Protótipo de ferramenta - chamando agentes no AI Playground

Prévia

Esse recurso está em Pré-lançamento público.

Este artigo mostra como criar um protótipo de um AI agente de chamada de ferramenta com AI Playground o.

Use o AI Playground para criar rapidamente um agente de chamadas de ferramentas e conversar com ele ao vivo para ver como ele se comporta. Em seguida, exporte o agente para implantação ou desenvolvimento adicional no código Python.

Para criar agentes usando uma abordagem de código primeiro, consulte Criar agentes AI em código.

Requisitos

O site workspace deve ter o seguinte recurso habilitado para criar protótipos de agentes usando AI Playground:

Protótipo de ferramenta - chamando agentes no AI Playground

Para criar o protótipo de um agente de chamada de ferramentas:

  1. No Playground, selecione um modelo com o rótulo Tools enabled (Ferramentas ativadas ).

    Selecione uma ferramenta - chamando o LLM
  2. Selecione Ferramentas e selecione uma ferramenta para fornecer ao agente. Para este guia, selecione a função integrada do Unity Catalog, system.ai.python_exec. Essa função dá ao seu agente a capacidade de executar código Python arbitrário. Para saber como criar ferramentas de agente, consulte AI ferramentas de agente.

    Selecione uma ferramenta
  3. Chat para testar a combinação atual de LLM, ferramentas e prompt do sistema e tentar variações.

    Criar um protótipo do LLM

Exportação e implantado AI Playground agentes

Depois de criar o protótipo do agente AI em AI Playground, exporte-o para o notebook Python para implantá-lo em um modelo de serviço endpoint.

  1. Clique em Exportar para gerar o Python Notebook que define e implanta o agente AI.

    Depois de exportar o código do agente, três arquivos são salvos no site workspace. Esses arquivos seguem a metodologia Models from Code do MLflow, que define os agentes diretamente no código em vez de depender de artefatos serializados. Para saber mais, consulte o guia Model from Code do siteMLflow:

    • agent Notebook: Contém o código Python que define seu agente usando LangChain.

    • driver Notebook: Contém o código Python para log, rastrear, registrar e implantar o agente AI usando o Mosaic AI Agent Framework.

    • config.yml: Contém informações de configuração sobre seu agente, incluindo definições de ferramentas.

  2. Abra o agent Notebook para ver o código LangChain que define seu agente.

  3. execução driver Notebook para log e implantado seu agente para um modelo de serviço endpoint.

Observação

O código exportado pode se comportar de forma diferente da sua sessão do AI Playground. Databricks recomenda a execução do Notebook exportado para iterar e depurar mais, avaliar a qualidade do agente e, em seguida, implantar o agente para compartilhar com outras pessoas.

Desenvolva agentes em código

Use o Notebook exportado para testar e iterar programaticamente. Use o Notebook para fazer coisas como adicionar ferramentas ou ajustar os parâmetros do agente.

No desenvolvimento programático, os agentes devem atender a requisitos específicos para serem compatíveis com outros recursos do agente Databricks. Para saber como criar agentes usando uma abordagem de código primeiro, consulte Criar agentes AI em código