Databricks でジェネレーション AI アプリを構築する

このページでは、AI 上でDatabricks アプリを開発するためのツールについて、生成AI アプリのビルド、デプロイ、管理などについて概説しています。

生成 AI モデルの提供とクエリ

OpenAI や などの プロバイダーから厳選されたジェネレーションAI モデル セットを提供し、安全でスケーラブルなLLMAnthropic APIs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、ジェネレーション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

ツール・コール・エージェント、取得拡張生成アプリケーション、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デプロイします。

機能	説明
AI Playground (コードなし)	ノーコード環境でAIエージェントのプロトタイプを作成し、テストします。エージェントの動作とツールの統合を迅速にエクスペリメントしてから、デプロイ用のコードを生成します。
モザイク AI エージェントフレームワーク	Pythonでエージェントを作成、デプロイ、評価します。LangChain、LangGraph、純粋なPythonコードエージェントなど、任意のオーサリングライブラリで記述されたエージェントをサポートします。ガバナンスのための Unity Catalog と追跡のための MLflow をサポートします。
Agent Bricks(コードなし)	ドメイン固有のAIエージェントシステムを、シンプルなノーコードインターフェースで構築し、最適化します。データとメトリクスに焦点を当て、Agent Bricksは実装を合理化します。

エージェントの評価、デバッグ、最適化

評価ツールとトレースツールで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
エージェントの評価	Agent Evaluation と MLflow を使用して、品質、コスト、待機時間を測定します。組み込みのレビューアプリを通じて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て解決します。
MLflow Tracing	エンドツーエンドの可観測性のために MLflow Tracing を使用します。 エージェントが行ったすべてのステップをログに記録することで、開発および本番運用におけるエージェントの動作のデバッグ、監視、監査が容易になります。

AIエージェントの製品化

エージェントを本番運用にデプロイして管理し、スケーラブルなエンドポイント、可観測性、ガバナンスの組み込みを実現します。

タスク	説明
エージェントの記録と登録	エージェントのコード、構成、アーティファクトを Unity Catalog に記録し、ガバナンスとライフサイクル管理に役立てます。
エージェントのデプロイ	エージェントを管理されたスケーラブルなエンドポイントとしてデプロイします。
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構成(LLM ジャッジとカスタムメトリクス)を使用します。