この記事では、Azure Databricks で AI エージェントを作成するプロセスについて説明し、エージェントを作成するための使用可能な方法について説明します。
エージェントの詳細については、 エージェント システムの設計パターンに関するページを参照してください。
AI プレイグラウンドを使用したエージェントのプロトタイプ作成
AI Playground は、Azure Databricks でエージェントを作成する最も簡単な方法です。 AI Playground を使用すると、さまざまな LLM から選択し、ローコード UI を使用してツールをすばやく LLM に追加できます。 その後、エージェントとチャットして応答をテストし、デプロイまたはさらなる開発のためにエージェントをコードにエクスポートできます。
「 作業の開始: コードなしで LLM にクエリを実行し、AI エージェントをプロトタイプ作成する」を参照してください。
Knowledge Assistant を使用してエージェントを自動的に構築する
Knowledge Assistant は、ドキュメントに対するドメイン固有の質問と回答のチャットボットを構築して最適化し、対象分野の専門家からの自然言語フィードバックに基づいて品質を向上させる合理化されたアプローチを提供します。
Knowledge Assistant にはフル マネージドのアプローチがあり、よりカスタムのエージェントに飛び込む前に開始することをお勧めします。
カスタム エージェントのコーディング
Agent Framework と MLflow には、Python でエンタープライズ対応のエージェントを作成するのに役立つツールがあります。
Azure Databricks では、LangGraph/LangChain、OpenAI、LlamaIndex、カスタム Python 実装などのサード パーティのエージェント作成ライブラリを使用したエージェントの作成がサポートされています。
すぐに始めるには、「 AI エージェントの概要」を参照してください。 さまざまなフレームワークと高度な機能を持つエージェントの作成の詳細については、「 AI エージェントを作成して Databricks Apps にデプロイする」を参照してください。
Azure Databricks の機能との互換性を確保するためのモデル署名について理解する
Azure Databricks では、 MLflow モデルシグネチャを 使用して、エージェントの入力スキーマと出力スキーマを定義します。 AI Playground などの製品機能では、エージェントにサポートされているモデル署名のセットのいずれかが含まれているものとします。
ResponsesAgent インターフェイス を使用してエージェントを作成するために推奨されるアプローチに 従うと、MLflow は、Azure Databricks 製品の機能と互換性のあるエージェントの署名を自動的に推論します。