Utveckla agenter på Azure Databricks

Agent Bricks är Azure Databricks agentutvecklarplattform. Använd det för att bygga och distribuera agenterna som driver dina agentiska produkter och arbetsflöden.

Agent Bricks stöder de grundläggande arbetsflödena för att bygga en produktionsagent:

• Distribuera din agent: Agent Runtime hostar agenter byggda med valfritt ramverk eller valfri körmiljö, tillståndsfulla eller tillståndslösa, och AgentKit lägger till beständig körning så att körningar överlever omstarter och krascher.
• Kör koden säkert: Agenter kör koden de skriver i Databricks Sandbox, en isolerad miljö vars hemkatalog finns kvar över sessioner.
• Berika agentens kontext: Agentminne och sessioner låter din agent minnas vad den lärt sig i tidigare samtal, så att den kan anpassa svaren och minska tokenkostnaderna.
• Felsök och testa din agent: MLflow Tracing registrerar varje steg som din agent tar, och du kan lagra och styra spår i stor skala i Unity Catalog.

Agent Bricks CLI bygger upp agentkod som kopplar till dessa tjänster. Du kan iterera lokalt, inklusive med kodningsagenter, och sedan driftsätta din agent.

Get started

Lär dig vad Agent Bricks erbjuder och bygg din första agent.

Guide	Description
Agent Bricks snabbstart	Bygg och distribuera din första agent med Agent Bricks CLI.
Vad är Agent Bricks?	Lär dig komponenterna i en agent och hur Agent Bricks stödjer varje komponent.
Agent Bricks CLI	Skapa, kör och distribuera agenter från kommandoraden, eller importera en befintlig agent.

Anslut till modeller

Guide	Description
Koppla till modeller	Anropa gränsmodeller och öppna modeller via Unity Gateway med ett API, och byt modeller utan att ändra agentkod.

Lägg till agentens kontext

Berika din agents kontext med minne, verktyg och din organisations data.

Guide	Description
Agentminne och sessioner	Lagra samtalstillstånd och långtidsminne i hanterade lagringslösningar som stöds av Lakebase.
MCP-servrar och agentverktyg	Koppla agenter till Azure Databricks-hanterade, anpassade och externa MCP-servrar och verktyg.
Genie One MCP-server	Berika agenter med din organisations gemensamma affärskontext genom frågor på naturligt språk över styrd data.
AI-sökning	Hämta relevant text och ostrukturerad data från ett hanterat AI-sökningsindex.

Distribuera din agent

Kör din agent med en agentserver på managed compute.

Guide	Description
Distribuera agenter på Azure Databricks	Lär dig agentberäkningsstacken: ramverk eller harness, agentserver och agentruntime.
Agent Server	Servera din agent med DurableAgentServer: synkrona, streaming och bakgrundskörningar, med kraschåterställning.
Agent Runtime	Distribuera och hantera agenter på beräkningsresurser som finns i Azure Databricks.
Databricks Sandbox	Ge agenterna en isolerad miljö att köra koden de skriver i, med begränsad åtkomst till styrda data.

Fråga din agent

Guide	Description
Frågeagenter distribuerade på Azure Databricks	Skicka förfrågningar till driftsatta agenter via anrops-API:et, Responses API eller SQL.

Agentens observerbarhet och kvalitet

Spåra, utvärdera och övervaka agenter i utveckling och produktion.

Guide	Description
Agentens observabilitet och kvalitet	Lär dig hur MLflow spårar, utvärderar och övervakar agenter.
MLflow-spårning	Dokumentera varje steg som en agent tar för att felsöka och förbättra det.
Utvärdera och förbättra	Mät agentkvalitet med LLM-domare, anpassade poänggivare och expertfeedback.

Styr dina agenter

Guide	Description
Unity Gateway	Styr åtkomst till modeller, MCP-servrar och skills, med skyddsmekanismer, hastighetsgränser och användningsspårning.

Transformera ostrukturerade data

Guide	Description
AI-funktioner	Använd AI-modeller på dina data från SQL för att klassificera, extrahera, sammanfatta och tolka dokument.