Nota:
El acceso a esta página requiere autorización. Puede intentar iniciar sesión o cambiar directorios.
El acceso a esta página requiere autorización. Puede intentar cambiar los directorios.
Azure Databricks permite crear, evaluar e implementar agentes de IA, desde llamadas sencillas a LLM hasta agentes con llamada a herramientas y sistemas multiagente. En estas guías se tratan los conceptos, los flujos de trabajo de desarrollo y las herramientas que se usan para enviar un agente.
¿Buscas aprendizaje automático clásico o aprendizaje profundo? Consulte aprendizaje automático en Azure Databricks.
Comenzar
Pruebe un inicio rápido o aprenda los conceptos fundamentales.
| Guía | Description |
|---|---|
| AI Playground | Cree prototipos y pruebe agentes y LLM con ingeniería de indicaciones sin código y ajuste de parámetros. |
| Introducción a los agentes de IA | Compile e implemente el primer agente de IA de un extremo a otro. |
| Conceptos: IA generativa en Azure Databricks | Obtenga información sobre modelos, agentes, herramientas y aplicaciones. |
| Ciclo de vida de desarrollo del agente | Comprenda el ciclo de vida completo de la creación de un agente de INTELIGENCIA ARTIFICIAL. |
Compilación e implementación
Desarrollar e implementar agentes.
| Feature | Description |
|---|---|
| Asistente de conocimiento | Cree y optimice bots de chat del agente de control de calidad específicos del dominio. |
| Supervisor Agent | Cree un agente de supervisor que organice agentes de Genie, puntos de conexión de agente, funciones de Catálogo de Unity, servidores MCP y agentes personalizados. |
| Agentes personalizados | Compile e implemente agentes, incluidas las aplicaciones RAG y los sistemas multiagente, con Python. |
| Aplicaciones de Databricks | Compile e implemente interfaces de usuario interactivas para los agentes, como aplicaciones de chat y formularios de entrada de datos. |
| Servidores MCP | Conecte agentes a herramientas, datos y flujos de trabajo a través de servidores MCP estandarizados. |
| AI Search (anteriormente Databricks Vector Search) | Consulte un índice de búsqueda de IA administrada para recuperar texto relevante y datos no estructurados. |
Evaluación y supervisión
Seguimiento, evaluación y supervisión de agentes en desarrollo y producción.
| Feature | Description |
|---|---|
| Evaluación y supervisión | Evalúe la calidad del agente y supervise las implementaciones de producción. |
| Seguimiento de MLflow | Registre y analice el comportamiento del agente para depurar y mejorar el rendimiento. |
Consultar y proporcionar
Consulte LLM y proporcione agentes y modelos en puntos de conexión escalables.
| Feature | Description |
|---|---|
| Consultar LLMs y agentes en Azure Databricks | Consulte LLM y agentes desde notebooks, SQL y aplicaciones. |
| Modelos de base | Ofrezca LLM mediante API escalables con gobernanza y monitorización integradas. |
| Puerta de enlace de INTELIGENCIA ARTIFICIAL de Unity | Gestione y supervise el acceso a LLM y agentes con seguimiento de uso, registro de cargas y controles de seguridad. |
| Funciones de IA | Llame a LLM directamente desde SQL para enriquecer los datos y crear flujos de trabajo de IA. |