Kommentar
Åtkomst till den här sidan kräver auktorisering. Du kan prova att logga in eller ändra kataloger.
Åtkomst till den här sidan kräver auktorisering. Du kan prova att ändra kataloger.
AI-agentverktyg ger dina agenter praktiska funktioner utöver textgenerering, som att söka i dokument, köra frågor mot databaser, anropa REST-API:er eller köra anpassad kod.
Använd förkonfigurerade hanterade MCP-servrar för omedelbar åtkomst till Azure Databricks data, använda externa MCP-servrar för att ansluta till API:er från tredje part eller skapa anpassade verktyg för specialiserad affärslogik.
Utforska dessa vanliga verktygsmönster och implementeringsexempel:
| Användningsfall | Rekommenderad metod |
|---|---|
| Arbeta med strukturerade data | Läsa strukturerade data i Unity Catalog-tabeller. |
| Hämta ostrukturerade data | Anslut agenter till vektorsökningsindex för att fråga ostrukturerade data. |
| Ansluta till externa MCP-servrar | Anslut på ett säkert sätt till MCP-servrar utanför Databricks för att fråga externa API:er och få åtkomst till MCP-verktyg från tredje part. |
| Ansluta agenter till externa tjänster | Använd hanterad OAuth, PROXY för UC-anslutningar eller externa Rest API:er för att ansluta agenter till API:er från tredje part. |
| Köra anpassad affärslogik | Skapa en anpassad MCP-server med dina egna verktyg. |
| Kodtolkarverktyg | Låt agenter köra Python kod dynamiskt med hjälp av det inbyggda verktyget system.ai.python_exec. |
| AI-verktyg med hjälp av Unity Catalog-funktioner | Skapa verktyg med hjälp av Unity Catalog-funktioner. (Databricks rekommenderar att du använder MCP-verktyg i stället för de flesta nya användningsfall.) |