Erstellen eines KI-Agents

In diesem Artikel wird der Prozess zum Erstellen von KI-Agents in Azure Databricks vorgestellt und die verfügbaren Methoden zum Erstellen von Agents beschrieben.

Weitere Informationen zu Agents finden Sie unter Agent-Systementwurfsmuster.

Prototyp-Agents mit AI Playground

Der KI-Playground ist die einfachste Möglichkeit, einen Agent auf Azure Databricks zu erstellen. MIT AI Playground können Sie aus verschiedenen LLMs auswählen und dem LLM schnell Tools hinzufügen, indem Sie eine Ui mit geringem Code verwenden. Anschließend können Sie mit dem Agent chatten, um seine Antworten zu testen und dann den Agent in Code für die Bereitstellung oder weiterentwicklung zu exportieren.

Weitere Informationen finden Sie unter "Erste Schritte": Abfrage-LLMs und Prototyp-KI-Agents ohne Code.

Automatisches Erstellen eines Agenten mit dem Wissensassistenten

Der Knowledge Assistant bietet einen optimierten Ansatz zum Erstellen und Optimieren von domänenspezifischen Frage-und-Antwort-Chatbots mithilfe Ihrer Dokumente und zur Verbesserung der Qualität basierend auf dem Feedback, das in natürlicher Sprache von Ihren Fachexperten gegeben wird.

Knowledge Assistant hat einen vollständig verwalteten Ansatz, der ein guter Ausgangspunkt ist, bevor Sie sich mit maßgeschneiderten Agenten befassen.

Codiert einen benutzerdefinierten Agent

Agent Framework und MLflow verfügen über Tools, mit denen Sie unternehmensfähige Agents in Python erstellen können.

Azure Databricks unterstützt die Erstellung von Agents mithilfe von Drittanbieter-Agent-Erstellungsbibliotheken wie LangGraph/LangChain, OpenAI, LlamaIndex oder benutzerdefinierte Python-Implementierungen.

Informationen zu den ersten Schritten finden Sie unter "Erste Schritte mit KI-Agents". Weitere Informationen zum Erstellen von Agents mit verschiedenen Frameworks und erweiterten Features finden Sie unter "Erstellen eines KI-Agents" und bereitstellen sie in Databricks-Apps.

Grundlegendes zu Modellsignaturen zur Sicherstellung der Kompatibilität mit Azure Databricks-Features

Azure Databricks verwendet MLflow-Modellsignaturen zum Definieren des Eingabe- und Ausgabeschemas von Agents. Produktfeatures wie der AI Playground gehen davon aus, dass Ihr Agent über eine Reihe von unterstützten Modellsignaturen verfügt.

Wenn Sie dem empfohlenen Ansatz für die Erstellung von Agents mithilfe der ResponsesAgent-Schnittstelle folgen, leitet MLflow automatisch eine Signatur für Ihren Agent ab, der mit Den Produktfeatures von Azure Databricks kompatibel ist.