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 читает его для развертывания и настраивает все связи.

Три команды переводят агента из пустого каталога в продакшн:

  • agentbricks init 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.

Жизненный цикл Agent Bricks CLI: фазы init, разработки и развертывания с их ключевыми действиями

Prerequisites

  • Databricks CLI, установлен и доступен в PATH.

  • Python 3.11 или более поздней версии. Databricks рекомендует Python 3.12. Если установка или agentbricks dev завершается с ошибкой из-за версии Python, см. раздел «Устранение неполадок».

  • uv, который запускает сгенерированный проект для agentbricks init, agentbricks dev и agentbricks deploy.

  • Установите CLI Agent Bricks. Чтобы установить его как uv инструмент, запустите следующее:

    uv tool install databricks-agentbricks

    Чтобы установить её вместо этого с помощью pip, запустите 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

agentbricks dev обслуживает чат-приложение и API агента по адресу http://localhost:8000, используя ту же команду и среду, что и среда выполнения агента Azure Databricks, подключённая к сервису развертывания моделей Azure Databricks.

Откройте URL в браузере, чтобы пообщаться с агентом. Держите сервер в рабочем состоянии для следующего шага.

Шаг 4: Протестируйте агент локально

Во втором терминале отправьте запрос в API вызовов агента:

curl -X POST http://localhost:8000/api/invocations \
  -H 'Content-Type: application/json' \
  -d "{\"id\":\"$(uuidgen)\",\"session_id\":\"$(uuidgen)\",\"input\":[{\"role\":\"user\",\"content\":\"Hello\"}]}"

Если uuidgen недоступен, замените каждый $(uuidgen) на любой UUID.

Тело запроса содержит следующие поля:

  • id: Новый UUID для каждого запроса.
  • session_id: Разговор, к которому относится запрос. Чтобы отправить последующее сообщение в том же разговоре, используйте идентификатор сессии с новым id.
  • input: Сообщения для отправки агенту.

Ответ содержит идентификатор вызова status и поле output с сообщениями агента. Для всех полей запроса см. Тело запроса.

Шаг 5: Развернуть агента

Из каталога проекта разверните агент в среду выполнения агента Azure Databricks:

agentbricks deploy

agentbricks init записал имя my-agent в agent.toml, поэтому вам не нужно передавать имя. CLI создаёт приложение под названием agent-bricks-my-agent. Используйте это имя в agentbricks deployments и agentbricks endpoint командах.

CLI Agent Bricks подготавливает все привязанные хранилища, предоставляет к ним доступ субъекту-службе агента и выполняет развертывание. Первое развертывание занимает несколько минут, в основном для запуска вычислительных ресурсов приложения. agentbricks deploy ждёт ответа агента, затем возвращает URL развертывания.

Вернуться немедленно, вместо того чтобы ждать завершения развертывания, добавить --no-wait в agentbricks deploy, а затем запустить agentbricks deployments wait.

Если развертывание не удаётся, просмотрите журналы развертывания:

agentbricks deployments logs agent-bricks-my-agent

Шаг 6: Протестировать развернутый агент

Отправьте запрос развернутому агенту:

agentbricks endpoint invoke agent-bricks-my-agent \
  --path /api/invocations \
  --json "{\"id\":\"$(uuidgen)\",\"session_id\":\"$(uuidgen)\",\"input\":[{\"role\":\"user\",\"content\":\"Hello\"}]}"

Как и в Шаге 4, если uuidgen недоступен, замените каждый $(uuidgen) на любой UUID.

Команда ищет URL приложения и выполняет аутентификацию по вашему профилю по умолчанию. Чтобы вызвать API с помощью curl и токена OAuth вместо этого, см. Запрос к агенту, использующему DurableAgentServer. Чтобы общаться с агентом в браузере, откройте URL развертывания.

Дальнейшие действия

  • Последнее обновление: