Important
這項功能位於 測試版 (Beta) 中。 啟用此功能不需要工作區設定。 安裝 Agent Bricks CLI 開始。
本快速入門會利用 Agent Bricks CLI（databricks-agentbricks）從空目錄帶你到已部署的自訂代理程式，這是 Azure Databricks 用於建立與部署代理的命令列工具。 Agent Bricks CLI 會幫你管理模型存取、記憶體、會話、工具和追蹤，讓你能專注於你的代理程式邏輯。
Agent Bricks CLI 的運作方式
Agent Bricks CLI 從框架範本搭建本地專案，執行時、測試和可選的聊天介面都已完成設定。 你寫應用程式邏輯（模型、工具和提示），CLI 在本地執行它並將其部署。 宣告式agent.toml檔案是代理程式所依賴的 Azure Databricks 管理資源的唯一依據，例如工具、記憶體、工作階段和追蹤。
agentbricks deploy 會讀取以進行配置並完成接線。
三個指令會將 agent 從空白目錄帶到生產環境：
-
agentbricks init搭建專案架構並撰寫agent.toml。 -
agentbricks dev在本地執行代理程式，使用與 Azure Databricks 相同的執行階段和環境。 -
agentbricks deploy配置宣告的資源並展開部署。
先決條件
Databricks 的 CLI 已安裝並已加入 PATH。
Python 3.10 或以上版本，且
pip。安裝 Agent Bricks CLI：
pip install databricks-agentbricks
步驟一：認證
用 OAuth 認證你的工作區，儲存一個命名的設定檔，並設定為 Agent Bricks CLI 的預設設定：
databricks auth login --host https://<your-workspace-url> --profile <profile>
agentbricks login --profile <profile>
步驟二：建立專案骨架
建立新的代理程式專案骨架，選擇搭配 --framework 的框架範本：
agentbricks init --framework langgraph my-agent
cd my-agent
步驟三：在本機執行代理程式
在部署前，先在你的機器上執行代理程式測試：
agentbricks dev
這會啟動一個位於 8000 埠的本地伺服器，使用與 Azure Databricks 代理執行環境相同的指令和環境，並連接到 Azure Databricks 模型服務。 將請求傳送至 http://localhost:8000 以與該代理程式互動。
步驟四：部署代理程式
將代理部署到 Azure Databricks 代理執行時：
agentbricks deploy my-agent
Agent Bricks CLI 會配置任何已綁定的存放區，授予代理程式的服務主體對其的存取權，並推展部署。 完成後，CLI 會回傳部署的 URL。 打開網址與你的真人客服互動。
下一步
- 完整指令攻略及 Agent Bricks CLI 功能： Agent Bricks CLI。
- 綁定受控記憶體和工作階段：受控代理記憶體。
- 新增工具與 MCP 服務：MCPs。
- 使用 MLflow 查看代理追蹤：追蹤概覽。