Utilisez des agents sur Databricks.
Cette page fournit une vue d'ensemble des outils pour créer, déployer et utiliser des agents IA sur Databricks. Pour en savoir plus sur les agents, consultez les modèles de conception de systèmes d'agents.
-
- Démarrez : GenAI sans code
- Essayez AI Playground pour les tests et le prototypage basés sur l’interface utilisateur.
-
- Démarrer : MLflow 3 pour GenAI
- Essayez MLflow pour le traçage GenAI, l'évaluation et le feedback humain.
Servir et interroger des grands modèles de langage (LLM) d'IA générative
Proposer un ensemble sélectionné de modèles d'IA générative provenant de fournisseurs de LLM tels qu'OpenAI et Anthropic, et les rendre disponibles via des APIs sécurisées et évolutives.
Fonctionnalité | Description |
|---|---|
Déployez des modèles d'IA générative, y compris des modèles open source et tiers tels que Meta Llama , Anthropic Claude , OpenAI GPT , et bien d'autres. |
Créez et déployez des agents d'IA d'entreprise
Créez et déployez vos propres agents, y compris des agents d'appel d'outils, des applications de génération augmentée par récupération et des systèmes multi-agents. Pour un point de départ sans code, utilisez l'AI Playground pour sélectionner un LLM, ajouter des outils et discuter avec l'agent pour tester ses réponses avant l'exportation vers le code.
Fonctionnalité | Description |
|---|---|
Prototypez et testez les agents d'IA dans un environnement sans code. Expérimentez rapidement les comportements des agents et les intégrations d'outils avant de générer du code pour le déploiement. | |
Créez et optimisez des chatbots IA spécifiques à un domaine à l'aide d'une interface intuitive. | |
Créez un agent superviseur qui orchestre les agents Genie, les Endpoint d'agent, les fonctions Unity Catalog, les serveurs MCP et les agents personnalisés. | |
Créez, déployez et évaluez des agents à l'aide de Python. Prend en charge les agents écrits avec toute bibliothèque d'édition, y compris LangGraph, LangChain, OpenAI et LlamaIndex. Intégré avec MLflow Tracing. Itérez rapidement à l'aide de Databricks Apps. Pour start rapidement, consultez Premiers pas avec les agents IA. | |
Créez des outils d'agent pour interroger des données structurées et non structurées, exécuter du code ou vous connecter à des APIs de services externes. | |
Standardisez la manière dont les agents se connectent aux données et aux outils grâce à une interface sécurisée et cohérente. |
Utilisez des agents externes
Si votre agent s'exécute en dehors de Databricks, enregistrez-le en tant que service d'agent dans Unity Catalog pour le rendre détectable par votre équipe et régir qui peut l'utiliser.
Fonctionnalité | Description |
|---|---|
Enregistrez des agents externes dans Unity Catalog. Parcourez et découvrez les agents entre les équipes à partir d'une vue unique, et contrôlez l'accès avec les mêmes octrois qui protègent vos tables, modèles et fonctions. |
Évaluer, déboguer et optimiser les agents
Suivez les performances des agents, recueillez des commentaires et favorisez les améliorations de qualité avec des outils d'évaluation et de traçage.
Fonctionnalité | Description |
|---|---|
Utilisez MLflow Tracing pour une observabilité de bout en bout. Consignez chaque étape de votre agent pour déboguer, surveiller et auditer le comportement de l'agent en développement et en production. | |
Utilisez Agent Evaluation et MLflow pour mesurer la qualité, le coût et la latence. Recueillez les commentaires des parties prenantes et des experts en la matière via des applications de révision intégrées et utilisez des juges LLM pour identifier et résoudre les problèmes de qualité. | |
Utilisez la même configuration d’évaluation (juges LLM et métriques personnalisées) dans l’évaluation hors ligne et le monitoring en ligne. |