AI 에이전트 도구는 문서 검색, 데이터베이스 쿼리, REST API 호출 또는 사용자 지정 코드 실행과 같은 텍스트 생성을 넘어서는 실용적인 기능을 에이전트에 제공합니다.
미리 구성된 관리형 MCP 서버를 사용하여 Azure Databricks 데이터에 즉시 액세스하거나, 외부 MCP 서버를 사용하여 타사 API에 연결하거나, 특수 비즈니스 논리를 위한 사용자 지정 도구를 빌드합니다.
도구 및 예제
일반적인 도구 패턴 및 구현 예제:
| 사용 사례 | 권장되는 접근 방식 |
|---|---|
| 구조화된 데이터 작업 | Unity 카탈로그 테이블에서 구조화된 데이터를 읽습니다. |
| 구조화되지 않은 데이터 검색 | 에이전트를 벡터 검색 인덱스에 연결하여 구조화되지 않은 데이터를 쿼리합니다. |
| 코드 인터프리터 도구 | 에이전트가 기본 제공 system.ai.python_exec 도구를 사용하여 Python 코드를 동적으로 실행할 수 있도록 합니다. |
| Unity 카탈로그 함수를 사용하는 AI 도구 | Unity 카탈로그 함수를 사용하여 도구를 만듭니다. (Databricks는 대부분의 새로운 사용 사례 대신 MCP 도구를 사용하는 것이 좋습니다.) |
MCP 서버
MCP 서버를 사용하여 에이전트에게 관리되는 Databricks 데이터 및 타사 API에 대한 액세스 권한을 부여합니다.
| 사용 사례 | 권장되는 접근 방식 |
|---|---|
| 외부 서비스에 에이전트 연결 | 관리되는 OAuth, UC 연결 프록시 또는 외부 Rest API를 사용하여 에이전트를 타사 API에 연결합니다. |
| 에이전트에서 외부 MCP 서버 사용 | Databricks 관리 프록시를 통해 에이전트 코드에서 외부 MCP 서버를 호출합니다. 외부 MCP 서버를 설치하려면 외부 MCP 서버 설치를 참조하세요. |
| 에이전트에서 사용자 지정 MCP 서버 사용 | Databricks 앱으로 호스트되는 사용자 지정 MCP 서버에 에이전트 코드를 연결합니다. 사용자 지정 MCP 서버를 호스트하려면 사용자 지정 MCP 서버 호스트를 참조하세요. |