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 3.10 以降（
pip付き）。 -
Agent Bricks CLI をインストールします：
Bashpip install databricks-agentbricks
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
Databricksエージェントランタイムと同じコマンドおよび環境を使用し、Databricksのモデルサービングに接続されたローカルサーバーをポート8000で起動します。http://localhost:8000にリクエストを送信して、エージェントとやり取りします。
ステップ 4: エージェントをデプロイする
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 my-agent
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 にそれらへのアクセス権を付与して、デプロイを展開します。処理が完了すると、CLI はデプロイメントの URL を返します。ライブエージェントとやり取りするには、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.
- 管理対象のメモリとセッションをバインドします: マネージドエージェントメモリ。
- ツールとMCPサービスを追加する: MCPとエージェントツール。
- 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。