Compétences de l’agent pour les assistants de codage IA

Les compétences de l’agent sont des fichiers d’instructions spécifiques aux tâches que les assistants de codage IA comme Claude et GitHub Copilot peuvent charger pour effectuer des tâches de développement Azure Databricks. Les packages de compétences rassemblent les connaissances spécifiques au domaine, les bonnes pratiques et les flux de travail dans un format optimisé pour l’utilisation par l’IA. Pour savoir comment étendre Genie Code dans l’espace de travail Azure Databricks, consultez Étendre le code Genie avec des compétences d’agent.

Les compétences suivent la norme Open Agent Skills . Chaque compétence est un fichier Markdown avec des métadonnées front-matter qui décrivent quand et comment la compétence doit être utilisée. Les assistants de codage IA découvrent et chargent automatiquement les compétences pertinentes en fonction de la tâche à accomplir.

Installez des outils d’IA en utilisant la CLI

Installez les outils IA d’Azure Databricks en utilisant le groupe de commandes de la ligneaitools de commande Databricks. La CLI détecte les agents de codage pris en charge et installe les compétences et plugins d’Azure Databricks afin que votre agent puisse travailler efficacement avec les ressources Azure Databricks telles que les bundles, les jobs et SQL.

# Install skills for all detected agents
databricks aitools install

# Install skills for a specific agent
databricks aitools install --agents claude-code

# Install skills into the current project instead of globally
databricks aitools install --scope project

# Install specific skills
databricks aitools install --skills databricks-dabs,databricks-dbsql

Utilisez databricks aitools list, databricks aitools update, et databricks aitools uninstall pour gérer les outils d’IA installés. Pour toutes les options, consultez aitools le groupe de commandes.

Pour installer des compétences à partir de référentiels arbitraires GitHub qui ne sont pas distribués via l’interface CLI Databricks, utilisez l’interface CLI Skills, un gestionnaire de package open source pour les compétences de l’agent. Skills CLI analyse un référentiel de GitHub pour les fichiers de compétences et les installe dans votre projet afin que votre assistant de codage IA puisse les découvrir et les utiliser automatiquement.

Installer des outils d’IA depuis un marché de plugins

Les outils d’IA Azure Databricks sont également publiés sous forme de plugins sur les marchés Claude Code et Cursor. Installer un plugin marketplace donne à votre agent de codage accès aux compétences Databricks depuis l’intérieur de l’agent plutôt que via la ligne de commande de Databricks.

Remarque

La CLI Databricks et le dépôt de compétences de l’agent Azure Databricks incluent toujours l’ensemble de compétences le plus récent. Les offres de la marketplace peuvent avoir du retard ; utilisez donc la CLI Databricks pour installer des outils si vous avez besoin des dernières versions.

Outils d’IA et MCP fournis par Databricks

Les outils d’IA et les MCP fournis par Databricks résolvent différentes parties du même problème, et la plupart des configurations utilisent les deux :

  Outils d’IA Serveurs MCP gérés
Ce qu’il fournit Connaissances : modèles, API et flux de travail Azure Databricks que l’agent applique lorsqu’il écrit du code. Outils : terminaux appelables qu’un agent utilise pour interroger les données du catalogue Unity, exécuter SQL, rechercher des index et appeler des agents Genie.
Emplacement d’exécution Localement, dans les compétences de votre agent de développement ou dans le répertoire de plugins. Hébergé par Azure Databricks, régi par Unity Catalog.
Comment l’installer databricks aitools install Ajoutez l’URL du serveur à la configuration MCP de votre client et authentificez-vous. Voir Encodages pris en charge et agents de travail.

Les compétences enseignent à l’agent comment travailler ; les serveurs MCP lui permettent d’effectuer le travail. Une compétence peut diriger un agent vers un serveur MCP géré pour une tâche, mais la compétence n’est pas elle-même un serveur MCP, et l’installation d’outils d’IA ne configure pas les serveurs MCP pour vous. Si vous voulez que votre agent écrive correctement le code Azure Databricks et lise les données de l’espace de travail en direct, installez des outils d’IA et connectez les serveurs MCP managés dont vous avez besoin.

Référentiels de compétences

dépôt GitHub Description Compétences
Compétences de l’agent Azure Databricks Compétences de base et plugins officiellement maintenus pour le développement sur Azure Databricks dans les domaines du calcul, de l’orchestration, du stockage et des applications. Ces compétences sont installées en utilisant databricks aitools install. Comprend notamment des compétences relatives à Agent Bricks, AI Functions, AI/BI Dashboards, Databricks Apps, Bundles, Databricks CLI, Databricks Lakehouse, Genie, Iceberg, Lakebase, Lakeflow Jobs, les vues métriques, MLflow evaluation, Model Serving, Python SDK, Lakeflow pipelines, la migration serverless, Structured Streaming, les données synthétiques, Unity Catalog, AI Search et Zerobus ingest.
Compétences du Kit de développement IA Compétences communautaires sélectionnées couvrant les modèles de développement Azure Databricks. Deprecated. Ces compétences sont disponibles avec les compétences d’agent Azure Databricks. Pour éviter les conflits, désinstallez les compétences IA Dev Kit avant d’installer les compétences de l’agent Databricks. Voir Désinstaller le kit de développement IA.
Compétences en modèles d'application Databricks Compétences spécifiques aux tâches incorporées dans les modèles d’application Databricks pour les agents (LangGraph, LangChain, Kit de développement logiciel (SDK) OpenAI Agents), App Kits (Lakebase, Genie, Analytics) et frameworks d’application de chatbot/données (Streamlit, Dash, Gradio, Shiny, Flask, Node.js). Démarrage rapide, déploiement, modifier-agent, ajouter-outils, créer-outils, découvrir-outils, migrer-depuis-model-serving, exécuter-localement, test-de-charge, API de supervision
Compétences MLflow Compétences pour l’instrumentation, le débogage et l’évaluation des agents LLM avec MLflow. Prise en main de MLflow, agent MLflow, instrumentation du traçage, récupération et analyse des traces, interrogation des métriques, évaluation de l’agent, analyse des sessions de chat, recherche dans la documentation MLflow

Ressources supplémentaires

  • Dernière mise à jour :