Observação
O acesso a essa página exige autorização. Você pode tentar entrar ou alterar diretórios.
O acesso a essa página exige autorização. Você pode tentar alterar os diretórios.
Esta página fornece uma visão geral das ferramentas para criar, implantar e usar agentes de IA em Azure Databricks. Para saber mais sobre agentes, consulte os padrões de design do sistema do Agente.
| Característica | Descrição |
|---|---|
| Inicie: GenAI sem código | Experimente o Playground de IA para testes e protótipos baseados em interface do usuário. |
| Comece agora: MLflow 3 para GenAI | Experimente o MLflow para rastreamento, avaliação e feedback humano do GenAI. |
Disponibilize e consulte grandes modelos de linguagem (LLMs) de IA generativa
Ofereça um conjunto selecionado de modelos de IA de geração de provedores LLM, como OpenAI e Anthropic, e disponibilize-os por meio de APIs seguras e escalonáveis.
| Característica | Descrição |
|---|---|
| Modelos de base | Sirva modelos de IA de geração, incluindo modelos de software livre e de terceiros, como Meta Llama, Antropic Claude, OpenAI GPT e muito mais. |
Criar e implantar agentes de IA de nível empresarial
Crie e implante seus próprios agentes, incluindo agentes que executam chamadas de ferramentas, aplicativos de geração com recuperação aumentada e sistemas multiagente. Para um ponto de partida sem código, use o Playground de IA para selecionar uma LLM, adicionar ferramentas e conversar com o agente para testar suas respostas antes de exportar para o código.
| Característica | Descrição |
|---|---|
| Playground de IA (sem código) | Protótipo e teste agentes de IA em um ambiente sem código. Experimente rapidamente os comportamentos do agente e as integrações de ferramentas antes de gerar código para implantação. |
| Assistente de Conhecimento | Crie e otimize chatbots de IA específicos do domínio usando uma interface intuitiva. |
| Criar agentes personalizados | Criar, implantar e avaliar agentes usando o Python. Dá suporte a agentes escritos com qualquer biblioteca de criação, incluindo LangGraph, LangChain, OpenAI e LlamaIndex. Integrado ao Rastreamento do MLflow. Itere rapidamente usando os Aplicativos do Databricks. Para começar rapidamente, consulte Introdução aos agentes de IA. |
| Conectar agentes a ferramentas | Crie ferramentas de agente para consultar dados estruturados e não estruturados, executar código ou conectar-se a APIs de serviço externas. |
| MCP (Protocolo de Contexto de Modelo) | Padronizar como os agentes se conectam a dados e ferramentas com uma interface segura e consistente. |
Usar agentes externos
Se o agente é executado fora do Databricks, registre-o como um Agent Service no Unity Catalog para que sua equipe possa encontrá-lo e para gerenciar quem pode usá-lo.
| Característica | Descrição |
|---|---|
| Serviços do Agente (Beta) | Registre agentes externos no Catálogo do Unity. Navegue e descubra agentes em todas as equipes em uma única visão, e controle o acesso com as mesmas permissões que protegem suas tabelas, modelos e funções. |
Avaliar, depurar e otimizar agentes
Acompanhe o desempenho do agente, colete comentários e impulsione melhorias de qualidade com ferramentas de avaliação e rastreamento.
| Característica | Descrição |
|---|---|
| Rastreamento do MLflow | Utilize o Rastreamento de MLflow para observabilidade de ponta a ponta. Registre todas as etapas que seu agente executa para depurar, monitorar e auditar o comportamento do agente no desenvolvimento e na produção. |
| Avaliação do agente | Use a Avaliação do Agente e o MLflow para medir a qualidade, o custo e a latência. Colete feedback de stakeholders e especialistas no assunto por meio de aplicativos de revisão integrados e use juízes LLM para identificar e resolver problemas de qualidade. |
| Monitorar agentes | Use a mesma configuração de avaliação (juízes LLM e métricas personalizadas) na avaliação offline e no monitoramento online. |