Important
此功能在 Beta 版中。 启用它不需要工作区设置。 安装 Agent Bricks CLI 即可开始使用。
本快速入门通过 Agent Bricks CLI（databricks-agentbricks），即用于构建和部署代理的 Azure Databricks 命令行工具，指导你从空目录开始，部署自定义代理。 Agent Bricks CLI 为你管理模型访问、内存、会话、工具和追踪，让你专注于代理的逻辑。
Agent Bricks CLI 的工作原理
Agent Bricks CLI 从框架模板搭建本地项目，运行时、测试和可选的聊天界面已经布线好。 你编写应用程序逻辑（模型、工具和提示），CLI 在本地运行它并进行部署。 声明文件agent.toml是代理所依赖的 Azure Databricks 管理资源的权威来源，如工具、内存、会话和追踪。
agentbricks deploy 读取它以进行预配并将所有内容连接起来。
三个命令将代理从空白目录带到生产环境：
-
agentbricks init搭建项目框架并撰写agent.toml。 -
agentbricks dev本地运行该代理，使用与 Azure Databricks 相同的运行时和环境。 -
agentbricks deploy预配声明的资源并推出部署。
Prerequisites
Databricks 的 CLI 已安装并且已在 PATH 中。
Python 3.10及以上版本，支持
pip。安装 Agent Bricks CLI：
pip install databricks-agentbricks
步骤 1：身份验证
用 OAuth 认证你的工作区，保存一个命名配置文件，并将其设置为 Agent Bricks CLI 的默认配置：
databricks auth login --host https://<your-workspace-url> --profile <profile>
agentbricks login --profile <profile>
第二步：搭建项目框架
搭建新的智能体项目，使用 --framework 选择框架模板：
agentbricks init --framework langgraph my-agent
cd my-agent
步骤3：本地运行代理
在部署前，先在你的机器上运行该代理进行测试：
agentbricks dev
这会在 8000 端口启动本地服务器，使用与 Azure Databricks 代理运行时相同的命令和环境，连接到 Azure Databricks 模型服务。 向 http://localhost:8000 发送请求以与该代理交互。
步骤4：部署代理
将代理部署到Azure Databricks代理运行时：
agentbricks deploy my-agent
Agent Bricks CLI 会预配任何绑定的存储，授予智能体的服务主体对它们的访问权限，并推出部署。 完成后，CLI返回部署的URL。 打开网址与你的在线客服互动。
后续步骤
- 完整命令攻略及 Agent Bricks CLI 功能： Agent Bricks CLI。
- 绑定托管内存和会话：Agent memory。
- 添加工具和 MCP 服务：MCP。
- 使用 MLflow 查看代理跟踪：追踪概览。