Créer un agent personnalisé à l’aide de l’API Superviseur (bêta)

Important

Cette fonctionnalité est en version bêta. Les administrateurs de compte peuvent contrôler l’accès à cette fonctionnalité à partir de la page Aperçus . Consultez Gérer les préversions d’Azure Databricks.

Vous pouvez créer un agent Azure Databricks Apps qui utilise l’API Supervisor (bêta) pour l’orchestration au lieu de gérer la boucle de l’agent dans votre propre code. Le résultat est le même que la création d’un agent personnalisé : une application déployée avec une interface utilisateur de conversation, un point de terminaison et une /invocations authentification. La différence est que Azure Databricks exécute la boucle de l’agent pour vous. Votre agent.py effectue un appel d’API unique, et Azure Databricks gère la sélection, l’exécution et la synthèse des réponses des outils.

L’API Superviseur fonctionne avec l’un des modèles de base pris en charge. Modifiez le champ model pour changer de prestataire sans toucher à vos définitions d’outils ou logique de gestion.

Quand utiliser l’API Superviseur

L'API Superviseur fonctionne bien lorsque votre agent utilise uniquement des outils hébergés Azure Databricks et n'a pas besoin d'une logique personnalisée entre les appels d'outils. Utilisez plutôt une boucle d’agent personnalisée si votre agent nécessite l’une des opérations suivantes :

  • Outils de fonction côté client (l’API Superviseur ne peut pas combiner les outils hébergés et côté client dans une requête)
  • Points de terminaison de l’agent autres que les points de terminaison du Assistant de connaissances du système de briques d’agent
  • Récupérateurs personnalisés, entrées/sorties personnalisées ou contrôle de streaming affiné
  • Logique Python personnalisée entre les appels d’outils, tels que la gestion des branches conditionnelles ou de l’état
  • Contrôler les paramètres d’inférence comme temperature

Pour obtenir la référence complète de l’API et les paramètres pris en charge, consultez l’API Superviseur (bêta) .

Exigences

Créer un agent personnalisé à l’aide de l’API Superviseur

Le point de départ recommandé consiste à créer une application à partir du dernier modèle d’application Databricks. Les derniers modèles incluent une compétence intégrée use-supervisor-api pour les assistants de codage IA, ainsi qu’une add-tools compétence pour l’ajout d’outils hébergés.

Pour créer une application à partir d’un modèle, consultez Créer un agent IA et le déployer sur Databricks Apps.

Une fois votre application configurée à partir du dernier modèle, ouvrez le projet dans votre assistant de codage IA et exécutez :

Use the Supervisor API skill to update this agent to use the Databricks Supervisor API.

La compétence met à jour votre agent_server/agent.py pour appeler DatabricksOpenAI().responses.create() avec des outils hébergés, remplaçant ainsi la boucle de l’agent manuel. Il ajoute également la databricks-openai dépendance et note les limitations bêta.

Le résultat est la même application déployée, avec une interface utilisateur de conversation, une authentification et un /invocations point de terminaison, mais avec du code d’agent plus simple. Pour le flux de travail de déploiement complet (déployer sur Applications, ajouter des outils, évaluer), consultez Créer un agent IA et le déployer sur Databricks Apps.

Outils et paramètres pris en charge

Pour obtenir la liste complète des types d’outils pris en charge, des paramètres de requête et des exemples de code, consultez l’API Superviseur (bêta).

Pour chaque outil que vous ajoutez, accordez également l’autorisation de ressource correspondante dans databricks.yml. Consultez la compétence add-tools dans .claude/skills/ pour des exemples.

Étapes suivantes

  • Last updated on