Começar a usar agentes de AI

Construa e implante seu primeiro agente de AI usando padrões do Databricks Apps. Neste tutorial, você:

• Crie e agente implantado na interface de usuário do Databricks Apps.
• Converse com o agente usando uma interface de chat pré-construída.

Pré-requisitos

Habilite os Databricks Apps em seu workspace. Consulte Configure seu workspace e ambiente de desenvolvimento dos Databricks Apps.

Implantar o padrão do agente

Comece usando um padrão de agente pré-criado do repositório de padrões de aplicativo Databricks.

Este tutorial usa o padrão agent-openai-agents-sdk, que inclui:

• Um agente criado usando o SDK do OpenAI Agent
• Código inicial para um aplicativo de agente com uma API REST conversacional e uma IU de chat interativa
• Código para avaliar o agente usando MLflow

Instale o padrão de aplicativo usando a IU do Workspace. Isso instala o aplicativo e o deixa implantado em um recurso de compute em seu workspace.

1. No seu workspace do Databricks, clique em **+ Novo** >**Aplicativo**.

2. Clique em Agentes > Agente - OpenAI Agents SDK .

3. Crie um novo experimento MLflow com o nome openai-agents-template e conclua o restante da configuração para instalar o padrão.

4. Depois de criar o aplicativo, clique no URL do aplicativo para abrir a interface do usuário do chat.

Entenda o aplicativo do agente

O padrão de agente demonstra uma arquitetura pronta para produção com estes componentes key:

MLflow AgentServer : Um servidor FastAPI assíncrono que manipula solicitações de agente com rastreamento e observabilidade integrados. O AgentServer fornece o /invocations endpoint para consultar seu agente e gerencia automaticamente o roteamento de solicitações, o registro em log e o tratamento de erros.

OpenAI Agents SDK : O padrão usa o OpenAI Agents SDK como a estrutura de agente para gerenciamento de conversas e orquestração de ferramentas. Você pode criar agentes usando qualquer framework. A key é envolver seu agente com a interface ResponsesAgent do MLflow.

interfaceResponsesAgent : Esta interface garante que seu agente funcione em diferentes frameworks e se integre com as ferramentas do Databricks. Crie seu agente usando OpenAI SDK, LangGraph, LangChain ou Python puro, em seguida, envolva-o com ResponsesAgent para obter compatibilidade automática com o AI Playground, Agent Evaluation e a implantação de Databricks Apps.

Servidores MCP (Model Context Protocol) : o padrão se conecta aos servidores MCP da Databricks para acessar agentes em ferramentas e fontes de dados. Consulte Model Context Protocol (MCP) no Databricks.

Próximos os passos

Aprenda a criar um agente personalizado :Crie um agente de AI e seja implantado no Databricks Apps