Agent Bricks 是 Azure Databricks 代理開發平台。 利用它來建立並部署驅動你 agent 型產品與工作流程的代理程式。
Agent Bricks 支援建置生產代理的核心工作流程:
-
部署你的代理程式:Agent Runtime 可承載以任何框架或工具鏈建置的代理,不論有狀態或無狀態,AgentKit 則加入持久執行功能,讓執行作業在重新啟動或當機後仍能持續。
-
安全執行程式碼:代理程式會在 Databricks 沙盒中執行他們所寫的程式碼,這是一個隔離的環境,其主目錄會跨多個會話持續存在。
-
豐富代理的上下文:代理記憶與工作階段讓代理回想先前對話中所學,從而個人化回應並降低代幣成本。
-
除錯與測試你的代理: MLflow 追蹤 會記錄代理的每一步,你可以在 Unity Catalog 中大規模儲存和管理追蹤。
Agent Bricks CLI 為連接這些服務的代理程式產生程式碼框架。 你可以在本地迭代,包括使用程式碼代理,然後部署你的代理程式。
開始
了解 Agent Bricks 所提供的內容,打造你的第一個代理程式。
連接到模型
| Guide |
Description |
|
連線至模型 |
透過 Unity Gateway 呼叫 Frontier 和開放模型,使用同一個 API,切換模型時不需更改代理程式碼。 |
新增代理人內容
用記憶、工具和組織資料豐富你的代理程式的情境。
| Guide |
Description |
|
代理記憶體與會話 |
在以 Lakebase 為後端的受管理儲存區中儲存對話狀態和長期記憶。 |
|
MCP 伺服器與代理工具 |
將代理連接到 Azure Databricks 管理的、自訂及外部 MCP 伺服器與工具。 |
|
Genie One MCP 伺服器 |
透過對受治理資料提出自然語言問題,以貴組織的綜合業務脈絡豐富代理程式。 |
|
AI 搜尋 |
從受管理的 AI 搜尋索引中擷取相關文字及非結構化資料。 |
部署代理程式
在受管理的運算資源上搭配代理伺服器執行你的代理程式。
查詢你的代理程式
代理的可觀察性與品質
追蹤、評估並監控開發與生產中的代理人。
| Guide |
Description |
|
代理的可觀察性與品質 |
了解 MLflow 如何追蹤、評估及監控代理。 |
|
MLflow 追蹤 |
記錄代理程式為對其進行除錯並加以改進所採取的每一步。 |
|
評估與改進 |
透過大型語言模型評審、客製化評分員及專家回饋來衡量代理程式品質。 |
管理代理程式
| Guide |
Description |
|
Unity Gateway |
管理對模型、MCP 伺服器和技能的存取,並設有防護機制、速率限制和使用追蹤。 |
| Guide |
Description |
|
AI 功能 |
將 AI 模型應用於你從 SQL 取得的資料中,進行分類、萃取、摘要與解析文件。 |