メインコンテンツまでスキップ

AI Playgroundを使用してLLMとチャットし、AIアプリをプロトタイプ化できます

警告

レガシー

AI Playgroundでのエージェントの構築は、レガシーアプローチです。エージェントを構築してテストするには、Agent Bricks CLI を使用し、agentbricks dev を使用してローカルでエージェントをランします。コードからモデルをクエリーする方法については、基盤モデルとエンべディングモデルのクエリーを参照してください。

AI Playground は、大規模言語モデル (LLM) のチャット環境です。プレイグラウンドでは、LLMをインタラクティブにテスト、プロンプト、比較できるほか、ツールコールエージェントや質問応答ボットのプロトタイプを作成できます。

必要条件​

  • Databricksワークスペースは、基盤モデルをサポートするリージョンにある必要があります。モデル サービング機能の可用性を参照してください。

  • エージェントのプロトタイプを作成するには、ワークスペースがカスタムエージェントをサポートするリージョンにある必要があります。エージェント機能の可用性を参照してください。

  • AI Playgroundで呼び出されるモデルは、ライセンス要件および利用ポリシーの対象となる場合があります。適用されるモデル規約を参照してください。

  • Unity Catalog。組み込みの system.ai.python_exec 関数のようなツールとして Unity Catalog 関数を追加します。

注記

ワークスペースに Playground がない場合は、 Databricks アカウント チームに連絡して詳細を確認してください。

AI Playgroundを使用​

AI Playgroundを使用するには:

  1. 左側のナビゲーション ウィンドウの [AI/ML] から [ プレイグラウンド ] を選択します。

  2. 上部のドロップダウンリストを使用して、操作するモデルを選択します。

  3. 以下のいずれかを実行してください。

    1. 質問またはプロンプトを入力します。
    2. ウィンドウに表示されているAIインストラクションのサンプルから1つ選択します。
  4. + を選択するとエンドポイントを追加することができます。これにより、複数のモデルの応答を並べて比較できるようになります。

AI playground

Playgroundで Unity Gateway モデルサービスにクエリーを実行し、ゲートウェイ機能がリクエストにどのように適用されるかを確認する方法については、「 AI Playgroundでモデルサービスにクエリーを実行する」を参照してください。

AI PlaygroundにおけるAIエージェントのプロトタイピング​

コードでエージェントを構築してデプロイするために、Databricks では Agent Bricks CLI を推奨しています。「Agent Bricksクイックスタート」を参照してください。コードなしでツールや取得を試すには、AI Playground で次のステップを実行します。

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​

ツールを使用すると、LLMは言語を生成する以上のことができるようになります。ツールは、外部データのクエリー、コードのラン、その他のアクションの実行を行うことができます。AI Playground は、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ためのコードなしオプションを提供します。

  1. Playground で、 ツールの有効化 とラベル付けされたモデルを選択します。

    ツール呼び出し LLM を選択する

  2. ツール > + ツールの追加 を選択し、組み込みの Unity Catalog 関数 [system.ai.python_exec] を選択します。

    この機能により、エージェントは任意のPythonコードをランできるようになります。

    ホストされた関数ツールを選択してください

    その他のツールオプションは次のとおりです。

    • UC関数 : エージェントが使用するUnity Catalog関数を選択します。
    • 関数定義 :エージェントが呼び出すカスタム関数を定義します。
    • AI Search : AI Searchインデックスを指定します。エージェントがAI Search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 : 管理対象の Databricks MCP サーバーまたは外部 MCP サーバーを使用するための Model Context Protocol (MCP) サーバーを指定します。
  3. Pythonコードの生成または実行を伴う質問をします。プロンプトの言い回しにいくつかのバリエーションを試すことができます。複数のツールを追加すると、LLMは応答を生成するために適切なツールを選択します。

    ホストされた関数ツールを使用して LLM のプロトタイプを作成する

RAG質問応答ボットのプロトタイプを作成する​

ワークスペースに AI Search インデックスが設定されている場合は、検索拡張生成(RAG)質問応答ボットのプロトタイプを作成できます。このタイプのエージェントは、AI Search インデックスのドキュメントを使用して、それらのドキュメントに基づいて質問に回答します。

  1. ツール > + ツールの追加 をクリックします。次に、AI Searchインデックスを選択します。

    AI検索ツールを選択

  2. ドキュメントに関連する質問をしてください。エージェントはインデックスを使用して関連情報を検索し、回答に使用されたドキュメントを引用します。

    AI Searchツールを使用したLLMのプロトタイプ作成

AI Searchインデックスを設定するには、 AI Searchインデックスを作成するを参照してください。

エージェントのエクスポート​

AI Playgroundでエージェントをテストした後、エクスポートして、Playgroundの外でデプロイ、評価、反復できるようにします。AI Playgroundには、次の2つのエクスポートパスがあります。

  • Databricks Appsへエクスポート (推奨) : 組み込みのチャットUI、MCPツール配線、認証を含む、agent-openai-agents-sdk Templateからデプロイ可能なエージェントアプリをインストールします。新しいエージェントにはこのパスを選択してください。
  • エージェントノートブックの作成 (レガシー) : エージェントを定義し、Model Serving Endpointにデプロイする Python ノートブックを生成します。このパスは、ワークスペースまたはリージョンでDatabricks Appsが利用できない場合に選択します。

Databricks Apps にエクスポート オプションを使用すると、チャットの準備が整ったデプロイ済みエージェントアプリが生成されます。アプリは、Playground で設定したモデル、システムプロンプト、およびツール (MCP サーバーや AI Search インデックスなど) を使用します。

エクスポートする前に、ワークスペースが次の要件を満たしていることを確認してください。

エージェントをエクスポートするには:

  1. Playgroundで、 コードの取得 > Databricks Appsにエクスポート をクリックします。

  2. [Databricks Appsにエクスポート] ダイアログで、次を設定します。

    • アプリ名 : agent- で始まる、小文字、数字、およびハイフンのみを含む一意の名前(例: agent-research-assistant)。
    • アプリの説明 : エージェントが何をするかの簡単な説明。
    • MLflowエクスペリメント : トレースおよび評価に使用する既存のMLflowエクスペリメントを選択するか、新しいエクスペリメントを作成します。
  3. エクスポート をクリックします。Databricks は次のことを行います。

    1. アプリ名が使用可能であることを検証します。
    2. agent-openai-agents-sdkTemplateをワークスペースにインストールし、必要なリソースに対する権限をアプリに付与します。これらのリソースには、MLflowエクスペリメント、サービングEndpoint、ツールとして追加したMCPサーバー、Unity Catalog関数、Genieエージェント、またはAI検索インデックスが含まれます。
    3. プレイグラウンド構成からagent_server/agent.pyを生成し、デプロイされたエージェントがテストしたものと一致するようにします。
  4. 成功ダイアログが表示されたら、 エージェントを表示 をクリックしてデプロイされたアプリを開き、組み込み UI を使用してチャットします。

エージェントコードをカスタマイズ、認証の設定、評価の追加、またはDeclarative Automation Bundles (DABs)を使用して再デプロイするには、レガシーエージェントサーバーを使用して Databricks Apps でエージェントをランするを参照してください。