Crie agentes no Azure Databricks

Esta página oferece uma visão geral das ferramentas para construir, implementar e gerir agentes de IA no Azure Databricks. Para saber mais sobre agentes, consulte Padrões de design de sistemas de agentes.

Feature	Description
Comece: GenAI sem código	Experimenta o AI Playground para testes e prototipagem baseados em interface.
Introdução: MLflow 3 para GenAI	Experimenta o MLflow para rastreamento, avaliação e feedback humano do GenAI.

Disponibilize e consulte grandes modelos de linguagem (LLMs) de IA generativa

Sirva um conjunto curado de modelos de IA de geração de provedores LLM, como OpenAI e Anthropic, e disponibilize-os por meio de APIs seguras e escaláveis.

Feature	Description
Modelos de Fundação	Servir modelos de IA generativa, incluindo modelos de código aberto e de terceiros, como Meta Llama, Anthropic Claude, OpenAI GPT e outros.

Construir e implementar agentes de IA de nível empresarial

Crie e implante seus próprios agentes, incluindo agentes de chamada de ferramentas, aplicativos de geração aumentada de recuperação e sistemas multiagentes. Para um ponto de partida sem código, use o AI Playground para selecionar um LLM, adicionar ferramentas e conversar com o agente para testar as suas respostas antes de exportar para código.

Feature	Description
AI Playground (sem código)	Prototipar e testar agentes de IA em um ambiente sem código. Experimente rapidamente comportamentos de agente e integrações de ferramentas antes de gerar código para implantação.
Assistente de Conhecimento	Construa e otimize chatbots de IA específicos de domínio usando uma interface intuitiva.
Construir agentes personalizados	Criar, implementar e avaliar agentes usando Python. Suporta agentes escritos com qualquer biblioteca de autoria, incluindo LangGraph, LangChain, OpenAI e LlamaIndex. Integrado com MLflow Tracing. Itere rapidamente usando as aplicações Databricks. Para começar rapidamente, veja Começar com agentes de IA.
Ferramentas de agentes de IA	Crie ferramentas de agente para consultar dados estruturados e não estruturados, executar código ou ligar-se a APIs de serviços externas.
MCP (Protocolo de Contexto de Modelo)	Padronize a forma como os agentes se ligam a dados e ferramentas com uma interface segura e consistente.

Avaliar, depurar e otimizar agentes

Acompanhe o desempenho do agente, colete feedback e promova melhorias de qualidade com ferramentas de avaliação e rastreamento.

Feature	Description
Rastreamento MLflow	Use o MLflow Tracing para observabilidade de ponta a ponta. Registe cada passo que o seu agente faz para depurar, monitorizar e auditar o comportamento do agente no desenvolvimento e produção.
Avaliação de Agentes	Use a Avaliação do Agente e o MLflow para medir a qualidade, o custo e a latência. Colete feedback de partes interessadas e especialistas no assunto por meio de aplicativos de revisão integrados e use juízes LLM para identificar e resolver problemas de qualidade.
Agentes de monitoramento	Use a mesma configuração de avaliação (juízes LLM e métricas personalizadas) na avaliação offline e no monitoramento on-line.