Создание агента ИИ

В этой статье описывается процесс создания агентов ИИ в Azure Databricks и описаны доступные методы для создания агентов.

Дополнительные сведения об агентах см. в шаблонах проектирования системы агента.

Прототипирование агентов с помощью ИИ-платформы

Платформа искусственного интеллекта — самый простой способ создать агент в Azure Databricks. AI Playground позволяет выбирать из различных LLM и быстро добавлять инструменты в LLM с помощью интерфейса с малым количеством программирования. Затем вы можете общаться с агентом, чтобы протестировать ответы, а затем экспортировать агент в код для развертывания или дальнейшей разработки.

См. Начало работы: создавайте запросы LLM и прототипы агентов ИИ бескодовыми средствами.

Автоматически создайте агента с помощью Ассистента знаний

Ассистент знаний предлагает упрощенный подход для создания и оптимизации доменных чат-ботов для вопросов и ответов на основе ваших документов, улучшая качество на основе обратной связи на естественном языке от экспертов в области.

Ассистент по знаниям предлагает полностью управляемый подход, который является хорошей отправной точкой перед переходом к индивидуально настроенным агентам.

Создайте настраиваемого агента

Agent Framework и MLflow имеют средства, помогающие создавать агенты, готовые для предприятия, в Python.

Azure Databricks поддерживает агенты разработки с помощью библиотек разработки сторонних агентов, таких как LangGraph/LangChain, OpenAI, LlamaIndex или пользовательские реализации Python.

Чтобы быстро приступить к работе, см. статью "Начало работы с агентами ИИ". Дополнительные сведения об агентах разработки с различными платформами и расширенными функциями см. в статье "Создание агента ИИ" и его развертывание в Приложениях Databricks.

Поймите подписи моделей, чтобы обеспечить совместимость с функциями Azure Databricks

Azure Databricks использует подписи модели MLflow для определения входных и выходных схем агентов. Функции продукта, такие как ИИ-площадка, предполагают, что у вашего агента есть один из наборов поддерживаемых подписей модели.

Если вы используете рекомендуемый подход к разработке агентов с помощью интерфейса ResponsesAgent, MLflow автоматически выведет подпись для агента, совместимого с функциями продукта Azure Databricks.