Hinweis
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, sich anzumelden oder das Verzeichnis zu wechseln.
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, das Verzeichnis zu wechseln.
Note
Das ist ein Legacy-Ansatz. Für neue Agenten verwenden Sie agent memory und agent sessions, die Azure Databricks für Sie auf Lakebase ausführt. Um mehr über Legacy-Agent-Angebote zu erfahren, siehe Legacy-Agent-Angebote.
Der selbstverwaltete Agentenspeicher verwendet Databricks Lakebase, eine vollständig verwaltete Postgres-OLTP-Datenbank, als dauerhaften Speicher für Ihre Agenten. Verwenden Sie diesen Ansatz, wenn Sie direkten SQL-Zugriff auf Speicher benötigen (z. B. zum Integrieren von Speicher in vorhandene Datenpipelinen oder zum Verwenden eines benutzerdefinierten Schemas), oder wenn Sie kurzfristigen Speicher von Lakebase unterstützt benötigen. Bei diesem Ansatz müssen Sie das Datenbankschema, die Verbindungseinrichtung und zugriffssteuerungen verwalten.
Wenn du keinen direkten SQL-Zugriff oder ein benutzerdefiniertes Schema brauchst, nutze stattdessen Agent Memory, das Azure Databricks für dich verwaltet. Einen Vergleich der beiden Ansätze finden Sie unter Agent-Speicher.
Anforderungen
- Aktivieren Sie Databricks-Apps in Ihrem Arbeitsbereich. Weitere Informationen finden Sie unter Einrichten ihres Databricks-Apps-Arbeitsbereichs und ihrer Entwicklungsumgebung.
- Eine Lakebase-Instanz. Siehe Abrufen einer Postgres-Datenbank.
Kurzfristiger und langfristiger Speicher
Selbstverwalteter Speicher unterstützt sowohl Kurzzeit- als auch Langzeitspeicher, und Sie können Ihren Agenten mit einem von beiden oder mit beiden erstellen:
- Kurzzeitgedächtnis erfasst den Kontext in einer einzelnen Konversationssitzung mithilfe von Thread-IDs und Checkpointing. Er behält den Kontext für Nachverfolgungsfragen innerhalb einer Sitzung bei.
- Langzeitspeicher extrahiert und speichert wichtige Informationen in mehreren Unterhaltungen. Sie personalisiert Interaktionen basierend auf früheren Einstellungen und erstellt eine Wissensbasis zu Benutzern, die die Antworten im Laufe der Zeit verbessern.
Weitere Informationen zur Funktionsweise von Speichertypen finden Sie unter Agent-Speicher.
Get started
Um einen Agenten mit Speicher auf Databricks Apps zu erstellen, klonen Sie eine vorgefertigte App-Vorlage und folgen Sie dem Entwicklungsworkflow, der in Run agents on Databricks Apps using the legacy agent server beschrieben ist. Die folgenden Vorlagen zeigen, wie mithilfe gängiger Frameworks Agents kurzzeitiger und langfristiger Speicher hinzugefügt werden kann.
LangGraph
Klonen Sie die agent-langgraph-advanced-Vorlage , um einen LangGraph-Agent mit kurzfristigem und langfristigem Speicher zu erstellen. Die Vorlage verwendet den integrierten Checkpoint von LangGraph mit Lakebase für die dauerhafte Zustandsverwaltung, einschließlich threadbasierter Gesprächskontexte und beständiger Benutzereinblicke über Sitzungen hinweg.
git clone https://github.com/databricks/app-templates.git
cd app-templates/agent-langgraph-advanced
OpenAI Agents SDK
Klonen Sie die vorlage "agent-openai-advanced ", um einen Agent mit dem OpenAI Agents SDK mit kurzfristigem Speicher zu erstellen. Die Vorlage verwendet Lakebase für die dauerhafte Zustandsverwaltung, wodurch mehrteilige Unterhaltungen mit automatischem Verlauf des Unterhaltungsverlaufs ermöglicht werden.
git clone https://github.com/databricks/app-templates.git
cd app-templates/agent-openai-advanced
Hintergrundausführung für zeitintensive Agents
Die erweiterten Vorlagen agent-langgraph-advanced und agent-openai-advanced erweitern die Basisvorlagen mit kurzzeitigem Speicher und lang laufender Hintergrundausführung über LongRunningAgentServer von databricks-ai-bridge: Es werden Hintergrund- und Streamingmodi hinzugefügt, mit denen Agentaufgaben auch nach der HTTP-Zeitüberschreitung der Verbindung von Databricks Apps weiterlaufen können; außerdem werden das Polling und die Wiederaufnahme einer Streamingverbindung zum Abrufen von Ergebnissen unterstützt. Den vollständigen Clientvertrag finden Sie in der erweiterten Vorlage README.
Bereitstellen und Abfragen Ihres Agents
Nachdem du deinen Agenten mit Speicher konfiguriert hast, folge den Schritten in Run agents on Databricks Apps using the legacy agent server, um deinen Agenten lokal auszuführen, ihn auszuwerten und in Databricks Apps bereitzustellen.