Aracıları yapılandırılmış verilere bağlama

Yapay zeka aracılarının genellikle soruları yanıtlamak, kayıtları güncelleştirmek veya veri işlem hatları oluşturmak için yapılandırılmış verileri sorgulaması veya işlemesi gerekir.

Databricks, Unity Kataloğu tablolarında ve dış veri depolarında aracıları yapılandırılmış verilere bağlamak için birden çok yaklaşım sağlar. Genie Aracılarına ve SQL ambarlarına anında erişmek için önceden yapılandırılmış MCP sunucularını kullanın veya özel iş akışları için özel araçlar oluşturun.

Bu sayfada şunların nasıl yapıldığını gösterir:

Unity Kataloğu tablolarında verileri sorgulama

Aracınızın Unity Kataloğu tablolarındaki verileri sorgulaması gerekiyorsa Databricks Genie Aracıları'nın kullanılmasını önerir. Genie Agent, Genie'nin doğal dil kullanarak bağlam ve sorguda tutabileceği en fazla 25 Unity Kataloğu tablosu koleksiyonudur. Aracılar önceden yapılandırılmış bir MCP URL'si kullanarak Genie Aracısı'na erişebilir.

Genie Aracısı'na bağlanmak için:

  1. Sorgulamak istediğiniz tablolarla bir Genie Aracısı oluşturun ve aracıyı erişmesi gereken kullanıcılarla veya hizmet sorumlularıyla paylaşın. Bkz. Genie Aracısı oluşturma ve yönetme.
  2. Bir aracı oluşturun ve alanı için önceden yapılandırılmış yönetilen MCP URL'sine bağlayın: https://<workspace-hostname>/api/2.0/mcp/genie/{genie_space_id}.

Note

Genie için yönetilen MCP sunucusu, Genie'yi bir MCP aracı olarak çağırır; bu da Genie API'leri çağrıldığında geçmişin aktarılmadığı anlamına gelir.

Ajanınıza bir Genie Agent aracı ekleyin

Aşağıdaki örneklerde aracınızı bir Genie Agent MCP sunucusuna nasıl bağlayacağınız gösterilmektedir. <genie-space-id> öğesini Genie Agent'ınızın kimliğiyle değiştirin.

OpenAI Aracıları SDK'sı (Uygulamalar)

from agents import Agent, Runner
from databricks.sdk import WorkspaceClient
from databricks_openai.agents import McpServer

workspace_client = WorkspaceClient()
host = workspace_client.config.host

async with McpServer(
    url=f"{host}/api/2.0/mcp/genie/<genie-space-id>",
    name="genie-space",
    workspace_client=workspace_client,
) as genie_server:
    agent = Agent(
        name="Data analyst agent",
        instructions="You are a data analyst. Use the Genie tool to query structured data and answer questions.",
        model="databricks-claude-sonnet-4-5",
        mcp_servers=[genie_server],
    )
    result = await Runner.run(agent, "What were the top 10 customers by revenue last quarter?")
    print(result.final_output)

Uygulamanın databricks.yml içindeki Genie Aracısı'na erişmesine izin verin:

resources:
  apps:
    my_agent_app:
      resources:
        - name: 'my_genie_space'
          genie_space:
            space_id: '<genie-space-id>'
            permission: 'CAN_RUN'

LangGraph (Uygulamalar)

from databricks.sdk import WorkspaceClient
from databricks_langchain import ChatDatabricks, DatabricksMCPServer, DatabricksMultiServerMCPClient
from langgraph.prebuilt import create_react_agent

workspace_client = WorkspaceClient()
host = workspace_client.config.host

mcp_client = DatabricksMultiServerMCPClient([
    DatabricksMCPServer(
        name="genie-space",
        url=f"{host}/api/2.0/mcp/genie/<genie-space-id>",
        workspace_client=workspace_client,
    ),
])

async with mcp_client:
    tools = await mcp_client.get_tools()
    agent = create_react_agent(
        ChatDatabricks(endpoint="databricks-claude-sonnet-4-5"),
        tools=tools,
    )
    result = await agent.ainvoke(
        {"messages": [{"role": "user", "content": "What were the top 10 customers by revenue last quarter?"}]}
    )
    print(result["messages"][-1].content)

Uygulamaya, databricks.yml içindeki Genie Agent’a erişim izni verin:

resources:
  apps:
    my_agent_app:
      resources:
        - name: 'my_genie_space'
          genie_space:
            space_id: '<genie-space-id>'
            permission: 'CAN_RUN'

Model Hizmeti

from databricks.sdk import WorkspaceClient
from databricks_mcp import DatabricksMCPClient
import mlflow

workspace_client = WorkspaceClient()
host = workspace_client.config.host

# Connect to the Genie Agent MCP server
mcp_client = DatabricksMCPClient(
    server_url=f"{host}/api/2.0/mcp/genie/<genie-space-id>",
    workspace_client=workspace_client,
)

# List available tools from the Genie Agent
tools = mcp_client.list_tools()

# Log the agent with the required resources for deployment
mlflow.pyfunc.log_model(
    "agent",
    python_model=my_agent,
    resources=mcp_client.get_databricks_resources(),
)

Aracıyı dağıtmak için bkz. Oluşturucu yapay zeka uygulamaları (Model Sunma) için aracı dağıtma. MCP kaynaklarıyla aracıların günlüğe kaydedilmesi hakkında ayrıntılı bilgi için bkz. Azure Databricks tarafından yönetilen MCP sunucuları.

Genie çok aracılı sistem

Important

Bu özellik Genel Önizleme aşamasındadır.

Gelişmiş, çok aracılı sistemler için Genie'yi MCP kullanarak tümleştirmek yerine aracı olarak da kullanabilirsiniz. Genie'yi aracı olarak çağırdığınızda, mevcut konuşma bağlamını belirlenimci olarak Genie'ye geçirebilirsiniz.

Kod öncelikli bir yaklaşım için bkz. Çok aracılı sistemlerde Genie kullanma (Model Sunma). Kullanıcı arabirimi öncelikli bir yaklaşım için bkz. Eşgüdümlü bir çok aracılı sistem oluşturmak için Gözetmen Aracısını kullanma.

Unity Kataloğu SQL işlev aracını kullanarak verileri sorgulamak için

Sorgu önceden bilindiğinde ve aracı parametreleri sağladığında Unity Kataloğu SQL işlevlerini kullanarak yapılandırılmış bir alma aracı oluşturun.

Aşağıdaki örnek, yapay zeka aracısının varsayımsal lookup_customer_info bir tablodan yapılandırılmış verileri almasını sağlayan adlı customer_databir Unity Kataloğu işlevi oluşturur.

Sql düzenleyicisinde aşağıdaki kodu çalıştırın.

CREATE OR REPLACE FUNCTION main.default.lookup_customer_info(
  customer_name_input STRING COMMENT 'Name of the customer whose info to look up'
)
RETURNS STRING
COMMENT 'Returns metadata about a particular customer, given the customer''s name, including the customer''s email and ID. The
customer ID can be used for other queries.'
RETURN SELECT CONCAT(
    'Customer ID: ', customer_id, ', ',
    'Customer Email: ', customer_email
  )
  FROM main.default.customer_data
  WHERE customer_name = customer_name_input
  LIMIT 1;

Unity Kataloğu aracını oluşturduktan sonra aracınıza ekleyin. Bkz. Unity Kataloğu işlev aracı oluşturma.

  • Last updated on