Criar um agente de IA

Este artigo apresenta o processo de criação de agentes de IA no Azure Databricks e descreve os métodos disponíveis para a criação de agentes.

Para saber mais sobre agentes, consulte Introdução a aplicativos de IA generativos no Azure Databricks.

Criar automaticamente um agente com o Agent Bricks

O Agent Bricks fornece uma abordagem simples para criar e otimizar sistemas de agente de IA específicos ao domínio e de alta qualidade para casos comuns de uso de IA. Especifique o caso de uso e os dados, e o Agent Bricks criará automaticamente vários sistemas de agente de IA para você que você pode refinar ainda mais. Veja Agente Bricks.

Criar um agente no código

O Mosaic AI Agent Framework e o MLflow fornecem ferramentas para ajudá-lo a criar agentes prontos para a empresa no Python.

O Azure Databricks dá suporte à criação de agentes usando bibliotecas de criação de agente de terceiros, como LangGraph/LangChain, LlamaIndex ou implementações personalizadas do Python.

Para começar rapidamente, consulte Introdução aos agentes de IA. Para obter mais detalhes sobre a criação de agentes com diferentes frameworks e recursos avançados, consulte Autor de agentes de IA no código.

Protótipo de agentes com o AI Playground

O Playground de IA é a maneira mais fácil de criar um agente no Azure Databricks. O AI Playground permite que você selecione entre várias LLMs e adicione rapidamente ferramentas à LLM usando uma interface de baixo código. Em seguida, você pode conversar com o agente para testar suas respostas e, em seguida, exportar o agente para o código para implantação ou desenvolvimento adicional.

Veja Criar um protótipo de agentes de chamada de ferramentas no Playground de IA.

Entender as assinaturas de modelo para garantir a compatibilidade com os recursos do Azure Databricks

O Azure Databricks usa assinaturas de modelo do MLflow para definir o esquema de entrada e saída dos agentes. Recursos do produto, como o AI Playground, pressupõem que seu agente tenha uma das assinaturas de modelo que têm suporte.

Se você seguir a abordagem recomendada para os agentes de criação, o MLflow inferirá automaticamente uma assinatura para o agente compatível com os recursos do produto do Azure Databricks, sem nenhum trabalho adicional necessário de sua parte.

Caso contrário, você deve garantir que o agente adere a uma das outras assinaturas no esquema de agente de entrada e saída herdado, para garantir a compatibilidade com os recursos do Azure Databricks.