本頁展示如何使用 AI Playground 為工具呼叫型 AI 代理進行原型設計。
利用 AI Playground 快速建立工具呼叫代理，並與它即時聊天，觀察它的行為。 接著，將代理匯出用於部署或在 Python 中進一步開發。
若要使用程式代碼優先方法來撰寫代理程式，請參閱 在程式代碼中撰寫 AI 代理程式。
要求
您的工作區必須啟用下列功能，才能使用 AI 遊樂場建立代理程式的原型：
AI Playground 中的 原型工具調用代理
若要建立工具呼叫代理程式的原型：
從 Playground 中選取標有啟用 工具 標籤的模型。
按兩下 [工具 > + 新增工具 ]，然後選取要提供給代理程式的工具。 您可以選擇最多 20 個工具。 工具選項包括：
- UC 函數：為您的代理選擇 Unity Catalog 函數。
- 函式定義：為您的代理程式定義要呼叫的自定義函式。
- 向量搜尋：指定 向量搜尋索引。 如果您的代理程式使用向量搜尋索引，其回應會引用所使用的來源。
- MCP：指定 MCP 伺服器 使用受管理的 Databricks MCP 伺服器或外部 MCP 伺服器。
針對本指南，選取內建的 Unity 目錄函式，
system.ai.python_exec。 此函式可讓您的代理程式執行任意 Python 程式代碼。 欲了解如何建立代理人工具，請參閱 「選擇你的工具方法」。
您也可以選取向量搜尋索引，這可讓您的代理程序查詢索引，以協助回應查詢。
使用聊天功能測試當前的 LLM、工具和系統提示的組合，並嘗試各種變化選項。 LLM 會選取用來產生回應的適當工具。
當詢問與向量搜尋索引中資訊相關的問題時，LLM 會查詢所需的資訊，並引用其回應中使用的任何源檔。
匯出和部署 AI 遊樂場代理程式
在 AI 遊樂場中建立 AI 代理程式原型之後，將其匯出至 Python 筆記本，以將其部署至服務端點的模型。
點擊 取得程式碼>Create agent notebook ，產生定義並部署 AI 代理的筆記本。
匯出代理程式代碼之後，具有驅動程式筆記本的資料夾會儲存至您的工作區。 此驅動程式定義一個呼叫 ResponsesAgent 的工具，在本地測試代理程式，使用 基於程式碼的日誌，註冊，並使用 Mosaic AI 代理框架部署 AI 代理程式。
解決筆記本中所有的 TODO項目。
注意
導出的程式代碼行為可能會與您在 AI 遊樂場中的會話不同。 Databricks 建議執行導出的筆記本，以進一步反覆運算和偵錯、評估代理程式品質，然後部署代理程式以與他人共用。
在程式代碼中開發代理程式
使用匯出的筆記本，以程序化方式進行測試和迭代。 使用筆記本來執行新增工具或調整代理程序參數等動作。
以程式設計方式進行開發時，代理程序必須符合特定需求，才能與其他 Databricks 代理程式功能相容。 若要瞭解如何使用程式代碼優先方法來撰寫代理程式，請參閱 在程式代碼中撰寫 AI 代理程式
後續步驟
- 建立您自己的代理程式工具。
- 記錄 AI 代理程式。
- 為 AI 代理程式添加痕跡。
- 部署 AI 代理程式。