このページでは、Azure Databricks上で AI エージェントを構築、デプロイ、および使用するためのツールの概要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。
| 特徴 | 説明 |
|---|---|
| 作業の開始: コードなしの GenAI | UI ベースのテストとプロトタイプ作成のために AI Playground を試す。 |
| はじめに: GenAI 用 MLflow 3 | GenAI トレース、評価、および人間のフィードバックのために MLflow を試してください。 |
生成 AI 大規模言語モデル (LLM) の提供とクエリの実行
OpenAI や Anthropic などの LLM プロバイダーから厳選された一連の Gen AI モデルを提供し、セキュリティで保護されたスケーラブルな API を通じて利用できるようにします。
| 特徴 | 説明 |
|---|---|
| 基盤モデル | Meta Llama、Anthropic Claude、OpenAI GPT などのオープン ソースモデルやサードパーティモデルを含む、Gen AI モデルを提供します。 |
エンタープライズ レベルの AI エージェントを構築してデプロイする
ツール呼び出しエージェント、取得拡張世代アプリ、マルチエージェント システムなど、独自のエージェントを構築してデプロイします。 コードなしの開始点として、AI Playground を使用して LLM を選択し、ツールを追加し、エージェントとチャットして、コードにエクスポートする前に応答をテストします。
| 特徴 | 説明 |
|---|---|
| AI プレイグラウンド (コードなし) | コードなしの環境での AI エージェントのプロトタイプ作成とテスト。 デプロイ用のコードを生成する前に、エージェントの動作とツールの統合をすばやく試してください。 |
| Knowledge Assistant | 直感的なインターフェイスを使用して、ドメイン固有の AI チャットボットを構築して最適化します。 |
| カスタム エージェントをビルドする | Python を使用してエージェントを作成、デプロイ、評価します。 LangGraph、LangChain、OpenAI、LlamaIndex など、任意のオーサリング ライブラリで記述されたエージェントをサポートします。 MLflow トレースと統合されています。 Databricks Apps を使用してすばやく反復処理します。 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。 |
| エージェントをツールに接続する | 構造化データと非構造化データのクエリ、コードの実行、または外部サービス API への接続を行うエージェント ツールを作成します。 |
| MCP (モデル コンテキスト プロトコル) | セキュリティで保護された一貫性のあるインターフェイスを使用して、エージェントがデータやツールに接続する方法を標準化します。 |
外部エージェントを使用する
エージェントが Databricks の外部で実行されている場合は、Unity カタログでエージェント サービスとして登録して、チームが検出できるようにし、使用できるユーザーを管理します。
| 特徴 | 説明 |
|---|---|
| エージェント サービス (ベータ) | Unity カタログに外部エージェントを登録します。 1 つのビューからチーム間でエージェントを参照して検出し、テーブル、モデル、および関数を保護するのと同じ許可を使用してアクセスを制御します。 |
エージェントの評価、デバッグ、最適化
評価ツールとトレース ツールを使用して、エージェントのパフォーマンスを追跡し、フィードバックを収集し、品質の向上を推進します。
| 特徴 | 説明 |
|---|---|
| MLflow Tracing | エンド ツー エンドの可観測性を実現するには、MLflow トレースを使用します。 開発および運用環境でのエージェントの動作をデバッグ、監視、監査するためにエージェントが実行するすべてのステップをログに記録します。 |
| エージェントの評価 | エージェントの評価と MLflow を使用して、品質、コスト、待機時間を測定します。 組み込みのレビュー アプリを通じて利害関係者や主題の専門家からのフィードバックを収集し、LLM のジャッジを使用して品質の問題を特定して解決します。 |
| エージェントを監視する | オフライン評価とオンライン監視では、同じ評価構成 (LLM ジャッジとカスタム メトリック) を使用します。 |