AI エージェントを作成する

プレビュー

この機能はパブリックプレビュー段階です。

この記事では、Databricks で AI エージェントを作成するプロセスを紹介し、エージェントの作成に使用できる方法の概要を説明します。

エージェントの詳細については、 複合 AI システムと AI エージェントとはを参照してください。

コードでエージェントを作成する

Mosaic AI Agent Framework と MLflow は、Python でエンタープライズ対応のエージェントを作成するのに役立つツールを提供します。

Databricks は、LangChain、LlamaIndex、カスタム Python 実装などのサードパーティのエージェント作成ライブラリを使用したエージェントの作成をサポートしています。

Databricks で AI エージェントを作成する方法については、コードで AI エージェントを作成するを参照してください。

AI Playgroundを使用したエージェントのプロトタイプ作成

AI Playgroundは、Databricksでエージェントの作成を開始する最も簡単な方法です。AI Playground では、さまざまな LLM から選択し、ローコード UI を使用して LLM にツールをすばやく追加できます。 その後、エージェントとチャットして応答をテストし、エージェントをコードにエクスポートしてデプロイまたはさらに開発できます。

AI Playground でのプロトタイプ ツール呼び出しエージェントを参照してください。

モデルのシグネチャを理解して Databricks 機能との互換性を確保する

Mosaic AI は、 MLflow モデル シグネチャ を使用して、エージェントの入力スキーマ要件と出力スキーマ要件を定義します。 モデル署名は、内部コンポーネントと外部コンポーネントにエージェントとの対話方法を指示し、それらがスキーマに準拠していることを検証します。

Databricks および MLflow 機能との互換性を確保するには、エージェントは、オープンソースで他のプラットフォームと広く互換性がある OpenAI の ChatCompletionRequest および ChatCompletionResponse シグネチャに準拠する必要があります。

さらに、Databricks は、これらのスキーマを拡張するカスタム入力フィールドとカスタム出力フィールドをサポートしています。 これを容易にするために、 MLflow は ChatModel を提供し、デフォルトによってカスタム フィールドを追加します。

これにより、 ChatModel インターフェイスを使用して作成されたエージェントは、チャット完了インターフェイスと広範な Databricks ツールセットに自動的に準拠するようになります。

MLflow: ChatModel の概要を参照してください。