Offres d’agents héritées

Les offres d’agents hérités sont des produits Databricks antérieurs qui ne constituent plus les bonnes pratiques pour créer des agents. Ils restent documentés afin de vous permettre de maintenir et de migrer les agents existants. Ne les utilisez pas pour les nouveaux agents. Pour savoir comment Databricks définit les cycles de vie du support, consultez Databricks support lifecycles.

Pour les nouveaux agents écrits en code, Databricks recommande l’ Agent Bricks CLI, qui dessert votre agent avec DurableAgentServer et le déploie sur Agent Runtime. Voir Déployer des agents sur Databricks. Pour les nouveaux agents construits sans code, utilisez les Agents Genie.

Offres héritées et leurs remplacements

Offre ancienne	Utiliser à la place
Assistant de connaissances	Genie Agents pour des agents low-code sur vos documents et données.
Agent superviseur	Agents Genie pour les agents à faible code. Pour coordonner plusieurs agents dans le code, utilisez l’ Agent Bricks CLI.
API Supervisor (déprécié)	Rédigez votre propre boucle d’agent et déployez-la avec l’ Agent Bricks CLI. Consultez Deploy agents on Databricks.
Créer un système multi-agents personnalisé	La CLI Agent Bricks. Pour doter votre agent d’Agents Genie comme outils, exécutez agentbricks tools add genie-agent.
Exécutez des agents sur Databricks Apps à l’aide de l’ancien serveur d’agent	La CLI Agent Bricks, avec DurableAgentServer sur Agent Runtime.
Créer un frontal d’agent de chat	Les projets que vous créez avec la Agent Bricks CLI incluent une interface de chat.
Agent personnalisé sur Model Serving	La Agent Bricks CLI. Pour migrer un agent existant, consultez Migrer un agent de Model Serving vers Databricks Apps.
Créer un agent LLM personnalisé	AI Functions, telles que ai_query.
Magasins de mémoire gérés (hérités)	Mémoire d’agent gérée.
AI Playground	Pour query des modèles, consultez Query foundation and embedding models. Pour créer et tester des agents, utilisez la Agent Bricks CLI et exécutez votre agent localement avec agentbricks dev. Pour query un agent déployé, consultez Query agents deployed on Databricks.

Offre ancienne	Utiliser à la place
Assistant de connaissances	Genie Agents pour des agents low-code sur vos documents et données.
Agent superviseur	Agents Genie pour les agents à faible code. Pour coordonner plusieurs agents dans le code, utilisez l’ Agent Bricks CLI.
API Supervisor (déprécié)	Rédigez votre propre boucle d’agent et déployez-la avec l’ Agent Bricks CLI. Consultez Deploy agents on Databricks.
Créer un système multi-agents personnalisé	La CLI Agent Bricks. Pour doter votre agent d’Agents Genie comme outils, exécutez agentbricks tools add genie-agent.
Exécutez des agents sur Databricks Apps à l’aide de l’ancien serveur d’agent	La CLI Agent Bricks, avec DurableAgentServer sur Agent Runtime.
Créer un frontal d’agent de chat	Les projets que vous créez avec la Agent Bricks CLI incluent une interface de chat.
Agent personnalisé sur Model Serving	La Agent Bricks CLI. Pour migrer un agent existant, consultez Migrer un agent de Model Serving vers Databricks Apps.
Créer un agent LLM personnalisé	AI Functions, telles que ai_query.
Magasins de mémoire gérés (hérités)	Mémoire d’agent gérée.
AI Playground	Pour query des modèles, consultez Query foundation and embedding models. Pour créer et tester des agents, utilisez la Agent Bricks CLI et exécutez votre agent localement avec agentbricks dev. Pour query un agent déployé, consultez Query agents deployed on Databricks.

La page Mémoire d’agent autogérée (Lakebase) est également ancienne. Utilisez la mémoire d’agent gérée et les sessions d’agent gérées à la place.