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 управления агентами ИИ на Azure Databricks. Дополнительные сведения об агентах см. в шаблонах проектирования системы агента.
| Функция | Description |
|---|---|
| Начало работы: GenAI 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. |
Развертывайте большие языковые модели генеративного ИИ (LLM) и отправляйте к ним запросы
Предоставьте курированный набор генеративных моделей ИИ от поставщиков LLM, таких как OpenAI и Anthropic, и предоставьте доступ к ним через безопасные и масштабируемые API.
| Функция | Description |
|---|---|
| Базовые модели | Поддерживайте модели генеративного ИИ, включая модели с открытым кодом и модели от сторонних разработчиков, такие как Meta Llama, Anthropic Claude, OpenAI GPT и другие. |
Создание и развертывание агентов ИИ 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 | Description |
|---|---|
| Ai Playground (без кода) | Прототип и тестирование агентов ИИ 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. |
| 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 ИИ". |
| Средства агента ИИ | 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. |
Оценка, отладка и оптимизация агентов
Отслеживайте производительность агентов, собирайте отзывы и добивайтесь улучшения качества с помощью инструментов оценки и трассировки.
| Функция | Description |
|---|---|
| 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. |