Agent Bricks 是 Azure Databricks 代理開發平台。 利用它來建立並部署驅動你 agent 型產品與工作流程的代理程式。 Agent Bricks 是為撰寫程式碼的開發者打造的。 你可以帶一個用任何框架或架構編寫的代理,然後選擇任何模型。
Agent Bricks 支援建置生產代理的核心工作流程:
- 部署您的代理程式:Agent Runtime 可承載使用任何框架或執行框架(具狀態或無狀態)所建置的代理程式,而 AgentKit 則加入持久執行功能,讓執行作業在重新啟動和當機後仍能持續。
- 安全地執行程式碼:代理會在 Databricks Sandbox 中執行其自行撰寫的程式碼;這是一個隔離的環境,其主目錄會在不同工作階段之間持續保留。
- 豐富您的代理程式的情境:代理程式的 記憶體與會話讓 代理程式能回想先前對話中所學的內容,從而個人化回應並降低代幣成本。
- 除錯與測試您的代理程式: MLflow 追蹤 會記錄代理程式所採取的每一步,您可以在 Unity 目錄中大規模儲存與管理追蹤。
Agent Bricks CLI 為連接這些服務的代理程式產生程式碼框架。 你可以在本地迭代,包括使用程式碼代理,然後部署你的代理程式。 要建立並部署你的第一個代理,請參閱 Agent Bricks 快速入門。
Agentic Bricks 與其他 Azure Databricks 產品的關聯:
- Genie Agents:Genie Agents 用於建立無需程式碼的代理程式,例如透過資料表和文件回答問題的代理程式。 Agent Bricks 是給自己寫代理程式碼的開發者用的。 客製化代理可以呼叫 Genie 代理作為工具。
- Genie One:Genie One 適合想詢問資料問題、檢視儀表板並使用應用程式而不需撰寫程式碼的商業用戶。 Agent Bricks 是給自行打造代理程式的開發者用的。 客製化代理人可以將 Genie One 作為工具來呼叫,運用您的業務背景。
- Omnigent:Omnigent 是一種元束體,能組合並協調多個代理人,例如編碼代理人。 你可以用 Omnigent 開發可部署並在 Agent Bricks 上執行的自訂代理程式。
- 舊版代理程式建置器:早期產品,如 Knowledge Assistant 與 Supervisor Agent,已不再建議新代理使用。 請參閱 Legacy 代理程式產品。
代理人的組成部分
代理人是一個人工智慧系統,能感知請求,決定行動,並採取行動以達成目標。 與單一模型呼叫不同,代理會執行一個迴圈。 它會用模型推理請求,呼叫工具收集資訊或採取行動,觀察結果,並重複直到能回應。
生產代理通常結合以下組件:
- 代理迴圈(框架或架構):你的程式碼。 代理迴圈是透過框架或架構(如 LangGraph 或 OpenAI Agents SDK)建構,包含定義代理行為的指令與編排邏輯。
- 模型:大型語言模型(LLM),會對每個步驟進行推理並決定下一步採取何種行動。
- 工具:代理程式呼叫以擷取資料(包括您的業務資料)或變更其他系統狀態的功能。 例如模型情境協定(MCP)伺服器、API 以及執行代理程式所撰寫的程式碼的沙盒。
- 代理人狀態:代理人所記錄的內容。 代理狀態包含當前會話,即正在進行的對話或任務,以及記憶體,代理在多個會話中學習並回憶的內容。
- 代理伺服器:將代理迴圈包裹在 HTTP 伺服器中的函式庫。 它會公開客戶端呼叫的 API,管理客戶端連線,並透過將每次執行的狀態保存在執行時儲存庫來處理持久性。
- 代理執行時:執行代理伺服器並處理主機託管、身份與擴充的受管理運算。
- 可觀察性:記錄代理每一步的追蹤,以及衡量其輸出是否良好性的評估。
- 治理:身份、權限與政策,用以控制代理程式可以使用哪些模型、工具與資料。
