Développer des agents sur Databricks

Agent Bricks est la plateforme de développement d’agents Databricks. Utilisez-le pour créer et déployer les agents qui alimentent vos flux de travail et vos produits d’agents.

Agent Bricks prend en charge les flux de travail principaux pour créer un agent de production :

• Déployez votre agent : Agent Runtime héberge des agents construits avec n'importe quel framework ou harness, avec ou sans état. DurableAgentServer, qui fait partie de la bibliothèque AgentKit, ajoute une exécution durable afin que les exécutions survivent aux redémarrages et aux pannes.
• Donnez du contexte à votre agent : La mémoire d'agent gérée permet à votre agent de se souvenir de ce qu'il a appris lors des conversations précédentes afin de personnaliser ses réponses.
• Debug and test your agent : MLflow Tracing enregistre chaque étape effectuée par votre agent, et vous pouvez stocker et gérer les traces pour monter en charge dans Unity Catalog.

Vous recherchez du ML classique ou du deep learning ? Voir Machine Learning sur Databricks.

Get start

Découvrez ce que propose Agent Bricks et créez votre premier agent.

• • Démarrage rapide d’Agent Bricks
  • Créez et déployez votre premier agent avec l'Agent Bricks CLI.
• • Qu’est-ce qu’Agent Bricks ?
  • Découvrez les composants d’un agent et la manière dont Agent Bricks prend en charge chacun d’eux.
• • CLI Agent Bricks
  • Créez, exécutez et déployez des agents à partir de la ligne de commande, ou utilisez un agent existant.

Se connecter aux modèles

• • Se connecter aux modèles
  • Appelez des modèles de pointe et ouverts via Unity Gateway avec une seule API, et changez de modèle sans modifier le code de l'agent.

Ajouter un contexte d’agent

Dotez votre agent d'une mémoire, d'outils et de l'accès à vos données.

• • Mémoire et sessions des agents
  • Stockez l’état des conversations et la mémoire à long terme dans des magasins gérés pris en charge par Lakebase.
• • Serveurs MCP et outils d'agent
  • Connectez les agents à des serveurs et outils MCP gérés par Databricks, personnalisés et externes.
• • Serveur MCP Genie One
  • Fournissez aux agents le contexte métier combiné de votre organisation au moyen de questions en langage naturel sur des données gouvernées.
• • Recherche IA
  • Récupérez du texte pertinent et des données non structurées à partir d’un index de recherche IA géré.

Déployez votre agent

Exécutez votre agent avec un serveur d'agents sur du compute géré.

• • Déployez des agents sur Databricks
  • Découvrez la pile de compute de l'agent : framework ou harness, serveur d'agent et runtime d'agent.
• • Agent Server
  • Déployez votre agent avec DurableAgentServer: exécutions synchrones, en streaming et en arrière-plan, avec récupération sur incident.
• • Runtime d’agent
  • Déployez et gérez des agents sur le compute hébergé par Databricks.

Query votre agent

• • Query les agents déployés sur Databricks
  • Envoyez des requêtes aux agents déployés par le biais de l’API d’invocation, de l’API Responses ou de SQL.

Observabilité et qualité des agents

Tracer, évaluer et superviser les agents en développement et en production.

• • Observabilité et qualité des agents
  • Découvrez comment MLflow trace, évalue et surveille les agents.
• • MLflow Tracing
  • Enregistrez chaque étape effectuée par un agent afin de le déboguer et de l’améliorer.
• • Évaluer et améliorer
  • Mesurez la qualité des agents à l’aide de juges LLM, de scoreurs personnalisés et de feedbacks d’experts.

Gouvernez vos agents

• • Unity Gateway
  • Gouvernez l’accès aux modèles, aux serveurs MCP et aux compétences à l’aide de garde-fous, de limites de débit et du suivi de l’utilisation.

Transformer les données non structurées

• • Fonctions IA
  • Appliquez des modèles d'IA à vos données à partir de SQL pour classifier, extraire, synthétiser et analyser des documents.