Azure Databricks üzerinde aracı oluşturma

Bu sayfada Azure Databricks üzerinde yapay zeka aracıları oluşturmaya, dağıtmaya ve yönetmeye yönelik araçlara genel bir bakış sunulmaktadır. Aracılar hakkında daha fazla bilgi edinmek için Aracı sistem tasarım desenleri kısmına bakın.

Özellik	Açıklama
Kullanmaya başlama: kod içermeyen GenAI	Kullanıcı arabirimi tabanlı test ve prototip oluşturma için AI Playground'ı deneyin.
Başlayın: GenAI için MLflow 3	GenAI izleme, değerlendirme ve insan geri bildirimi için MLflow'ı deneyin.

Genel yapay zeka büyük dil modellerini (LLM' ler) sunma ve sorgulama

OpenAI ve Antropik gibi LLM sağlayıcılarından seçki olarak sunulan bir dizi genel yapay zeka modeli sunun ve bunları güvenli, ölçeklenebilir API'ler aracılığıyla kullanılabilir hale getirin.

Özellik	Açıklama
Temel Modeller	Meta Llama, Antropik Claude, OpenAI GPT ve daha fazlası gibi açık kaynak ve üçüncü taraf modelleri de dahil olmak üzere genel yapay zeka modellerine hizmet edin.

Kurumsal düzeyde yapay zeka aracıları oluşturma ve dağıtma

Kendi aracılarınızı, araç çağırma aracıları, alma ile artırılmış nesil uygulamalar ve çok aracılı sistemler dahil olmak üzere oluşturun ve dağıtın. Kod içermeyen bir başlangıç noktası için AI Playground'ı kullanarak bir LLM seçin, araçlar ekleyin ve koda aktarmadan önce yanıtlarını test etmek için aracıyla sohbet edin.

Özellik	Açıklama
AI Playground (kod yok)	Kod içermeyen bir ortamda yapay zeka aracılarını prototipleyin ve test edin. Dağıtım için kod oluşturmadan önce aracı davranışları ve araç tümleştirmeleri ile hızlı bir şekilde denemeler yapın.
Bilgi Yardımcısı	Sezgisel bir arabirim kullanarak etki alanına özgü yapay zeka sohbet botları oluşturun ve iyileştirin.
Özel aracılar oluşturma	Python kullanarak aracıları yazın, dağıtın ve değerlendirin. LangGraph, LangChain, OpenAI ve LlamaIndex gibi tüm yazma kitaplıklarıyla yazılmış aracıları destekler. MLflow Takibi ile entegre edilmiştir. Databricks Uygulamalarını kullanarak hızla yineleme yapın. Hızlı bir şekilde başlamak için bkz. Yapay zeka aracılarını kullanmaya başlama.
Yapay zeka aracısı araçları	Yapılandırılmış ve yapılandırılmamış verileri sorgulamak, kod çalıştırmak veya dış hizmet API'lerine bağlanmak için aracı araçları oluşturun.
MCP (Model Bağlam Protokolü)	Aracıların güvenli ve tutarlı bir arabirimle verilere ve araçlara nasıl bağlanacaklarını standartlaştırın.

Aracıları değerlendirme, hata ayıklama ve iyileştirme

Değerlendirme ve izleme araçlarıyla aracı performansını izleyin, geri bildirim toplayın ve kalite iyileştirmelerini artırın.

Özellik	Açıklama
MLflow İzleme	Uçtan uca gözlemlenebilirlik için MLflow İzleme'yi kullanın. Ajanınızın geliştirme ve üretim ortamlarındaki davranışını hata ayıklamak, izlemek ve denetlemek için izlediği her adımı günlüğe kaydedin.
Ajan Değerlendirmesi	Kalite, maliyet ve gecikme süresini ölçmek için Aracı Değerlendirmesi ve MLflow kullanın. Yerleşik gözden geçirme uygulamaları aracılığıyla paydaşlardan ve konu uzmanlarından geri bildirim toplayın ve kalite sorunlarını belirlemek ve çözmek için LLM yargıçlarını kullanın.
Ajanları izleme	Çevrimdışı değerlendirme ve çevrimiçi izlemede aynı değerlendirme yapılandırmasını (LLM yargıçları ve özel ölçümler) kullanın.