Prototipo de agentes para invocar herramientas en AI Playground

En esta página se muestra cómo crear prototipos de un agente de IA que llama a herramientas con AI Playground.

Use AI Playground para crear rápidamente un agente de llamada a herramientas y chatear con él en directo para ver cómo se comporta. A continuación, exporte el agente para la implementación o el desarrollo posterior en Python.

Para crear agentes mediante un enfoque de código primero, consulte Creación de agentes de IA en el código.

Requisitos

El área de trabajo debe tener las siguientes características habilitadas para crear prototipos de agentes mediante AI Playground:

• Catálogo de Unity
• Mosaic AI Agent Framework

• Modelos de base. Consulte Disponibilidad de características de servicio de modelos.

Prototipo de agentes para invocar herramientas en AI Playground

Para crear prototipos de un agente que invoca herramientas:

1. En Playground, seleccione un modelo con la etiqueta Herramientas habilitadas.

   

2. Haga clic en Herramientas > + Agregar herramienta y seleccione herramientas para proporcionar al agente. Puede elegir hasta 20 herramientas. Entre las opciones de herramientas se incluyen:

   • Función UC: seleccione una función de catálogo de Unity para que use el agente.
   • Definición de función: defina una función personalizada para que el agente llame.
   • Búsqueda vectorial: especifique un índice de búsqueda vectorial. Si el agente usa un índice de búsqueda vectorial, su respuesta citará los orígenes usados.
   • MCP: especifique los servidores MCP para usar servidores MCP administrados de Databricks o servidores MCP externos.

   Para esta guía, seleccione la función de catálogo de Unity integrada, system.ai.python_exec. Esta función proporciona al agente la capacidad de ejecutar código arbitrario de Python. Para obtener información sobre cómo crear herramientas de agente, consulte Elección del enfoque de la herramienta.

   

   También puede seleccionar un índice de búsqueda vectorial, que permite al agente consultar el índice para ayudar a responder a las consultas.

   

3. Chatee para probar la combinación actual de LLM, herramientas e indicaciones del sistema y probar distintas variaciones. El LLM selecciona la herramienta adecuada para usar y generar una respuesta.

   

   Al formular una pregunta relacionada con la información del índice de búsqueda vectorial, LLM consulta la información que necesita y cita los documentos de origen utilizados en su respuesta.

   

Exportación e implementación de agentes de AI Playground

Después de prototipar el agente de IA en AI Playground, expórtelo a notebooks de Python para implementarlo en un punto final de servicio del modelo.

1. Haga clic en Obtener código>Crear cuaderno del agente para generar el cuaderno que define e implementa el agente de IA.

   Después de exportar el código del agente, se guarda una carpeta con un cuaderno de controladores en el área de trabajo. Este controlador define una herramienta de llamada ResponsesAgent, prueba el agente localmente, utiliza el registro basado en código, registra e implementa el agente de IA mediante el Mosaic AI Agent Framework.

2. Dirija todos los TODO en el cuaderno.

Desarrollo de agentes en código

Utiliza los cuadernos exportados para probar e iterar de forma programática. Use el cuaderno para hacer cosas como agregar herramientas o ajustar los parámetros del agente.

Al desarrollar mediante programación, los agentes deben cumplir requisitos específicos para que sean compatibles con otras características del agente de Databricks. Para obtener información sobre cómo crear agentes mediante un enfoque de código primero, consulte Creación de agentes de IA en el código

Pasos siguientes

• Crea tus propias herramientas de agente.
• Registro de un agente de IA.
• Adición de trazados a un agente de IA.
• Implementación de un agente de IA.