Pular para o conteúdo principal
Última atualização em

Configure o CI/CD para seu agente do Databricks Apps

Um pipeline de CI/CD executa cada alteração em seu agente por meio de revisão de código e uma implantação automatizada, para que as implantações em produção não dependam do laptop de um único desenvolvedor. Uma vez que o pipeline estiver configurado, cada merge para sua branch principal implanta e reinicia seu agente no Databricks Apps.

Esta página aborda as partes específicas do agente. CI/CD para Databricks Apps com GitHub Actions documenta a configuração do fluxo de trabalho principal: a federação de identidade de carga de trabalho, o ambiente GitHub e o YAML de implantação. Conclua essa página primeiro, depois retorne aqui para as adições que se aplicam a aplicativos de agente.

Requisitos​

O passo 1. Use o fluxo de trabalho inicial​

Vários modelos de agente em databricks/app-templates disponibilizam um .github/workflows/deploy.yml pronto para uso, assim você não precisa escrever o fluxo de trabalho do zero.

  1. Selecione um padrão de agente em databricks/app-templates, como agent-langgraph ou agent-openai-agents-sdk.
  2. No seu diretório de padrão clonado, verifique se .github/workflows/deploy.yml existe.
  3. Configurar o fluxo de trabalho:
    • **Se deploy.yml existir**: Abra-o, confirme que o databricks bundle run o passo referencia a key do recurso do seu pacote de databricks.yml e siga os pré-requisitos no comentário do cabeçalho do arquivo.
    • Se deploy.yml não existir : Copie-o de um padrão existente, ou do o Passo 4. Adicionar o fluxo de trabalho de implantação. Em seguida, atualize o databricks bundle run <key> passo para corresponder à key de recurso do seu bundle.

Etapa 2. Pré-preencha a ID do experimento MLflow​

Os padrões de agente deixam MLFLOW_EXPERIMENT_ID vazio em databricks.yml. O script quickstart o preenche localmente na primeira configuração, mas um CI runner novo não. Se experiment_id estiver vazio, databricks bundle deploy falha com um erro de tipo do Terraform (For input string: "").

Para corrigi-lo, faça commit do valor preenchido:

  1. Execute uv run quickstart --profile <your-profile> localmente na máquina onde você criou o agente.
  2. Verifique se o recurso de experimento em databricks.yml (a entrada com name: 'experiment' em resources.apps.<key>.resources) agora tem um experiment_id numérico.
  3. commit a alteração.

O experimento tem escopo de workspace, então o mesmo ID é válido para cada implantação de CI que tem como alvo esse workspace. Se você implantar em vários workspaces, declare um experimento por destino em databricks.yml (um por bloco targets.<env>) ou use uma variável de pacote.

Passo 3. Realize um teste de fumaça do agente implantado​

databricks bundle run retorna assim que o executor sinaliza ao agente para iniciar, mas o processo do agente ainda pode falhar durante a inicialização. Após a verificação de integridade de Passo 5. Aguarde até que o aplicativo esteja íntegro, adicione o seguinte passo de teste de fumaça a deploy.yml que envia uma solicitação canary para /invocations:

YAML
- name: Smoke test invocations
  env:
    APP_NAME: my-agent
  run: |
    APP_URL=$(databricks apps get "$APP_NAME" --output json | jq -r '.url')
    TOKEN=$(databricks auth token | jq -r '.access_token')
    STATUS=$(curl -sS -o /tmp/canary.json -w "%{http_code}" \
      -X POST "$APP_URL/invocations" \
      -H "Authorization: Bearer $TOKEN" \
      -H "Content-Type: application/json" \
      -d '{"input": [{"role": "user", "content": "ping"}], "stream": false}')
    if [ "$STATUS" != "200" ]; then
      echo "Smoke test failed with status $STATUS:" >&2
      cat /tmp/canary.json >&2
      exit 1
    fi
    echo "Smoke test passed."
nota

O Databricks Apps aceita apenas tokens OAuth para invocação. Use o token OAuth do Workspace de databricks auth token; o Databricks Apps rejeita qualquer outro tipo de token.

Outros recursos​

Nesta página