Prototype d’agents appelant des outils dans AI Playground

Cette page montre comment prototyper un agent IA appelant des outils avec ai Playground.

Utilisez ai Playground pour créer rapidement un agent appelant des outils et discuter avec lui en direct pour voir comment il se comporte. Ensuite, exportez l’agent pour le déploiement ou un développement ultérieur dans Python.

Pour créer des auteurs à l’aide d’une approche code-first, consultez Créer des assistants IA dans le code.

Exigences

Votre espace de travail doit avoir les fonctionnalités suivantes activées pour prototyper des agents à l’aide d’AI Playground :

• Unity Catalog
• Cadre de l’assistant IA de Mosaic

• Modèles de base. Consultez la disponibilité des fonctionnalités de service de modèle

Agents d’appel d’outils prototypes dans AI Playground

Pour prototyper un agent appelant des outils :

1. Dans Playground, sélectionnez un modèle avec l’étiquette Outils activés.

   

2. Cliquez sur Outils > + Ajouter un outil et sélectionnez des outils pour donner à l’agent. Vous pouvez choisir jusqu’à 20 outils. Les options d’outil sont les suivantes :

   • Fonction UC : sélectionnez une fonction de catalogue Unity que votre agent doit utiliser.
   • Définition de la fonction : définissez une fonction personnalisée pour que votre agent appelle.
   • Recherche vectorielle : spécifiez un index de recherche vectorielle. Si votre agent utilise un index de recherche vectorielle, sa réponse cite les sources utilisées.
   • MCP : spécifiez des serveurs MCP pour utiliser des serveurs MCP managés Databricks ou des serveurs MCP externes.

   Pour ce guide, sélectionnez la fonction de catalogue Unity intégrée, system.ai.python_exec. Cette fonction permet à votre agent d’exécuter du code Python arbitraire. Pour savoir comment créer des outils d’agent, consultez Choisir votre approche d’outil.

   

   Vous pouvez également sélectionner un index de recherche vectorielle, ce qui permet à votre agent d’interroger l’index pour aider à répondre aux requêtes.

   

3. Discutez pour tester la combinaison actuelle de LLM, d’outils et d’invites système, et essayez des variantes. Le LLM sélectionne l’outil approprié à utiliser pour générer une réponse.

   

   Lorsque vous posez une question relative aux informations contenues dans l’index de recherche vectorielle, le LLM interroge les informations dont il a besoin et cite tous les documents sources utilisés dans sa réponse.

   

Exporter et déployer des agents AI Playground

Après avoir prototypé l’assistant IA dans AI Playground, exportez-le vers des notebooks Python pour le déployer à un point de terminaison de mise en service de modèle.

1. Cliquez sur Obtenir le code>Créer le bloc-notes de l'agent pour générer le bloc-notes qui définit et déploie l’agent IA.

   Après avoir exporté le code de l’agent, un dossier avec un bloc-notes de pilote est enregistré dans votre espace de travail. Ce pilote définit un outil appelant ResponsesAgent, teste l’agent localement, utilise la journalisation basée sur le code, les registres et déploie l’agent IA à l’aide de Mosaic AI Agent Framework.

2. Adressez tous les TODO dans le bloc-notes.

Développer des agents dans le code

Utilisez les notebooks exportés pour tester et itérer de manière programmatique. Utilisez le notebook pour effectuer des opérations telles que l’ajout d’outils ou l’ajustement des paramètres de l’agent.

Lors du développement par programme, les agents doivent répondre à des exigences spécifiques pour être compatibles avec d’autres fonctionnalités de l’agent Databricks. Pour savoir comment créer des agents à l’aide d’une approche code-first, consultez Créer des agents IA dans le code

Étapes suivantes

• Créez vos propres outils d’agent.
• Enregistrer un assistant IA.
• Ajouter des traces à un assistant IA.
• Déployer un agent IA.