Быстрый старт Agent Bricks

Important

Эта функция доступна в бета-версии. Настройка рабочего пространства не требуется, чтобы это включить. Установите CLI Agent Bricks, чтобы начать.

Этот быстрый старт переносит вас из пустой директории в развернутый пользовательский агент с использованием CLI Agent Bricks (databricks-agentbricks), командного инструмента Azure Databricks для создания и развертывания агентов. CLI Agent Bricks управляет доступом к модели, памятью, сессиями, инструментами и трассировкой за вас, чтобы вы могли сосредоточиться на логике вашего агента.

Как работает CLI Agent Bricks

CLI Agent Bricks создает каркас локального проекта из шаблона фреймворка, с уже подключенными средой выполнения, тестами и опциональным чат-интерфейсом. Вы пишете логику приложения (модель, инструменты и запросы), а CLI запускает её локально и развёртывает. Декларативный agent.toml файл является источником истины для ресурсов, управляемых Azure Databricks, от которых зависит ваш агент, таких как инструменты, память, сессии и трассировка. agentbricks deploy считывает его для подготовки и подключает всё.

Три команды переводят агента из пустого каталога в продакшн:

• agentbricks init Он создает структуру проекта и пишет agent.toml.
• agentbricks devАгент запускается локально, используя ту же среду выполнения и среду, что и Azure Databricks.
• agentbricks deploy Подготавливает заявленные ресурсы и выполняет развертывание.

Prerequisites

• Databricks CLI, установлен и доступен в PATH.

• Python 3.10 или выше, с pip.

• Установите интерфейс командной строки (CLI) Agent Bricks:

  pip install databricks-agentbricks
  

Шаг 1. Проверка подлинности

Аутентифицируйтесь в рабочем пространстве с помощью OAuth, сохраните именованный профиль и сделайте его профилем по умолчанию для Agent Bricks CLI:

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

Шаг 2: Создать каркас проекта

Создайте каркас нового проекта агента, выбрав шаблон фреймворка с помощью --framework:

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

Шаг 3: Запустите агента локально

Запустите агент на вашем компьютере, чтобы протестировать его перед развертыванием:

agentbricks dev

Это запускает локальный сервер на порте 8000 с той же командой и средой, что и среда выполнения агента Azure Databricks, и подключает его к Azure Databricks Model Serving. Отправляйте запросы в http://localhost:8000, чтобы взаимодействовать с агентом.

Шаг 4: Развертывание агента

Развернуть агент в среду выполнения агента Azure Databricks:

agentbricks deploy my-agent

CLI Agent Bricks подготавливает все привязанные хранилища, предоставляет к ним доступ субъекту-службе агента и выполняет развертывание. После завершения работы CLI возвращает URL развертывания. Откройте URL, чтобы связаться с вашим оператором.

Дальнейшие действия

• Полный обзор команд и возможности CLI Agent Bricks: Agent Bricks CLI.
• Привязать управляемую память и сессии: память агента.
• Добавьте инструменты и MCP-сервисы: MCP.
• Просматривайте трассы агентов с помощью MLflow: Обзор трассировки.