Databricks でエージェントを使用する

このページでは、DatabricksでAIエージェントを構築、デプロイ、および使用するためのツールの概要を説明します。エージェントの詳細については、「エージェントシステムデザインパターン」を参照してください。

• • はじめに: コード不要の GenAI
  • UIベースのテストとプロトタイプ作成には、AI Playgroundをお試しください。
• • 生成AI対応 MLflow 3 の概要
  • GenAI アプリケーションのトレーシング、評価、および人間によるフィードバックに MLflow をお試しください。

生成AI大規模言語モデル (LLM) の提供とクエリ

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デプロイ

ツール呼び出しエージェント、検索拡張生成アプリ、および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およびデプロイできます。ノーコードでの開始点として、AI Playground を使用してLLMを選択し、ツールを追加し、コードにエクスポートする前にエージェントとチャットして応答をテストします。

機能	説明
AI Playground (コードなし)	ノーコード環境でAIエージェントをプロトタイプおよびテストする。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の統合を迅速にエクスペリメントします。
ナレッジアシスタント	直感的なインターフェイスを使用して、ドメイン固有のAIチャットボットを構築および最適化します。
カスタム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などの任意のオーサリングライブラリで作成されたエージェントに対応しています。MLflow Tracingと連携しています。Databricks Apps を使用して、迅速にイテレートできます。素早く始めるには、AI エージェントの使用を開始するを参照してください。
エージェントをツールに接続する	構造化データおよび非構造化データのクエリ、コードの実行、または外部サービス APIs への接続を行う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)	安全で一貫性のあるインターフェースを使用して、エージェントがデータとツールに接続する方法を標準化します。

外部エージェントを使用する

エージェントがDatabricks外で実行される場合は、Unity Catalogにエージェントサービスとして登録する。チームが発見できるようにし、誰が使用できるかを管理します。

機能	説明
エージェントサービス (ベータ版)	Unity Catalogに外部エージェントを登録します。単一のビューからチーム全体のエージェントを参照および検出でき、テーブル、モデル、関数を保護するのと同じ権限でアクセスを制御します。

エージェントの評価、デバッグ、最適化

評価およびトレースツールを使用して、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。エージェントが実行するすべてのステップをログに記録し、開発環境と本番運用環境でエージェントの動作をデバッグ、監視、および監査してください。
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。組み込みのレビューアプリを通じて利害関係者や対象分野の専門家からフィードバックを収集し、LLMジャッジを使用して品質問題を特定し、解決します。
エージェントの監視	オフライン評価とオンラインモニタリングで、同じ評価設定（LLMジャッジとカスタムメトリクス）を使用します。