Примечание.
Для доступа к этой странице требуется авторизация. Вы можете попробовать войти или изменить каталоги.
Для доступа к этой странице требуется авторизация. Вы можете попробовать изменить каталоги.
На этой странице представлен обзор средств для создания, развертывания и использования агентов на Azure Databricks. Дополнительные сведения об агентах см. в шаблонах проектирования системы агента.
| Функция | Описание |
|---|---|
| Начните работу: ИИ без программирования | Попробуйте использовать ИИ-площадку для тестирования на основе пользовательского интерфейса и прототипирования. |
| Начало работы: MLflow 3 для GenAI | Попробуйте MLflow для трассировки, оценки и отзывов пользователей. |
Обслуживание и запрос больших языковых моделей (LLM)
Предоставлять тщательно отобранный набор моделей ИИ от поставщиков LLM, таких как OpenAI и Anthropic, и делать их доступными через безопасные и масштабируемые API.
| Функция | Описание |
|---|---|
| Базовые модели | Обслуживают модели ИИ, включая открытый код и сторонние модели, такие как Meta Llama, Anthropic Claude, OpenAI GPT и многое другое. |
Создание и развертывание агентов корпоративного уровня
Создавайте и развертывайте собственных агентов, включая агентов, вызывающих инструменты, приложения с расширенной генерацией на основе поиска и многоагентные системы. Для начальной точки без кода используйте игровую площадку ИИ для выбора LLM, добавления инструментов и чата с агентом для проверки ответов перед экспортом в код.
| Функция | Описание |
|---|---|
| Ai Playground (без кода) | Прототипы и тестовые агенты в среде без кода. Быстро экспериментируйте с поведением агента и интеграцией инструментов перед созданием кода для развертывания. |
| Помощник по знаниям | Создавайте и оптимизируйте ИИ-чат-ботов для конкретных областей, используя интуитивно понятный интерфейс. |
| Агент руководителя | Создайте агент руководителя, который управляет агентами Genie, конечными точками агента, функциями каталога Unity, серверами MCP и пользовательскими агентами. |
| Создание настраиваемых агентов | Создание, развертывание и оценка агентов с помощью Python. Поддерживает агенты, написанные с любой библиотекой разработки, включая LangGraph, LangChain, OpenAI и LlamaIndex. Интегрирована с трассировкой MLflow. Быстро проводите итерации с помощью приложений Databricks. Чтобы быстро приступить к работе, см. статью "Начало работы с агентами". |
| MCP и агентные инструменты | Создайте средства агента для запроса структурированных и неструктурированных данных, выполнения кода или подключения к внешним API-интерфейсам службы. |
| MCP (протокол контекста модели) | Стандартизируйте, как агенты подключаются к данным и средствам с помощью безопасного, согласованного интерфейса. |
Регистрация и управление агентами
Если агент работает вне Databricks, зарегистрируйте его как службу агента в каталоге Unity, чтобы сделать ее обнаруживаемой для вашей команды и управлять тем, кто может использовать его.
| Функция | Описание |
|---|---|
| Сервисы агентов (бета) | Регистрируйте агентов в каталоге Unity. Просматривайте и находите агентов во всех командах в одном представлении и управляйте доступом с помощью тех же разрешений, которые защищают ваши таблицы, модели и функции. |
Оценка, отладка и оптимизация агентов
Отслеживайте производительность агентов, собирайте отзывы и добивайтесь улучшения качества с помощью инструментов оценки и трассировки.
| Функция | Описание |
|---|---|
| Отслеживание MLflow | Используйте трассировку MLflow для сквозной наблюдаемости. Регистрируйте каждый шаг агента для отладки, мониторинга и аудита поведения агента в разработке и рабочей среде. |
| Оценка агента | Используйте средство оценки агента и MLflow для измерения качества, стоимости и задержки. Соберите отзывы заинтересованных лиц и экспертов по темам с помощью встроенных приложений проверки и используйте судьи LLM для выявления и устранения проблем качества. |
| Агенты мониторинга | Используйте ту же конфигурацию оценки (судьи LLM и пользовательские метрики) в автономном режиме оценки и онлайн-мониторинга. |