框架或支撐程式、代理伺服器與代理執行時共同構成代理計算堆疊。 請參閱 在 Azure Databricks 上部署代理程式。
生產環境中建置代理的挑戰
原型代理程式可以在一個下午內在筆電上運行。 讓代理可靠地為真實用戶運作更困難。 自行建置代理程式的團隊通常大部分時間都在組裝和運作基礎設施,而非改進代理程式本身。 常見的挑戰可分為五個領域:
- 模型存取:團隊需要在前沿模型與開放模型之間做出選擇,切換或升級模型而不重寫程式碼,並在生產規模下取得足夠的容量,同時控制成本與存取權。
- 運算:代理需要能隨流量擴展、在重啟與故障中維持長期工作運作,並隔離每個工作階段。 撰寫和執行程式碼的代理需要一個安全的執行空間。
- 背景:當代理程式在正確的時間擁有正確的數據時,能給出更好的答案。 這需要持久的對話狀態、跨會話持續存在的記憶體,以及安全存取業務資料與工具,且不複製資料或分享憑證。
- 品質:代理人產出的輸出是開放式、非決定性的,因此「好」很難定義和衡量。 沒有追蹤與評估,團隊無法除錯失敗、向利害關係人證明品質,或在生產環境中發現迴歸。
- 治理與控制:代理人會根據資料採取行動並呼叫外部服務。 若沒有統一的權限、政策與使用追蹤,組織將面臨資料外洩、合規缺口、未經授權使用及意外成本的風險。 團隊也希望避免將代理程式鎖定在單一模型供應商或雲端。
Agent Bricks 如何應對這些挑戰
Agent Bricks 為堆疊的每一層提供一個受管理的建構區塊。 這些元件共用同一個身份與治理模型並協同運作,但你也可以單獨使用每個元件。 你保留框架、測試工具和模型的選擇。
| 挑戰 | Agent Bricks 組件 |
|---|---|
| 模型存取 | Unity Gateway 與 Foundation Model API |
| Compute |
代理伺服器 (DurableAgentServer)、 代理執行環境與 Databricks 沙盒 |
| 背景 | 代理程式記憶體 與 代理程式工作階段、 MCP 伺服器與代理程式工具、 AI 搜尋與 Genie 代理程式 |
| Quality | MLflow 追蹤、評估與監控 |
| 治理與控制 | Unity Catalog 與 Unity Gateway 政策,並支援任何框架、測試框架與模型 |
開始使用 Agent Bricks CLI
Agent Bricks CLI 提供從空目錄到已部署代理的引導路徑。 它從框架範本建立專案、在本機執行代理程式,並部署代理程式,且已預先設定模型存取、記憶體、工作階段、工具和追蹤。 宣告式 agent.toml 檔案記錄代理所依賴的管理資源。 要建立你的第一個代理程式,請參閱 Agent Bricks 快速入門。
Models
Unity Gateway 為您的代理提供一個 API,適用於前沿與開放模型,包括 Azure Databricks 透過 Foundation Model APIs 託管的模型,以及外部供應商的模型。 你可以在不改代理代碼的情況下切換模型。 Unity Gateway 也管理你的代理所使用的 MCP 伺服器和 技能 ,並對通過該平台的請求套用速率限制、防護欄和使用追蹤。 若要從您的代理程式程式碼呼叫模型,請參閱 「連接至模型」。
Compute
-
代理伺服器:
DurableAgentServer封裝您的代理迴圈並提供呼叫 API,支援同步、串流與背景請求、持續執行狀態及當機復原。 使用 Agent Bricks CLI 建立的代理程式預設會使用它。 -
代理程式執行階段:Agent Runtime 會在 Databricks Apps 上執行代理伺服器,並在穩定且經過驗證的端點提供服務。
agentbricks deploy配置您的代理程式所需的資源並授予其存取權限。 若要查詢已部署的代理程式,請參閱查詢部署於 Azure Databricks 上的代理程式。
