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 criar agentes.

Para saber mais sobre agentes, consulte Introdução aos aplicativos de IA generativa no Azure Databricks.

Crie automaticamente um agente com o Agent Bricks

O Agent Bricks fornece uma abordagem simples para criar e otimizar sistemas de agentes de IA específicos do domínio e de alta qualidade para casos de uso comuns de IA. Especifique seu caso de uso e dados, e o Agent Bricks criará automaticamente vários sistemas de agente de IA para você que você pode refinar ainda mais. Consulte Agent 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 em Python.

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

Para começar rapidamente, veja Começar com agentes de IA. Para mais detalhes sobre a criação de agentes com diferentes estruturas e funcionalidades avançadas, consulte Criar agentes de IA em código.

Agentes protótipos com AI Playground

O AI Playground é a maneira mais fácil de criar um agente no Azure Databricks. O AI Playground permite que o utilizador selecione entre vários LLMs e adicione rapidamente ferramentas aos LLMs usando uma interface de utilizador 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 posterior.

Veja Protótipo de agentes de invocação de ferramentas no AI Playground.

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

O Azure Databricks usa Assinaturas de Modelo MLflow para definir o esquema de entrada e saída dos agentes. Recursos de produtos como o AI Playground pressupõem que seu agente tenha uma de um conjunto de assinaturas de modelo suportadas.

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

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