Utveckla agenter på Azure Databricks

Agent Bricks är Azure Databricks agentutvecklarplattform. Använd det för att bygga och distribuera agenterna som driver dina agentiska produkter och arbetsflöden.

Agent Bricks stöder de grundläggande arbetsflödena för att bygga en produktionsagent:

  • Distribuera din agent: Agent Runtime hanterar agenter byggda med vilket ramverk eller harness som helst, tillståndsbundet eller tillståndslöst. DurableAgentServer, en del av AgentKit-biblioteket, lägger till hållbar exekvering så att körningar överlever omstarter och krascher.
  • Kör koden säkert: Agenter kör koden de skriver i Databricks Sandbox, en isolerad miljö vars hemkatalog finns kvar över sessioner.
  • Ge din agent kontext: Managed agent memory låter din agent minnas vad den lärt sig i tidigare samtal, så att den kan anpassa sina svar.
  • Felsök och testa din agent: MLflow Tracing registrerar varje steg som din agent tar, och du kan lagra och styra spår i stor skala i Unity Catalog.

Letar du efter klassisk ML eller djupinlärning? Se Machine learning on Azure Databricks.

Get started

Lär dig vad Agent Bricks erbjuder och bygg din första agent.

Guide Description
Agent Bricks snabbstart Bygg och distribuera din första agent med Agent Bricks CLI.
Vad är Agent Bricks? Lär dig komponenterna i en agent och hur Agent Bricks stödjer varje komponent.
Agent Bricks CLI Skapa, kör och distribuera agenter från kommandoraden, eller importera en befintlig agent.

Anslut till modeller

Guide Description
Koppla till modeller Anropa gränsmodeller och öppna modeller via Unity Gateway med ett API, och byt modeller utan att ändra agentkod.

Lägg till agentens kontext

Ge din agent minne, verktyg och tillgång till dina data.

Guide Description
Agentminne och sessioner Lagra samtalstillstånd och långtidsminne i hanterade lagringslösningar som stöds av Lakebase.
MCP-servrar och agentverktyg Koppla agenter till Azure Databricks-hanterade, anpassade och externa MCP-servrar och verktyg.
Genie One MCP-server Ge agenterna din organisations sammansatta affärskontext genom frågor på naturligt språk baserat på styrda data.
AI-sökning Hämta relevant text och ostrukturerad data från ett hanterat AI-sökningsindex.

Distribuera din agent

Kör din agent med en agentserver på managed compute.

Guide Description
Distribuera agenter på Azure Databricks Lär dig agentberäkningsstacken: ramverk eller harness, agentserver och agentruntime.
Agent Server Servera din agent med DurableAgentServer: synkrona, streaming och bakgrundskörningar, med kraschåterställning.
Agent Runtime Distribuera och hantera agenter på beräkningsresurser som finns i Azure Databricks.
Databricks Sandbox Ge agenterna en isolerad miljö att köra koden de skriver i, med begränsad åtkomst till styrda data.

Fråga din agent

Guide Description
Frågeagenter distribuerade på Azure Databricks Skicka förfrågningar till driftsatta agenter via anrops-API:et, Responses API eller SQL.

Agentens observerbarhet och kvalitet

Spåra, utvärdera och övervaka agenter i utveckling och produktion.

Guide Description
Agentens observabilitet och kvalitet Lär dig hur MLflow spårar, utvärderar och övervakar agenter.
MLflow-spårning Dokumentera varje steg som en agent tar för att felsöka och förbättra det.
Utvärdera och förbättra Mät agentkvalitet med LLM-domare, anpassade poänggivare och expertfeedback.

Styr dina agenter

Guide Description
Unity Gateway Styr åtkomst till modeller, MCP-servrar och skills, med skyddsmekanismer, hastighetsgränser och användningsspårning.

Transformera ostrukturerade data

Guide Description
AI-funktioner Använd AI-modeller på dina data från SQL för att klassificera, extrahera, sammanfatta och tolka dokument.
  • Uppdaterades senast