Démarrage rapide d'Agent Bricks

info

Bêta

Cette fonctionnalité est en version bêta. Aucun paramètre de Workspace n’est requis pour l’activer. Installez la CLI Agent Bricks pour start.

Ce guide de démarrage rapide vous fait passer d'un répertoire vide à un agent personnalisé déployé à l'aide de l'Agent Bricks CLI (databricks-agentbricks), l'outil en ligne de commande Databricks pour créer et déployer des agents. L'Agent Bricks CLI gère l'accès aux modèles, la mémoire, les sessions, les outils et le traçage à votre place, afin que vous puissiez vous concentrer sur la logique de votre agent.

Fonctionnement de la CLI Agent Bricks

L’Agent Bricks CLI crée la structure d’un projet local à partir d’un Template de framework, avec le runtime, les tests et une interface de chat optionnelle déjà configurés. Vous écrivez la logique de l’application (modèle, outils et prompts), et la CLI l’exécute localement et la déploie. Le fichier déclaratif agent.toml constitue la source de vérité pour les ressources gérées par Databricks dont dépend votre agent, telles que les outils, la mémoire, les sessions et le traçage. agentbricks deploy le lit pour assurer le provisionnement et tout configurer.

Trois commandes permettent de faire passer un agent d'un répertoire vide à la production :

• agentbricks init génère l'ossature du projet et écrit agent.toml.
• agentbricks dev exécute l'agent localement, en utilisant le même runtime et le même environnement que ceux utilisés par Databricks.
• agentbricks deploy assure le provisionnement des ressources déclarées et déploie l'application.

Prérequis

• La CLI de Databricks, installée et accessible dans votre chemin d'accès.

• Python 3.10 ou version supérieure, avec pip.

• Installer la CLI Agent Bricks :

  Bash

  pip install databricks-agentbricks

Étape 1 : S'authentifier

Authentifiez-vous sur votre workspace avec OAuth, enregistrez un profil nommé et définissez-le default pour la CLI Agent Bricks :

Bash

databricks auth login --host https://<your-workspace-url> --profile <profile>
agentbricks login --profile <profile>

Étape 2 : générer le squelette du projet

Générez le squelette d’un nouveau projet d’agent en choisissant un template de framework avec --framework:

Bash

agentbricks init --framework langgraph my-agent
cd my-agent

Étape 3 : exécutez l’agent localement

Exécutez l’agent sur votre machine pour le tester avant de le déployer :

Bash

agentbricks dev

Cela permet de start un serveur local sur le port 8000 en utilisant la même commande et le même environnement que le runtime de l'agent Databricks, connecté au service des modèles Databricks. Envoyer des requêtes à http://localhost:8000 pour interagir avec l'agent.

Étape 4 : Déployez l’agent

Déployez l’agent dans le runtime d’agent Databricks :

Bash

agentbricks deploy my-agent

La CLI d’Agent Bricks effectue le provisionnement des stockages liés, accorde au Service Principal de l’agent l’accès à ceux-ci et déploie l’application. Une fois l’opération terminée, la CLI renvoie l’URL du déploiement. Ouvrez l’URL pour interagir avec votre agent en direct.

Étapes suivantes

• Procédure de commande complète et fonctionnalités de la CLI Agent Bricks : Agent Bricks CLI.
• Associez la mémoire gérée et les sessions : Mémoire d'agent gérée.
• Ajoutez des outils et des services MCP : MCPs and agent tools.
• Consultez les traces de l’agent avec MLflow : Vue d’ensemble du traçage.