在 Azure Databricks 上生成 AI 代理

Azure Databricks支持生成、评估和部署 AI 代理，从简单的 LLM 调用到工具调用代理和多代理系统。 这些指南介绍了用于交付代理的概念、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	原型和测试代理和 LLM，无代码提示工程和参数优化。
开始使用 AI 代理	端到端生成并部署第一个 AI 代理。
概念：Azure Databricks 上的生成式 AI	了解模型、代理、工具和应用。
代理开发生命周期	了解生成 AI 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 Spaces、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。
矢量搜索	查询托管向量索引以检索相关文本和非结构化数据。

评估和监视

在开发和生产中跟踪、评估和监视代理。

功能	Description
评估和监视	评估代理质量并监视生产部署。
MLflow 跟踪	记录和分析代理行为以调试并提高性能。

查询和服务

查询 LLM 并在可缩放的终结点上提供代理和模型。

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视的可缩放 API 为 LLM 提供服务。
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。