Notitie
Voor toegang tot deze pagina is autorisatie vereist. U kunt proberen u aan te melden of de directory te wijzigen.
Voor toegang tot deze pagina is autorisatie vereist. U kunt proberen de mappen te wijzigen.
Deze pagina bevat een overzicht van hulpprogramma's voor het bouwen, implementeren en gebruiken van agents op Azure Databricks. Zie Ontwerppatronen voor agentsystemen voor meer informatie over agents.
| Feature | Beschrijving |
|---|---|
| Aan de slag: AI zonder code | Probeer AI Playground voor testen en prototypen op basis van gebruikersinterfaces. |
| Aan de slag: MLflow 3 voor GenAI | Probeer MLflow voor GenAI-tracering, evaluatie en menselijke feedback. |
Grote taalmodellen (LLM's) aanbieden en bevragen
Serveer een gecureerde set AI-modellen van LLM-providers zoals OpenAI en Anthropic en maak ze beschikbaar via beveiligde, schaalbare API's.
| Feature | Beschrijving |
|---|---|
| Basismodellen | Serveer AI-modellen, waaronder open source en modellen van derden, zoals Meta Llama, Anthropic Claude, OpenAI GPT en meer. |
Agents op bedrijfsniveau bouwen en implementeren
Bouw en implementeer uw eigen agenten, waaronder agenten voor het aanroepen van hulpprogramma's, apps voor generatie met verbeterde gegevensophaling, en systemen met meerdere agenten. Voor een beginpunt zonder code gebruikt u de AI Playground om een LLM te selecteren, hulpprogramma's toe te voegen en met de agent te chatten om de antwoorden ervan te testen voordat u naar code exporteert.
| Feature | Beschrijving |
|---|---|
| AI Proeftuin (geen code) | Prototype- en testagents in een omgeving zonder code. Experimenteer snel met agentgedrag en hulpprogramma-integraties voordat u code voor implementatie genereert. |
| Kennisassistent | Bouw en optimaliseer domeinspecifieke AI-chatbots met behulp van een intuïtieve interface. |
| Supervisor-agent | Bouw een supervisor-agent die Genie Agents, agent-eindpunten, Unity Catalog-functies, MCP-servers en aangepaste agents orkestreert. |
| Aangepaste agents bouwen | Agents ontwerpen, implementeren en evalueren met behulp van Python. Ondersteunt agents die zijn geschreven met elke ontwerpbibliotheek, waaronder LangGraph, LangChain, OpenAI en LlamaIndex. Geïntegreerd met MLflow Tracing. Snel herhalen met Databricks-apps. Zie Aan de slag met agents om snel aan de slag te gaan. |
| MCP's en agenttools | Maak agenthulpprogramma's om gestructureerde en ongestructureerde gegevens op te vragen, code uit te voeren of verbinding te maken met externe service-API's. |
| MCP (Model Context Protocol) | Standaardiseer hoe agents verbinding maken met gegevens en hulpprogramma's met een beveiligde, consistente interface. |
Registreer en bestuur agenten
Als uw agent buiten Databricks wordt uitgevoerd, registreert u deze als een Agent Service in Unity Catalog, zodat uw team deze kan vinden en u kunt beheren wie deze kan gebruiken.
| Feature | Beschrijving |
|---|---|
| Agentdiensten (Beta) | Registreer agenten in de Unity Catalog. Bekijk en ontdek agents binnen verschillende teams in één overzicht, en beheer de toegang met dezelfde machtigingen die je tabellen, modellen en functies beveiligen. |
Agents evalueren, fouten opsporen en optimaliseren
Prestaties van agents bijhouden, feedback verzamelen en kwaliteitsverbeteringen stimuleren met evaluatie- en traceringshulpprogramma's.
| Feature | Beschrijving |
|---|---|
| MLflow-volgsysteem | Gebruik MLflow Tracing voor end-to-end waarneembaarheid. Registreer elke stap die uw agent neemt om het gedrag van de agent bij ontwikkeling en productie te debuggen, monitoren en auditeren. |
| Beoordeling van Agent | Gebruik agentevaluatie en MLflow om kwaliteit, kosten en latentie te meten. Verzamel feedback van belanghebbenden en deskundigen op het gebied van onderwerpen via ingebouwde beoordelingsapps en gebruik LLM-rechters om kwaliteitsproblemen te identificeren en op te lossen. |
| Agents controleren | Gebruik dezelfde evaluatieconfiguratie (LLM-rechters en aangepaste metrische gegevens) in offline evaluatie en online monitoring. |