Déployez des agents sur Databricks
Pour exécuter un agent en production, vous déployez son code sur un compute managé qui répond aux demandes de vos utilisateurs et applications. Un agent déployé comporte trois couches : votre framework ou harness, un serveur d'agents et un agent runtime. Agent Bricks propose des options à chaque couche, de DurableAgentServer à Agent Runtime sur Databricks Apps.
La pile de compute des agents
Un agent déployé comporte trois couches. Chaque couche enveloppe celle qui se trouve au-dessus d'elle.
Couche | Fonctionnement | Options sur Databricks |
|---|---|---|
Exécute la boucle de l’agent : appelle les modèles et les outils, puis décide de l’action suivante. | N'importe quel framework ou harnais, tel que LangGraph ou le SDK OpenAI Agents, ou un méta-harnais tel que Omnigent. | |
Enveloppe la boucle de l’agent dans un serveur HTTP. Le serveur d’agents expose l’API d’invocation, gère les connexions des clients et assure la durabilité. |
| |
Exécute le serveur d'agent sur un compute géré et prend en charge l'hébergement, l'identité, ainsi que le dimensionnement. | Runtime d'agent sur Databricks Apps. |
Les termes suivants décrivent la manière dont les couches fonctionnent ensemble :
Terme | Ce que cela signifie |
|---|---|
API d’invocation | L’API HTTP que les clients appellent pour exécuter l’agent. Consultez les query agents déployés sur Databricks. |
Service | L'environnement d'exécution de l'agent exécute le serveur d'agent, qui sert votre agent via l'API d'invocation. |
Déployer | Placez le code de votre agent sur l'environnement d'exécution de l'agent. |
Où s'intègrent les sandbox
Databricks Sandbox n'est pas une couche de la pile de compute. Il s'agit d'un outil que votre agent appelle pour exécuter du code dans un environnement isolé, distinct du runtime de l'agent, avec un accès étendu à vos données régies. Utilisez un sandbox lorsque votre agent écrit et exécute du code, tel que des scripts d'analyse de données. Pour doter un projet CLI d'un outil de sandbox, exécutez agentbricks tools add sandbox.
Framework ou harness
Le framework ou harnais correspond au code de votre agent. Il exécute la boucle qui raisonne avec un modèle, appelle des outils et décide du moment où il convient de répondre. Agent Bricks ne requiert aucun framework spécifique.
Framework ou harness | Quand utiliser |
|---|---|
Template | Démarrage d’un nouvel agent. La CLI Agent Bricks crée des structures de projets pour LangGraph et le SDK OpenAI Agents. Les Template séparent le code de votre framework du code qui le connecte au serveur d’agent. |
Agents existants | Utilisation d'un agent que vous avez déjà créé avec LangGraph ou OpenAI Agents SDK. Exécutez |
Meta-harness | Combinaison de plusieurs harnais, tels que des agents de codage, en un seul agent avec Omnigent. |
Serveur d’agent
Le serveur d'agent est une bibliothèque qui encapsule votre boucle d'agent et la transforme en service. Il définit l'API appelée par les clients, assure le suivi de chaque exécution et détermine ce qui se produit lorsqu'une exécution est interrompue.
Serveur d’agent | Quand utiliser |
|---|---|
| Nouveaux agents créés avec la CLI Agent Bricks. |
Serveurs d'agent hérités | Maintenance des agents créés à partir des Template d’application. Pour comparer |
Votre propre serveur | Agents qui nécessitent des Endpoint personnalisés, des formats de requête ou des protocoles. Exécutez |
Environnement d’exécution de l’agent
L'environnement d'exécution de l'agent est le compute géré qui exécute le serveur de votre agent. Vous y déployez du code au lieu d'effectuer le provisionnement des serveurs vous-même.
Agent runtime | Quand utiliser |
|---|---|
Nouveaux agents. Exécute votre agent sur Databricks Apps. | |
Model Serving (hérité) | Agents précédents déployés sur des Endpoint Model Serving. Voir Déployer un agent pour les applications d'IA (Model Serving). Pour les transférer vers Databricks Apps, consultez Migrer un agent de Model Serving vers Databricks Apps. |
Déployer à l'aide de la CLI Agent Bricks
La CLI Agent Bricks connecte les trois couches. Il génère le code de votre framework, l'exécute localement sur DurableAgentServer et le déploie sur Agent Runtime :
agentbricks init my-agent --framework langgraph
cd my-agent
agentbricks dev
agentbricks deploy my-agent
Pour créer et déployer votre premier agent, consultez le guide de démarrage rapide d'Agent Bricks.
Autorisations de déploiement d’un agent
L'utilisateur ou le service principal qui exécute agentbricks deploy doit disposer des autorisations nécessaires pour effectuer les opérations suivantes :
- Créez des applications Databricks Apps ou gérez l'application existante en vue d'un redéploiement. Consultez Configurer les autorisations pour une application Databricks.
- Créez les magasins de mémoire et de session déclarés dans
agent.toml, ou gérez les magasins existants, afin qu'Agent Bricks puisse accorder à l'application du Service Principal l'accès à ces derniers. - Créez l'Experimentation MLflow que le projet utilise pour le traçage, ou modifiez-la si elle existe déjà.
- Accordez au Service Principal de l’application l’accès aux ressources que les outils déclarent avec
--auth app, telles queEXECUTEsur une fonction Unity Catalog,CAN RUNsur un Genie Agent ouSELECTsur une table dans une portée sandbox.
Agent Bricks grants access only to Ressources that agent.toml declares directly. If a tool uses other Ressources, such as the tables behind a Genie Agent or the objects that a Unity Catalog function calls, grant the app's service principal access to them yourself. If deploy can't apply a required grant, it stops before it upload your code and leaves the current deployment running.