Protótipo de agentes chamadores de ferramentas no AI Playground

Esta página mostra como prototipar um agente de IA que chama ferramentas com o AI Playground.

Use o AI Playground para criar rapidamente um agente de chamadas de ferramentas e converse com ele em direto para ver como se comporta. Depois, exporta o agente para implementação ou desenvolvimento adicional em Python.

Para autoração de agentes usando uma abordagem baseada em código, veja Autorar agentes de IA em código.

Requerimentos

Seu espaço de trabalho deve ter os seguintes recursos habilitados para prototipar agentes usando o AI Playground:

• Catálogo Unity
• Estrutura do Mosaic AI Agent

• Modelos de Fundação. Consulte Disponibilidade de recursos de serviço de modelo

Protótipo de agentes de invocação de ferramentas no AI Playground

Para prototipar um agente chamador de ferramentas:

1. No Playground, escolha um modelo com o rótulo Ferramentas ativadas.

   

2. Clique em Ferramentas > + Adicionar ferramenta e selecione as ferramentas para fornecer ao agente. Você pode escolher até 20 ferramentas. As opções de ferramentas incluem:

   • Função UC: Selecione uma função Unity Catalog para o seu agente usar.
   • Definição de função: defina uma função personalizada para o seu agente chamar.
   • Pesquisa vetorial: Especifique um índice de pesquisa vetorial. Se o seu agente usa um índice de pesquisa vetorial, sua resposta citará as fontes usadas.
   • MCP: Especifique servidores MCP para utilizar servidores MCP Databricks geridos ou servidores MCP externos.

   Para este guia, selecione a função integrada do Unity Catalog, system.ai.python_exec. Esta função dá ao seu agente a capacidade de executar código Python arbitrário. Para aprender a criar ferramentas para agentes, consulte Escolha a abordagem da sua ferramenta.

   

   Você também pode selecionar um índice de pesquisa vetorial, que permite que seu agente consulte o índice para ajudar a responder a consultas.

   

3. Converse por chat para testar a combinação atual de LLM, ferramentas e prompts do sistema e tente variações. O LLM seleciona a ferramenta apropriada a ser usada para gerar uma resposta.

   

   Ao fazer uma pergunta relacionada à informação no índice de pesquisa vetorial, o LLM consulta as informações de que precisa e cita quaisquer documentos de origem usados em sua resposta.

   

Exporte e implante agentes do AI Playground

Depois de prototipar o agente de IA no AI Playground, exporte-o para cadernos Python para implantá-lo num endpoint de disponibilização do modelo.

1. Clique em Obter código>Criar caderno de agente para gerar o caderno que define e implementa o agente de IA.

   Depois de exportar o código do agente, uma pasta com um notebook de driver é salva na sua área de trabalho. Este driver define um ResponsesAgent que chama a ferramenta, testa o agente localmente, utiliza registos baseados em código, regista e implementa o agente de IA usando o Mosaic AI Agent Framework.

2. Aborde todos os itens marcados como TODO no caderno.

Desenvolver agentes em código

Use os blocos de anotações exportados para testar e iterar programaticamente. Use o bloco de anotações para fazer coisas como adicionar ferramentas ou ajustar os parâmetros do agente.

Ao desenvolver programaticamente, os agentes devem atender a requisitos específicos para serem compatíveis com outros recursos do agente Databricks. Para saber como criar agentes usando uma abordagem orientada por código, consulte Criar agentes de IA em código

Próximos passos

• Crie suas próprias ferramentas de agente.
• Registre um agente de IA.
• Adicionar rastreamentos a um agente de IA.
• Implantar um agente de IA.