Nota
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare ad accedere o modificare le directory.
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare a modificare le directory.
Questo articolo presenta il processo di creazione di agenti di intelligenza artificiale in Azure Databricks e descrive i metodi disponibili per la creazione di agenti.
Per altre informazioni sugli agenti, vedere Modelli di progettazione del sistema agent.
Creare prototipi di agenti con AI Playground
L'AI Playground è il modo più semplice per creare un agente su Azure Databricks. AI Playground consente di selezionare da vari LLM e di aggiungere rapidamente strumenti all'LLM usando un'interfaccia utente con poco codice. È quindi possibile chattare con l'agente per testare le risposte e quindi esportare l'agente nel codice per la distribuzione o un ulteriore sviluppo.
Creare automaticamente un agente con Knowledge Assistant
Knowledge Assistant offre un approccio semplificato per creare e ottimizzare chatbot di domande e risposte specifici del dominio sui tuoi documenti e migliorare la qualità in base al feedback del linguaggio naturale dei tuoi esperti nelle materie.
Knowledge Assistant ha un approccio completamente gestito che è un buon punto di partenza prima di immergersi in agenti più personalizzati.
Codificare un agente personalizzato
Agent Framework e MLflow hanno strumenti che consentono di creare agenti pronti per l'organizzazione in Python.
Azure Databricks supporta la creazione di agenti usando librerie di creazione di agenti di terze parti, ad esempio LangGraph/LangChain, OpenAI, LlamaIndex o implementazioni Python personalizzate.
Per iniziare rapidamente, vedere Introduzione agli agenti di intelligenza artificiale. Per altre informazioni sulla creazione di agenti con framework diversi e funzionalità avanzate, vedere Creare un agente di intelligenza artificiale e distribuirlo in Databricks Apps.
Comprendere le firme del modello per garantire la compatibilità con le funzionalità di Azure Databricks
Azure Databricks usa le firme del modello MLflow per definire lo schema di input e output degli agenti. Le funzionalità del prodotto come l'AI Playground presuppongono che l'agente abbia una delle signature del modello supportate.
Se si segue l'approccio consigliato per la creazione di agenti usando l'interfaccia ResponsesAgent, MLflow dedurrà automaticamente una firma per l'agente compatibile con le funzionalità del prodotto Azure Databricks.