Nota
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare ad accedere o modificare le directory.
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare a modificare le directory.
Azure Databricks supporta la creazione, la valutazione e la distribuzione di agenti di intelligenza artificiale, dalle semplici chiamate LLM agli agenti chiamanti degli strumenti e ai sistemi multi-agente. Queste guide illustrano i concetti, i flussi di lavoro di sviluppo e gli strumenti usati per distribuire un agente.
Stai cercando machine learning classico o Deep Learning? Vedi Machine learning on Azure Databricks.
Get started
Prova una guida rapida o scopri i concetti fondamentali.
| Guida | Description |
|---|---|
| AI Playground | Crea prototipi e testa agenti e LLM con prompt engineering senza codice e regolazione dei parametri. |
| Introduzione agli agenti di intelligenza artificiale | Crea e distribuisci il tuo primo agente IA end-to-end. |
| Concetti: Intelligenza Artificiale Generativa su Azure Databricks | Informazioni su modelli, agenti, strumenti e app. |
| Ciclo di vita di sviluppo dell'agente | Comprendere il ciclo di vita completo della creazione di un agente di intelligenza artificiale. |
Crea e distribuisci
Sviluppare e distribuire agenti.
| Feature | Description |
|---|---|
| Assistente conoscenze | Crea e ottimizza agenti chatbot di domande e risposte specifici per dominio. |
| Agente supervisore | Crea un agente supervisore che orchestra Genie Agents, endpoint degli agenti, funzioni di Unity Catalog, server MCP e agenti personalizzati. |
| Agenti personalizzati | Creare e distribuire agenti, tra cui applicazioni RAG e sistemi multi-agente, con Python. |
| Databricks App | Creare e distribuire interfacce utente interattive per gli agenti, ad esempio app di chat e moduli di immissione dati. |
| Server MCP | Connettere gli agenti a strumenti, dati e flussi di lavoro tramite server MCP standardizzati. |
| Ricerca di intelligenza artificiale (in precedenza Ricerca vettoriale di Databricks) | Eseguire una query su un indice di ricerca di intelligenza artificiale gestito per recuperare il testo pertinente e i dati non strutturati. |
Valutare e monitorare
Tracciare, valutare e monitorare gli agenti in fase di sviluppo e produzione.
| Feature | Description |
|---|---|
| Valutazione e monitoraggio | Valutare la qualità dell'agente e monitorare le distribuzioni di produzione. |
| Tracciamento MLflow | Registrare e analizzare il comportamento dell'agente per eseguire il debug e migliorare le prestazioni. |
Eseguire query e gestire
Interrogare gli LLM e distribuire agenti e modelli tramite endpoint scalabili.
| Feature | Description |
|---|---|
| Interroga LLM e agenti su Azure Databricks | Interroga LLM e agenti tramite notebook, SQL e applicazioni. |
| Modelli di base | Fornisci LLM tramite API scalabili con governance e monitoraggio integrati. |
| Gateway di intelligenza artificiale Unity | Gestire e monitorare l'accesso a LLMs e agenti con il rilevamento dell'utilizzo, la registrazione del payload e i controlli di sicurezza. |
| Funzioni di intelligenza artificiale | Chiama gli LLM direttamente da SQL per arricchire i dati e creare workflow di IA. |