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:
Modelos de fundação pay-per-tokens ou modelos externos. Veja a disponibilidade do modelo de recurso servindo
Protótipo de ferramenta - chamando agentes no AI Playground
Para criar o protótipo de um agente de chamada de ferramentas:
No Playground, selecione um modelo com o rótulo Tools enabled (Ferramentas ativadas ).
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.Chat para testar a combinação atual de LLM, ferramentas e prompt do sistema e tentar variações.
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.
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.
Abra o
agent
Notebook para ver o código LangChain que define seu agente.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