Agent Bricks のクイックスタート
ベータ版
This feature is in Beta.有効にするためのワークスペース設定は必要ありません。Agent Bricks CLIをインストールして起動します。
このクイックスタートでは、エージェントの構築とデプロイを行うための Databricks コマンドラインツールである Agent Bricks CLI (databricks-agentbricks) を使用して、空のディレクトリからデプロイされたカスタムエージェントを作成するまでの手順を説明します。Agent Bricks CLI がモデルへのアクセス、メモリ、セッション、ツール、およびトレースを管理するため、ユーザーはエージェントのロジックに集中できます。
Agent Bricks CLI の仕組み
Agent Bricks CLI は、フレームワーク Template からローカルプロジェクトを構築し、ランタイム、テスト、およびオプションのチャット UI をすでに結び付けます。アプリケーションのロジック (モデル、ツール、プロンプト) を記述すると、CLI がそれをローカルでランしてデプロイします。宣言型の agent.toml ファイルは、ツール、メモリ、セッション、トレーシングなど、エージェントが依存する Databricks 管理下のリソースのソースとなります。agentbricks deploy はこれを読み取って、プロビジョニングとすべての配線を行います。
空のディレクトリから本番運用に至るまで、エージェントを実行する 3 つのコマンド:
agentbricks initはプロジェクトをスキャフォールディングし、agent.tomlを書き込みます。agentbricks devは、Databricksが使用するランタイムと環境を使用して、エージェントをローカルで実行します。agentbricks deployは宣言されたリソースをプロビジョニングし、デプロイを展開します。
前提条件
-
インストールされており、パスが通っている Databricks CLI。
-
Python 3.11 以降。DatabricksはPython 3.12を推奨します。Pythonのバージョンが原因でインストールまたは
agentbricks devが失敗する場合は、トラブルシューティングを参照してください。 -
uv。agentbricks init、agentbricks dev、およびagentbricks deployの足場プロジェクトをランします。 -
Agent Bricks CLIをインストールします。
uvツールとしてインストールするには、以下をランします。Bashuv tool install databricks-agentbricks代わりに
pipでインストールするには、pip install databricks-agentbricksをランします。
ステップ 1: 認証する
OAuth でワークスペースに対して認証を行い、名前付きプロファイルを保存し、Agent Bricks CLI の default に設定します:
databricks auth login --host https://<your-workspace-url> --profile <profile>
agentbricks login --profile <profile>
ステップ2:プロジェクトのひな形を作成する
--frameworkを使用してフレームワークのTemplateを選択し、新しいエージェントプロジェクトを構築します:
agentbricks init --framework langgraph my-agent
cd my-agent
ステップ 3: エージェントをローカルでランする
デプロイする前に、マシン上でエージェントをランしてテストします:
agentbricks dev
agentbricks dev チャットアプリとエージェントの API を http://localhost:8000 で提供します。Databricks エージェントランタイムと同じコマンドと環境を使用し、Databricks のモデルサービングに接続します。
ブラウザで URL を開き、エージェントとチャットします。次のステップまでサーバーを稼働させ続けます。
ステップ 4: エージェントをローカルでテストする
2番目のターミナルで、エージェントの呼び出しAPIにリクエストを送信します:
curl -X POST http://localhost:8000/api/invocations \
-H 'Content-Type: application/json' \
-d "{\"id\":\"$(uuidgen)\",\"session_id\":\"$(uuidgen)\",\"input\":[{\"role\":\"user\",\"content\":\"Hello\"}]}"
uuidgenが利用できない場合は、各$(uuidgen)を任意のUUIDに置き換えます。
リクエスト本文には以下のフィールドがあります。
id:各リクエストの新しいUUID。session_id: 要求が属する会話。同じ会話でフォローアップメッセージを送信するには、新しいidでセッションIDを再利用します。input:エージェントに送信するメッセージ。
応答には、呼び出しの status と、エージェントのメッセージを含む output フィールドが含まれています。すべてのリクエストフィールドについては、リクエスト本文を参照してください。
ステップ5: エージェントをデプロイする
プロジェクトディレクトリから、エージェントを Databricks エージェントランタイムにデプロイします。
agentbricks deploy
agentbricks init agent.toml に名前 my-agent を記録したので、名前を渡しません。CLIは agent-bricks-my-agent という名前のアプリを作成します。agentbricks deployments コマンドと agentbricks endpoint コマンドでその名前を使用します。
Agent Bricks CLIは、バインドされたストアをプロビジョニングし、エージェントのService Principalにアクセス権を付与し、デプロイメントをロールアウトします。最初のデプロイには数分かかります。これは主にアプリケーションのコンピュートを起動するためです。agentbricks deployは、エージェントが応答するまで待機し、デプロイメントのURLを返します。
デプロイが完了するのを待たずに直ちに戻るには、--no-waitをagentbricks deployに追加してagentbricks deployments waitを実行します。
デプロイが失敗した場合は、デプロイの Logs を表示します。
agentbricks deployments logs agent-bricks-my-agent
ステップ 6: デプロイしたエージェントをテストする
デプロイされたエージェントにリクエストを送信:
agentbricks endpoint invoke agent-bricks-my-agent \
--path /api/invocations \
--json "{\"id\":\"$(uuidgen)\",\"session_id\":\"$(uuidgen)\",\"input\":[{\"role\":\"user\",\"content\":\"Hello\"}]}"
ステップ4と同様に、uuidgenが利用できない場合は、各$(uuidgen)を任意のUUIDに置き換えます。
コマンドはアプリのURLを検索し、defaultプロファイルで認証します。代わりに curl と OAuth トークンを使用して API を呼び出すには、DurableAgentServer を使用するエージェントに対してクエリーを実行するを参照してください。ブラウザでエージェントとチャットするには、デプロイメントのURLを開きます。
次のステップ
- コマンドの全手順と Agent Bricks CLI の機能: Agent Bricks CLI.
- デプロイされたエージェントをクエリーする: Databricksにデプロイされたエージェントをクエリーする.
- マネージドメモリとセッションをバインドします: エージェントメモリ。
- ツールと MCP サービスを追加する:MCPs。
- MLflow を使用したエージェント トレースの表示: トレースの概要。