- Databricks 沙盒: Databricks 沙盒 是一種工具,您的代理程式會呼叫它在隔離環境中執行所撰寫的程式碼,並由 Unity 目錄權限管理存取權限。
想了解這些層如何相互配合,請參閱 在 Azure Databricks 上部署代理程式。
背景
- 管理記憶與工作階段:工作階段儲存一次對話或任務的狀態,記憶則儲存代理在後續對話中回憶的事實與偏好。 兩者都是以 Lakebase 為後端的受管理儲存庫,能在任何框架上使用。 請參閱代理記憶體與工作階段。
-
與 Genie One 結合商業情境: Genie One MCP 伺服器 為您的代理提供組織的綜合商業情境。 代理用自然語言提出問題,Genie 會透過 Genie 本體論解析商業術語、度量定義及表格關係,跨越你受控的資料來回答。 會適用 Unity 目錄的權限,所以代理程式只能查詢它被允許存取的資料。 要將它加入 Agent Bricks 的 CLI 專案,執行
agentbricks tools add genie-one。 - 工具與 MCP 伺服器:將代理程式連接至 Azure Databricks 管理的 MCP 伺服器,以支援 Genie 代理程式、AI 搜尋、Unity 目錄函數與 SQL,或連接自訂及外部 MCP 伺服器。 請參見MCPs。
- AI 搜尋:使用 Databricks AI 搜尋擷取相關的非結構化內容,包括用於檢索增強生成(RAG)應用程式。
- 業務資料:讓代理程式立基於您的組織已在 Unity Catalog 中治理的資料表、檔案及 Genie Agents。
可觀察性與品質
Azure Databricks 管理的 MLflow 為代理提供追蹤、評估與監控功能。 MLflow 追蹤 會記錄代理在開發與生產過程中所採取的每一個步驟。 評估 使用內建的 LLM 評審、自訂評分器與專家回饋來衡量品質,而生產監控則會發現回歸現象。 你可以將追蹤資料儲存在 Unity Catalog 中,並大規模分析這些追蹤資料。 請參閱什麼是代理的可觀察性與品質?
治理與控制
- 統一治理: Unity Catalog 管理您的代理程式所使用的資料、工具、模型與代理程式,並透過權限與譜系進行治理。
- 模型、MCP 伺服器與技能政策: Unity Gateway 規範對模型、MCP 伺服器與技能的存取,並對所路由的通話實施防護、速率限制及使用追蹤。
- 選擇:使用任何框架、工具和模型,切換模型時不必重寫代理。
代理程式開發生命週期
建立正式環境代理程式是一個反覆進行的過程。 以下步驟說明典型的生命週期。
- 定義使用情境與成功標準:同意代理程式應該做什麼、誰使用它,以及如何衡量品質、成本與延遲。 及早收集範例請求和預期答案。
- 建立初始代理:從最簡單且可行的設計開始。 透過 Unity Gateway 將代理連接到模型、MCP 伺服器和技能,並在本地執行。
- 評估並反覆優化品質:利用追蹤資料除錯行為,從真實請求與專家回饋建立評估資料集,並執行評估以衡量每一次對提示、工具或模型變更的影響。
- 部署:將代理伺服器部署至代理執行環境,並配備代理程式所需的儲存庫、工具與權限。
- 在生產環境中監控與改進:透過生產追蹤與評分工具監控品質,收集使用者回饋,並將學到的內容回饋至評估流程中。
其他資源
- Agent Bricks 快速入門:使用 Agent Bricks CLI 建置並部署您的第一個代理程式。
- 在 Azure Databricks 上部署代理程式:了解代理程式如何部署與提供服務。
- 什麼是代理程式的可觀察性與品質?:追蹤、評估並監控您的代理程式。
- Databricks 上的 AI:應用案例、客戶與其他資源。
- Agent Bricks 常見問題:關於 Agent Bricks 的常見問題解答。