Offerte legacy degli agenti

Le soluzioni legacy per agenti sono precedenti prodotti per agenti di Azure Databricks che non sono più la best practice per la creazione di agenti. Rimangono documentati così da poter mantenere e migrare gli agenti esistenti. Non usarli per i nuovi agenti. Per informazioni su come Azure Databricks definisce i cicli di vita del supporto, vedi i cicli di vita del supporto Databricks.

Per i nuovi agenti scritti in codice, Databricks raccomanda la CLI di Agent Bricks, che esegue il tuo agente DurableAgentServer e lo distribuisce su Agent Runtime. Consulta "Deploy agents on Azure Databricks". Per nuovi agenti creati senza codice, usa Genie Agents.

Offerte precedenti e le loro sostituzioni

Offerta legacy Usare invece
Assistente conoscenze Genie Agents per creare agenti low-code per i tuoi documenti e dati.
Agente supervisore Genie Agents per agenti low-code. Per coordinare più agenti nel codice, usa la CLI di Agent Bricks.
Supervisor API (deprecata) Scrivi il tuo loop agente e distribuiscilo con la CLI di Agent Bricks. Consulta "Deploy agents on Azure Databricks".
Costruisci un sistema multi-agente personalizzato La CLI di Agent Bricks. Per fornire al tuo agente i Genie Agents come strumenti, esegui agentbricks tools add genie-agent.
Esegui gli agenti su Databricks Apps usando il server agente legacy La CLI di Agent Bricks, con DurableAgentServerAgent Runtime.
Crea un front-end per un agente chat I progetti che crei con la CLI Agent Bricks includono un'interfaccia di chat.
Agente personalizzato sul serving del modello La CLI di Agent Bricks. Per spostare un agente esistente, vedi Migra un agente da Model Serving a Databricks Apps.
Crea un agente LLM personalizzato Funzioni di IA, come ai_query.
Archivi di memoria gestiti (legacy) Memoria dell'agente.
Parco giochi AI Per interrogare i modelli, vedi Eseguire query sui modelli foundation e di embedding. Per costruire e testare agenti, usa la CLI Agent Bricks ed esegui il tuo agente localmente con agentbricks dev. Per interrogare un agente distribuito, vedi Interrogare gli agenti distribuiti su Azure Databricks.

Anche la pagina Self-managed agent memory (Lakebase) è anch'essa legacy. Usa memoria dell'agente e sessioni dell'agente invece.

  • Ultimo aggiornamento: