Azure Databricks支持构建、评估和部署代理，从简单的 LLM 调用到工具调用代理和多代理系统。 这些指南涵盖了您用于发布智能体的概念、开发工作流和工具。
正在寻找经典 ML 或深度学习？ 请参阅 Azure Databricks 上的机器学习。
开始
请尝试快速入门或了解基本概念。
| 指南 | Description |
|---|---|
| AI实验室 | 利用无代码提示词工程和参数调优，对智能体和大型语言模型（LLM）进行原型设计和测试。 |
| 开始使用代理 | 端到端地构建并部署您的第一个代理。 |
| 概念：Azure Databricks 中的 AI | 了解模型、代理、工具和应用。 |
| 代理开发生命周期 | 了解生成代理的完整生命周期。 |
构建和部署
开发和部署代理。
| 功能 | Description |
|---|---|
| 知识助理 | 生成和优化特定于域的 QA 代理聊天机器人。 |
| 管理代理 | 构建一个监督代理，用于协调 Genie 代理、代理终结点、Unity 目录函数、MCP 服务器和自定义代理。 |
| 自定义代理 | 使用Python生成和部署代理，包括 RAG 应用程序和多代理系统。 |
| Databricks 应用 | 为代理生成和部署交互式 UI，例如聊天应用和数据输入表单。 |
| MCP 服务器 | 通过标准化 MCP 服务器将代理连接到工具、数据和工作流。 |
| AI 搜索（前 Databricks 矢量搜索） | 查询托管的 AI 搜索索引以检索相关文本和非结构化数据。 |
评估和监视
在开发和生产环境中跟踪、评估和监控智能体。
| 功能 | Description |
|---|---|
| 评估和监视 | 评估智能体质量并监控生产环境部署。 |
| MLflow 跟踪 | 记录和分析代理行为以调试并提高性能。 |
查询与服务
查询 LLM，并在可扩展的端点上提供智能体和模型服务。
| 功能 | Description |
|---|---|
| 在 Azure Databricks 上查询 LLM 和代理 | 从笔记本、SQL 和应用程序查询 LLM 和代理。 |
| 基础模型 | 通过具有内置治理和监控功能的可扩展 API 提供 LLM 服务。 |
| Unity AI 网关 | 通过使用情况跟踪、负载日志记录和安全控制来治理和监控对 LLM 和代理的访问。 |
| AI 函数 | 直接从 SQL 调用 LLM 以丰富数据和生成 AI 工作流。 |