Introdução aos agentes de IA

Constrói e implementa o teu primeiro agente de IA usando os templates Databricks Apps. Neste tutorial, você:

• Construa e implemente o agente a partir da interface do Databricks Apps.
• Conversa com o agente usando uma interface de chat pré-construída.

Pré-requisitos

Ative as aplicações Databricks no seu espaço de trabalho. Consulte Configurar seu espaço de trabalho e ambiente de desenvolvimento do Databricks Apps.

Implementar o modelo do agente

Comece por usar um modelo de agente pré-construído do repositório de templates da aplicação Databricks.

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

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

Instala o modelo da aplicação usando a interface do Workspace. Isto instala a aplicação e implementa-a num recurso de computação no seu espaço de trabalho.

1. No seu espaço de trabalho Databricks, clique em + Nova>Aplicação.

2. Clique Agents>Agent - OpenAI Agents SDK.

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

4. Depois de criares a aplicação, clica no URL da aplicação para abrir a interface do chat.

Compreenda a candidatura do agente

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

MLflow AgentServer: Um servidor FastAPI assíncrono que lida com pedidos de agente com rastreamento e observabilidade incorporados. O AgentServer fornece o /invocations endpoint para consultar o seu agente e gere automaticamente o encaminhamento dos pedidos, o registo e o tratamento de erros.

OpenAI Agents SDK: O modelo utiliza o OpenAI Agents SDK como framework de agentes para a gestão de conversas e orquestração de ferramentas. Podes criar agentes usando qualquer framework. A chave é envolver o seu agente com a interface MLflow ResponsesAgent.

ResponsesAgent interface: Esta interface garante que o seu agente trabalha em diferentes frameworks e se integra com as ferramentas do Databricks. Constrói o teu agente usando OpenAI SDK, LangGraph, LangChain ou Python puro, e depois envolve-o ResponsesAgent para obter compatibilidade automática com AI Playground, Avaliação de Agentes e implementação de aplicações Databricks.

Servidores MCP (Model Context Protocol): O template liga-se aos servidores MCP da Databricks para aceder a agentes a ferramentas e fontes de dados. Consulte Protocolo de contexto de modelo (MCP) em Databricks.

Próximos passos

Aprenda a criar um agente personalizado: Crie um agente de IA e implemente-o nas aplicações Databricks