Создание агентов на Azure Databricks

Azure Databricks поддерживает создание, оценку и развертывание агентов — от простых вызовов LLM до агентов с вызовом инструментов и многоагентных систем. В этих руководствах рассматриваются основные понятия, рабочие процессы разработки и средства, используемые для отправки агента.

Ищете классическое машинное обучение или глубокое обучение? Ознакомьтесь с Machine learning on Azure Databricks.

Get started

Ознакомьтесь с кратким вводным руководством или изучите базовые принципы.

Guide	Description
Детская площадка для искусственного интеллекта	Создавайте прототипы и тестируйте агентов и LLM с помощью no-code prompt-инжиниринга и настройки параметров.
Начало работы с агентами	Создайте и разверните своего первого агента от начала до конца.
Основные понятия: ИИ на Azure Databricks	Узнайте о моделях, агентах, средствах и приложениях.
Жизненный цикл разработки агента	Изучите полный жизненный цикл создания агента.

Сборка и развертывание

Разработка и развертывание агентов.

Функция	Description
Помощник по знаниям	Создание и оптимизация чат-ботов агента QA для конкретного домена.
Агент руководителя	Создайте агент руководителя, который управляет агентами Genie, конечными точками агента, функциями каталога Unity, серверами MCP и пользовательскими агентами.
Пользовательские агенты	Создание и развертывание агентов, включая приложения RAG и системы с несколькими агентами, с Python.
Приложения Databricks	Создание и развертывание интерактивных пользовательских интерфейсов для агентов, таких как приложения чата и формы ввода данных.
Серверы MCP	Подключение агентов к средствам, данным и рабочим процессам с помощью стандартных серверов MCP.
Поиск ИИ (прежнее название — векторный поиск Databricks)	Запросите индекс управляемого поиска ИИ, чтобы получить соответствующий текст и неструктурированные данные.

Оценка и мониторинг

Отслеживайте, оценивайте и контролируйте агентов на этапах разработки и эксплуатации.

Функция	Description
Оценка и мониторинг	Оцените качество агента и отслеживайте рабочие развертывания.
Отслеживание MLflow	Запись и анализ поведения агента для отладки и повышения производительности.

Запрос и обслуживание

Запросы LLM и обслуживание агентов и моделей на масштабируемых конечных точках.

Функция	Description
Выполнение запросов к LLM и агентам в Azure Databricks	Выполняйте запросы к LLM и агентам из ноутбуков, SQL и приложений.
Базовые модели	Обслуживайте LLM через масштабируемые API с встроенным управлением и мониторингом.
Шлюз искусственного интеллекта Unity	Управляйте и контролируйте доступ к большим языковым моделям (LLM) и агентам с помощью отслеживания использования, журналирования запросов и ответов, а также средств контроля безопасности.
Функции ИИ	Вызовите LLM непосредственно из SQL для обогащения данных и создания рабочих процессов ИИ.