Criar um agente AI
Este artigo apresenta o processo de criação de agentes AI em Databricks e descreve os métodos disponíveis para a criação de agentes.
Para saber mais sobre agentes, consulte Padrões de projeto de sistemas de agentes.
Protótipo de agentes com o AI Playground
O AI Playground é a maneira mais fácil de criar um agente na Databricks. O AI Playground permite que o senhor selecione entre vários LLMs e adicione rapidamente ferramentas ao LLM usando uma interface de usuário com pouco código. Em seguida, você pode conversar com o agente para testar suas respostas e, em seguida, exportar o agente para código para implantação ou desenvolvimento adicional.
Veja Começar: Consultar LLMs e prototipar agentes AI sem código.
Crie um agente automaticamente com o Assistente de Conhecimento.
O Knowledge Assistant oferece uma abordagem simplificada para criar e otimizar chatbots de perguntas e respostas específicos para cada domínio, com base em seus documentos, e melhorar a qualidade por meio do feedback em linguagem natural de seus especialistas no assunto.
O Knowledge Assistant tem uma abordagem totalmente gerenciada que é um bom lugar para começar antes de mergulhar em agentes mais personalizados.
Codifique um agente personalizado
O Agent Framework e o MLflow possuem ferramentas que ajudam você a criar agentes prontos para uso corporativo em Python.
Databricks oferece suporte a agentes de autoria que utilizam bibliotecas de terceiros, como LangGraph/LangChain, OpenAI, LlamaIndex ou implementações personalizadas Python .
Para começar rapidamente, consulte Começar com agentes AI. Para obter mais detalhes sobre a criação de agentes com diferentes estruturas e recursos avançados, consulte Criar um agente AI e implantá-lo em Databricks Apps.
Entenda as assinaturas do modelo para garantir a compatibilidade com o recurso Databricks
A Databricks usa o MLflow Model Signatures para definir o esquema de entrada e saída dos agentes. produto recurso, como o AI Playground, pressupõe que seu agente tenha um de um conjunto de assinaturas de modelos compatíveis.
Se você seguir a abordagem recomendada para criar agentes usando a interface ResponsesAgent, MLflow inferirá automaticamente uma assinatura para o seu agente que seja compatível com o recurso de produto Databricks .