Skapa en AI-agent

Den här artikeln beskriver processen med att skapa AI-agenter i Azure Databricks och beskriver tillgängliga metoder för att skapa agenter.

Mer information om agenter finns i Designmönster för agentsystem.

Prototypagenter med AI Playground

AI Playground är det enklaste sättet att skapa en agent på Azure Databricks. Med AI Playground kan du välja mellan olika LLM:er och snabbt lägga till verktyg i LLM med hjälp av ett användargränssnitt med låg kod. Du kan sedan chatta med agenten för att testa dess svar och sedan exportera agenten till kod för distribution eller vidareutveckling.

Se Kom igång: Förfråga LLM-modeller och AI-prototypagenter utan kod.

Skapa automatiskt en agent med Kunskapsassistenten

Kunskapsassistenten tillhandahåller en effektiviserad metod för att skapa och optimera domänspecifika chattrobotar med frågor och svar över dina dokument och förbättra kvaliteten baserat på feedback om naturligt språk från dina ämnesexperter.

Knowledge Assistant har en fullständigt hanterad metod som är ett bra utgångsläge innan du dyker in i fler skräddarsydda agenter.

Koda en anpassad agent

Agent Framework och MLflow har verktyg som hjälper dig att skapa företagsklara agenter i Python.

Azure Databricks stöder redigeringsagenter med redigeringsbibliotek från tredje part som LangGraph/LangChain, OpenAI, LlamaIndex eller anpassade Python-implementeringar.

Kom igång snabbt genom att läsa Komma igång med AI-agenter. Mer information om redigering av agenter med olika ramverk och avancerade funktioner finns i Skapa en AI-agent och distribuera den i Databricks-appar.

Förstå modellsignaturer för att säkerställa kompatibilitet med Azure Databricks-funktioner

Azure Databricks använder MLflow-modellsignaturer för att definiera agenternas indata- och utdataschema. Produktfunktioner som AI Playground förutsätter att din agent har en av en uppsättning modellsignaturer som stöds.

Om du följer den rekommenderade metoden för att redigera agenter med hjälp av ResponsesAgent-gränssnittet kommer MLflow automatiskt att härleda en signatur för din agent som är kompatibel med Azure Databricks-produktfunktioner.