创建 AI 代理

本文介绍在 Azure Databricks 上创建 AI 代理的过程，并概述了创建代理的可用方法。

若要了解有关代理的详细信息，请参阅 代理系统设计模式。

使用 Agent Bricks 自动生成代理

Agent Bricks 提供了一种简单的方法来构建和优化特定于域的高质量 AI 代理系统，用于常见 AI 用例。 指定用例和数据，Agent Bricks 会自动为你构建多个 AI 代理系统，你可以进一步优化这些系统。 请参阅 Agent Bricks。

在代码中撰写代理

马赛克 AI 代理框架和 MLflow 框架提供了工具，可帮助你在 Python 中开发企业级代理。

Azure Databricks 支持使用第三方代理创作库（如 LangGraph/LangChain、OpenAI、LlamaIndex 或自定义 Python 实现）创作代理。

若要快速开始，请参阅 AI 代理入门。 有关使用不同框架和高级功能创作代理的更多详细信息，请参阅 创作 AI 代理并将其部署到 Databricks 应用。

使用 AI Playground 的原型代理

AI Playground 是在 Azure Databricks 上创建代理的最简单方法。 借助 AI Playground，可以从各种 LLM 中进行选择，并使用低代码 UI 快速将工具添加到 LLM。 然后，可以与代理聊天以测试其响应，然后将代理导出到代码进行部署或进一步开发。

请参阅 入门：查询没有代码的 LLM 和原型 AI 代理。

了解模型签名以确保与 Azure Databricks 功能兼容

Azure Databricks 使用 MLflow 模型签名 来定义代理的输入和输出架构。 AI Playground 等产品功能假设代理具有一组受支持的模型签名。

如果您按照使用 ResponsesAgent 接口的推荐的编写代理的方法，MLflow 将自动推断出与 Azure Databricks 产品功能兼容的代理签名。

否则，必须确保代理遵循 旧式输入和输出代理架构（模型服务）中的其他签名之一，以确保与 Azure Databricks 功能兼容。