com o nome openai-agents-template e conclua o restante da configuração para instalar o modelo.

4. Depois de criar o aplicativo, clique na URL do aplicativo para abrir a interface do usuário do chat.

Entender o aplicativo do agente

O modelo de agente demonstra uma arquitetura pronta para produção com estes componentes principais:

MLflow AgentServer: um servidor FastAPI assíncrono que lida com solicitações de agente com rastreamento interno e observabilidade. O AgentServer fornece o /invocations endpoint para consultar seu agente e gerencia automaticamente o roteamento de solicitações, o logging e o tratamento de erros.

SDK de Agentes OpenAI: o template usa o SDK de Agentes OpenAI como a estrutura de agentes para gerenciamento de conversação e orquestração de ferramentas. Você pode criar agentes usando qualquer estrutura. A chave é encapsular o seu agente com a interface MLflow ResponsesAgent.

ResponsesAgent interface: essa interface garante que seu agente funcione em diferentes estruturas e se integre às ferramentas do Databricks. Crie seu agente usando o SDK do OpenAI, LangGraph, LangChain ou Python puro e, em seguida, encapsule-o com ResponsesAgent para obter compatibilidade automática com o AI Playground, Avaliação de Agente e Apps do Databricks.

Servidores MCP (Protocolo de Contexto de Modelo): o modelo se conecta aos servidores MCP do Databricks para acessar agentes a ferramentas e fontes de dados. Consulte Model Context Protocol (MCP) no Databricks.

Próximas etapas

Saiba como criar um agente personalizado:Criar um agente de IA e implantá-lo em Aplicativos do Databricks