Início rápido do Agente Bricks

Importante

Este recurso está em versão Beta. Não é necessária qualquer configuração de espaço de trabalho para a ativar. Instala a CLI do Agent Bricks para começares.

Este quickstart leva-o de um diretório vazio para um agente personalizado implementado usando a Agent Bricks CLI (databricks-agentbricks), a ferramenta de linha de comandos do Azure Databricks para construir e implementar agentes. A CLI Agent Bricks gere o acesso ao modelo, memória, sessões, ferramentas e rastreio por si, para que possa focar-se na lógica do seu agente.

Como funciona a CLI do Agent Bricks

O Agent Bricks CLI gera a estrutura de um projeto local a partir de um template de framework, com o runtime, testes e uma interface de chat opcional já ligados. Escreves a lógica da aplicação (modelo, ferramentas e prompts), e a CLI executa-a localmente e publica-a. O ficheiro declarativo agent.toml é a fonte de verdade para os recursos geridos pelo Azure Databricks dos quais o seu agente depende, como ferramentas, memória, sessões e rastreamento. agentbricks deploy Lê-o para provisionar e ligar tudo.

Três comandos levam um agente de um diretório vazio para produção:

• agentbricks init cria a estrutura base do projeto e escreve agent.toml.
• agentbricks devexecuta o agente localmente, usando o mesmo runtime e ambiente que o Azure Databricks utiliza.
• agentbricks deploy Aprovisiona os recursos declarados e implementa a implementação.

Prerequisites

• A Databricks CLI, instalada e no teu caminho.

• Python 3.10 ou superior, com pip.

• Instale a CLI do Agent Bricks:

  pip install databricks-agentbricks
  

Passo 1: Autenticar

Autentifique o seu espaço de trabalho com o OAuth, guarde um perfil nomeado e defina-o como a CLI padrão do Agent Bricks:

databricks auth login --host https://<your-workspace-url> --profile <profile>
agentbricks login --profile <profile>

Passo 2: Estruturar o projeto

Cria a estrutura base de um novo projeto de agente, escolhendo um modelo de framework com --framework:

agentbricks init --framework langgraph my-agent
cd my-agent

Passo 3: Executar o agente localmente

Execute o agente na sua máquina para o testar antes de implementar:

agentbricks dev

Isto inicia um servidor local na porta 8000 usando o mesmo comando e ambiente que o runtime do agente Azure Databricks, ligado ao model serving do Azure Databricks. Envie solicitações para http://localhost:8000 para interagir com o agente.

Passo 4: Implementar em produção o agente

Implemente o agente para o runtime do Azure Databricks agent:

agentbricks deploy my-agent

A CLI Agent Bricks aprovisiona todos os armazenamentos associados, concede ao principal de serviço do agente acesso aos mesmos e efetua a implementação. Quando termina, a CLI devolve o URL da implantação. Abra o URL para interagir com o seu agente ao vivo.

Passos seguintes

• Guia completo dos comandos e capacidades do Agent Bricks CLI: Agent Bricks CLI.
• Associar memória gerida e sessões: Memória do agente gerida.
• Adicione ferramentas e serviços MCP: MCPs.
• Visualizar rastreios de agentes com MLflow: Visão geral dos rastreios.