start avec les agents
Créez et déployez votre premier agent à l'aide des templates Databricks Apps. Dans ce tutoriel, vous :
- Créer et déployer un agent depuis l'interface utilisateur de Databricks Apps.
- Discutez avec l'agent à l'aide d'une interface de chat prédéfinie.
Prérequis
Activez les Databricks Apps dans votre Workspace. Consultez Configurez votre Workspace Databricks Apps et votre environnement de développement.
Déployer le Template d'agent
Commencez par utiliser un template d'agent pré-construit du repository de templates d'applications Databricks.
Ce tutoriel utilise le Template agent-openai-agents-sdk, qui inclut :
- Un agent créé à l'aide du SDK d'agent OpenAI
- Code de démarrage pour une application d'agent avec une API REST conversationnelle et une interface utilisateur de chat interactive.
- Code pour évaluer l'agent avec MLflow
Installez le Template d'application à l'aide de l'interface utilisateur de Workspace. Ceci installe l'application et la déploie sur une ressource de compute dans votre workspace.
-
Dans votre workspace Databricks, cliquez sur + Nouveau > Application .
-
Cliquez sur **Agents** > **Agent - OpenAI Agents SDK**.
-
Créez une nouvelle Expérimentation MLflow avec le nom
openai-agents-templateet complétez le reste de la configuration pour installer le Template. -
Après avoir créé l'application, cliquez sur l'URL de l'application pour ouvrir l'interface utilisateur de discussion.
Tout comprendre à l'application d'agent
Le Template d'agent démontre une architecture prête pour la production avec ces composants clés :
MLflow AgentServer : un serveur FastAPI asynchrone qui gère les requêtes d'agent avec traçage et observabilité intégrés. L'AgentServer fournit l'endpoint /invocations pour interroger votre agent et gère automatiquement le routage des requêtes, la journalisation et la gestion des erreurs.
SDK OpenAI Agents : le template utilise le SDK OpenAI Agents comme framework d'agent pour la gestion des conversations et l'orchestration d'outils. Vous pouvez créer des agents à l'aide de n'importe quel framework. La clé est d'envelopper votre agent avec l'interface MLflow ResponsesAgent.
ResponsesAgent interface : cette interface garantit que votre agent fonctionne sur différents frameworks et s'intègre aux outils Databricks. Créez votre agent en utilisant OpenAI SDK, LangGraph, LangChain ou du Python pur, puis enveloppez-le avec ResponsesAgent pour obtenir une compatibilité automatique avec AI Playground, Agent Evaluation et le déploiement de Databricks Apps.
Serveurs MCP (Model Context Protocol) : le template se connecte aux serveurs MCP Databricks pour donner aux agents accès aux outils et aux sources de données. Voir MCP.
Étapes suivantes
Apprenez à concevoir un agent personnalisé :Exécuter des agents sur Databricks Apps à l'aide du serveur d'agents hérité