Databricks上にエージェントを構築する

このページでは、Databricks上でAIエージェントを構築、デプロイ、管理するためのツール概要を説明します。エージェントについてさらに詳しく知りたい場合は、 「エージェントシステム設計パターン」を参照してください。

• • さあ始めましょう：ノーコードGenAI
  • UIベースのテストやプロトタイピングには、AI Playgroundをお試しください。
• • さあ始めましょう：GenAI向けMLflow 3
  • GenAIの追跡、評価、および人間からのフィードバックには、MLflowをお試しください。

大規模言語モデル（LLM）のAI生成とクエリ実行を提供する

OpenAI やAnthropicなどのLLMプロバイダーから厳選された生成AI モデル セットを提供し、安全でスケーラブルなAPIを通じて利用できるようにします。

機能	説明
基盤モデル	Meta Llama 、 Anthropic Claude 、 OpenAI GPT などのオープンソースモデルやサードパーティモデルを含む、生成AIモデルを提供します。

エンタープライズグレードのAIエージェントを構築および展開する

ツール呼び出しエージェント、検索機能強化型生成アプリ、マルチエージェントシステムなど、独自のエージェントを構築して展開できます。コードを書かずに始めるには、AI Playground を使用して LLM を選択し、ツールを追加し、エージェントとチャットして応答をテストしてからコードにエクスポートしてください。

機能	説明
AI Playground （コード不要）	ノーコード環境でAIエージェントのプロトタイプを作成し、テストする。デプロイ用のコードを生成する前に、エージェントの動作やツールとの統合について迅速に検証します。
カスタムコードエージェントを構築する	Pythonを使用してエージェントを作成、デプロイ、評価します。LangGraph、LangChain、OpenAI、LlamaIndexなど、あらゆるオーサリングライブラリで作成されたエージェントをサポートします。MLflow Tracingと統合されています。 Databricks Appsを使用して、迅速に反復開発を行います。 すぐに始めるには、 「AIエージェントの利用開始」を参照してください。
AIエージェントツール	構造化データと非構造化データ、実行コードをクエリしたり、外部サービスAPIsに接続したりするためのエージェント ツールを作成します。
MCP（モデルコンテキストプロトコル）	エージェントがデータやツールに接続する方法を、安全で一貫性のあるインターフェースで標準化する。

エージェントの評価、デバッグ、最適化

評価ツールと追跡ツールを使用して、エージェントのパフォーマンスを追跡し、フィードバックを収集し、品質改善を推進します。

機能	説明
MLflowトレーシング	エンドツーエンドの可観測性を実現するには、MLflow Tracingを使用してください。開発および本番運用でエージェントの動作をデバッグ、監視、監査するためにエージェントが実行するすべてのステップを記録します。
Agent Evaluation	Agent EvaluationとMLflowを使用して、品質、コスト、およびレイテンシを測定します。 レビューアプリを通じて利害関係者や専門家からフィードバックを収集し、 LLM審査員を活用して品質上の問題を特定し解決します。
エージェントを監視する	オフライン評価とオンラインモニタリングで同じ評価構成 ( LLMジャッジとカスタム メトリクス) を使用します。