Databricks上でAIエージェントを構築する

Databricks は、シンプルな LLM コールからツール呼び出しエージェント、マルチエージェントシステムまで、AI エージェントの構築、評価、デプロイをサポートしています。これらのガイドでは、エージェントをデプロイするために使用する概念、開発ワークフロー、ツールについて説明します。

従来の機械学習またはディープラーニングをお探しですか？「Databricks の機械学習」をご覧ください。

さあ始めましょう

クイックスタートガイドを試してみるか、基礎概念を学んでみましょう。

• • AI Playground
  • コードを使わずにプロンプトのエンジニアリングとチューニングを行うエージェントと LLM のプロトタイプとテストを行います。
• • AIエージェントを使い始めよう
  • 最初のAIエージェントをエンドツーエンドで構築し、デプロイします。
• • コンセプト: DatabricksでのAIの生成
  • モデル、エージェント、ツール、アプリについて学びましょう。
• • エージェント開発ライフサイクル
  • AIエージェント構築の全ライフサイクルを理解する。

ビルドとデプロイ

エージェントを開発し、展開する。

• • ナレッジアシスタント
  • ドメイン固有のQAエージェントチャットボットを構築および最適化する。
• • スーパーバイザーエージェント
  • Genie Spaces、エージェントエンドポイント、 Unity Catalog機能、MCPサーバー、およびカスタムエージェントをオーケストレーションするスーパーバイザーエージェントを構築します。
• • カスタムエージェント
  • RAGアプリケーションやマルチエージェントシステムを含むエージェントをPythonで構築およびデプロイします。
• • Databricks Apps
  • エージェント向けに、チャットアプリやデータ入力フォームなどのインタラクティブなUIを構築、デプロイする
• • MCPサーバー
  • エージェントをツール、データ、ワークフローに標準化されたMCPサーバーを通じて接続します。
• • AI Search（旧Databricks ベクトル検索）
  • 管理対象のAI検索インデックスをクエリして、関連するテキストと非構造化データを取得します。

評価とモニタリング

開発および本番運用におけるエージェントの追跡、評価、監視。

• • 評価とモニタリング
  • エージェントの品質を評価し、本番運用デプロイメントを監視します。
• • MLflowトレーシング
  • エージェントの動作を記録・分析し、パフォーマンスのデバッグ・改善を行います。

クエリとサービス

LLM（論理レベルモデル）にクエリを実行し、スケーラブルなエンドポイント上でエージェントとモデルを提供します。

• • DatabricksでLLMとエージェントを検索する
  • ノートブック、SQL、およびアプリケーションからLLMとエージェントを照会します。
• • 基盤モデル
  • ガバナンスとモニタリングが組み込まれたスケーラブルなAPIsを通じて LLM を提供します。
• • Unity AIゲートウェイ
  • 使用状況追跡、ペイロードロギング、およびセキュリティ制御によって、LLMとエージェントへのアクセスを管理および監視します。
• • AI関数
  • SQLから直接LLMを呼び出すことで、データをエンリッチし、AIワークフローを構築できます。