Prototype-agents voor het aanroepen van hulpprogramma's in AI Playground

In dit artikel wordt beschreven hoe u een prototype kunt maken van een tool-aanroepende AI-agent met de AI Playground.

Gebruik de AI Playground snel om een agent voor het aanroepen van hulpprogramma's te maken en er live mee te chatten om te zien hoe deze zich gedraagt. Exporteer vervolgens de agent voor implementatie of verdere ontwikkeling in Python-code.

Zie AI-agents ontwerpen in code om AI-agents te ontwerpen met behulp van een code-first benadering.

Eisen

Voor uw werkruimte moeten de volgende functies zijn ingeschakeld, voor prototype-agents met AI Playground:

• Unity-catalogus
• Mozaïek AI Agent Framework

• Basismodellen. Bekijk beschikbaarheid van model voor functies

Prototype-tool-aanroepende agenten in de AI-speelplaats

Een prototype maken van een agent voor het aanroepen van hulpprogramma's:

1. Selecteer in Playground een model met het Tools ingeschakeld label.

   

2. Klik op Hulpprogramma's> + Hulpprogramma toevoegen en selecteer hulpprogramma's voor de agent. U kunt maximaal 20 hulpprogramma's kiezen. Opties voor hulpprogramma's zijn onder andere:

   • Gehoste functie: selecteer een Unity Catalog-functie die door uw agent moet worden gebruikt.
   • Functiedefinitie: Definieer een aangepaste functie voor uw agent die moet worden aangeroepen.
   • VectorZoekopdrachten: geef een vectorzoekindex op die uw agent moet gebruiken als hulpmiddel om te reageren op query's. Als uw agent gebruikmaakt van een vectorzoekindex, worden de gebruikte bronnen in het antwoord ervan weergegeven.

   Voor deze handleiding selecteert u de ingebouwde Unity Catalog-functie, system.ai.python_exec. Deze functie biedt uw agent de mogelijkheid om willekeurige Python-code uit te voeren. Zie AI-agenthulpprogramma'svoor meer informatie over het maken van agenthulpprogramma's.

   

   U kunt ook een vectorzoekindex selecteren, waarmee uw agent een query op de index kan uitvoeren om te reageren op query's.

   

3. Chat om de huidige combinatie van LLM, hulpprogramma's en systeemprompts te testen en variaties uit te proberen. De LLM selecteert het juiste hulpprogramma om een antwoord te genereren.

   

   Wanneer u een vraag stelt met betrekking tot informatie in de vectorzoekindex, voert het LLM zoekopdrachten uit naar de benodigde informatie en vermeldt het daarbij de brondocumenten die in het antwoord worden gebruikt.

   

AI Playground-agents exporteren en implementeren

Nadat u de AI-agent in AI Playground hebt prototypen, exporteert u deze naar Python-notebooks om deze te implementeren in een eindpunt voor het leveren van een model.

1. Klik op Exporteren om het notebook te genereren dat de AI-agent definieert en implementeert.

   Nadat u de agentcode hebt geëxporteerd, wordt een map met een stuurprogrammanotitieblok opgeslagen in uw werkruimte. Dit stuurprogramma definieert een hulpprogramma dat LangGraph ChatAgentaanroept, de agent lokaal test, op code gebaseerde logboekregistratie gebruikt, registreert en implementeert de AI-agent met behulp van Mosaic AI Agent Framework.

2. Werk alle to-do's in het notitieblok af.

Agents ontwikkelen in code

Gebruik de geëxporteerde notebooks om programmatisch te testen en te herhalen. Gebruik het notebook om bijvoorbeeld hulpprogramma's toe te voegen of de parameters van de agent aan te passen.

Bij het programmatisch ontwikkelen moeten agents voldoen aan specifieke vereisten om compatibel te zijn met andere Databricks-agentfuncties. Leer hoe je AI-agenten kunt maken via een code-first benadering door AI-agenten in code te creëren.

Volgende stappen

• Uw eigen agenthulpprogramma's maken.
• een AI-agentregistreren.
• Traceringen toevoegen aan een AI-agent.
• Een AI-agent implementeren.