AI Playgroundにおけるツール呼び出しエージェントのプロトタイピング
このページでは を使用してツール呼び出しAI エージェントの AI Playgroundプロトタイプを作成する方法を説明します。
AI Playgroundを使用して、ツール呼び出しエージェントをすばやく作成し、ライブチャットでその動作を確認します。 次に、エージェントをエクスポートして、Python で展開またはさらなる開発を行います。
コードファーストのアプローチを使用してエージェントを作成するには、「 コードで AI エージェントを作成する」を参照してください。
必要条件
ワークスペースでは、AI Playground を使用してエージェントをプロトタイプ化するために、次の機能が有効になっている必要があります。
-
基盤モデル. モデル サービング機能の可用性を参照してください。
AI Playgroundにおけるツール呼び出しエージェントのプロトタイピング
ツール呼び出しエージェントのプロトタイプを作成するには:
-
Playground から、 ツールの有効化 ラベルが付いたモデルを選択します。
-
[ツール] > + [ツールの追加 ] をクリックし、エージェントに提供するツールを選択します。最大20個のツールを選択できます。ツールオプションには、次のものがあります。
- UC 機能 : エージェントが使用する [Unity カタログ機能] を選択します。
- 関数の定義 : エージェントが呼び出すカスタム関数を定義します。
- 人気検索 :流行検索インデックスを指定します。 エージェントが高速検索インデックスを使用している場合、その応答には使用されたソースが引用されます。
- MCP : 管理された Databricks MCP サーバーまたは外部 MCP サーバーを使用するようにMCP サーバーを指定します。
このガイドでは、組み込みUnity Catalog関数
system.ai.python_execを選択します。 この関数により、エージェントは任意の Python コードを実行できるようになります。エージェント ツールを作成する方法については、 「ツール アプローチの選択」を参照してください。
また、ベクトル検索インデックスを選択して、エージェントがクエリに応答できるようにインデックスをクエリすることもできます。
-
チャットして、LLM、ツール、およびシステムプロンプトの現在の組み合わせをテストし、バリエーションを試します。LLM は、応答の生成に使用する適切なツールを選択します。
ベクトル検索インデックスの情報に関連する質問をする場合、LLM は必要な情報を照会し、応答に使用されたソース ドキュメントを引用します。
AI Playground エージェントのエクスポートとデプロイ
AI PlaygroundでAIエージェントのプロトタイプを作成した後、それをPythonノートブックにエクスポートして、モデルサービング エンドポイントにデプロイします。
-
[コードの取得] > [エージェント ノートブックの作成] をクリックして、AI エージェントを定義およびデプロイするノートブックを生成します。
エージェント コードをエクスポートすると、ドライバー ノートブックを含むフォルダーがワークスペースに保存されます。このドライバーは、ツール呼び出しResponsesAgent を定義し、エージェントをローカルでテストし、コードベースのログ記録を使用し、登録し、 Mosaic AI Agent Framework を使用してAIエージェントをデプロイします。
-
ノートブック内のすべての TODO に対処します。
エクスポートされたコードは、AI Playground セッションとは異なる動作をする場合があります。 Databricks では、エクスポートされたノートブックを実行して、さらに反復処理とデバッグを行い、エージェントの品質を評価してから、エージェントをデプロイして他のユーザーと共有することをお勧めします。
コードでエージェントを開発する
エクスポートされたノートブックを使用して、プログラムでテストと反復処理を行います。ノートブックを使用して、ツールの追加やエージェントのパラメーターの調整などを行います。
プログラムで開発する場合、エージェントは他の Databricks エージェント機能と互換性を持つために特定の要件を満たす必要があります。 コードファーストのアプローチを使用してエージェントを作成する方法については、「コードで AI エージェントを作成する」を参照してください