Skapa agenter på Azure Databricks

Den här sidan innehåller en översikt över verktyg för att skapa, distribuera och hantera AI-agenter på Azure Databricks. Mer information om agenter finns i Designmönster för agentsystem.

Feature	Beskrivning
Kom igång: GenAI utan kod	Prova AI Playground för användargränssnittsbaserad testning och prototyper.
Kom igång: MLflow 3 för GenAI	Prova MLflow för GenAI-spårning, utvärdering och mänsklig feedback.

Driftsätt och kör frågor mot generativa AI-storspråkmodeller (LLMs)

Hantera en kuraterad uppsättning gen-AI-modeller från LLM-leverantörer som OpenAI och Anthropic och gör dem tillgängliga via säkra, skalbara API:er.

Feature	Beskrivning
Grundmodeller	Hantera ai-modeller med öppen källkod och tredjepartsmodeller som Meta Llama, Anthropic Claude, OpenAI GPT med mera.

Skapa och distribuera AI-agenter i företagsklass

Skapa och distribuera dina egna agenter, inklusive verktygsanropsagenter, generationsapplikationer med hämtningsförbättring och multisystem för agenter. För en startpunkt utan kod använder du AI Playground för att välja en LLM, lägga till verktyg och chatta med agenten för att testa dess svar innan du exporterar till kod.

Feature	Beskrivning
AI Playground (ingen kod)	Prototyper och tester av AI-agenter i en miljö utan kod. Experimentera snabbt med agentbeteenden och verktygsintegreringar innan du genererar kod för distribution.
Kunskapsassistent	Skapa och optimera domänspecifika AI-chattrobotar med ett intuitivt gränssnitt.
Skapa anpassade agenter	Skapa, distribuera och utvärdera agenter med Python. Stöder agenter som skrivits med alla redigeringsbibliotek, inklusive LangGraph, LangChain, OpenAI och LlamaIndex. Integrerad med MLflow-spårning. Iterera snabbt med Databricks-appar. Kom igång snabbt genom att läsa Komma igång med AI-agenter.
AI-agentverktyg	Skapa agentverktyg för att fråga strukturerade och ostrukturerade data, köra kod eller ansluta till externa tjänst-API:er.
MCP (Model Context Protocol)	Standardisera hur agenter ansluter till data och verktyg med ett säkert och konsekvent gränssnitt.

Utvärdera, felsöka och optimera agenter

Spåra agentprestanda, samla in feedback och förbättra kvaliteten med utvärderings- och spårningsverktyg.

Feature	Beskrivning
MLflow-spårning	Använd MLflow Tracing för observabilitet från slutpunkt till slutpunkt. Logga varje steg som agenten tar för att felsöka, övervaka och granska agentbeteende i utveckling och produktion.
Agentutvärdering	Använd Agentutvärdering och MLflow för att mäta kvalitet, kostnad och svarstid. Samla in feedback från intressenter och ämnesexperter via inbyggda granskningsappar och använd LLM-domare för att identifiera och lösa kvalitetsproblem.
Övervaka agenter	Använd samma utvärderingskonfiguration (LLM-domare och anpassade mått) i offlineutvärdering och onlineövervakning.