この記事では、AI Playgroundを使用して、ツール呼び出し AI エージェントの をプロトタイプ作成する方法について説明します。
AI Playground を使用すると、ツール呼び出しエージェントをすばやく作成し、ライブでチャットして動作を確認できます。 次に、Python コードでデプロイまたは開発のためにエージェントをエクスポートします。
コードファーストアプローチを使用してエージェントを作成するには、「コード で AI エージェントを作成するを参照してください。
必要条件
AI Playground を使用してエージェントをプロトタイプ化するには、ワークスペースで次の機能が有効になっている必要があります。
- 基盤モデル。 「モデル サービングが利用できるリージョン」を参照してください
AI Playground のプロトタイプ ツール呼び出しエージェント
ツール呼び出し元エージェントのプロトタイプを作成するには:
Playground で、Tools 有効ラベルが付いているモデルを選択します。
[ ツール > + ツールの追加 ] をクリックし、ツールを選択してエージェントを指定します。 最大 20 個のツールを選択できます。 ツールのオプションは次のとおりです。
- ホステッド関数: 使用するエージェントの Unity カタログ関数 を選択します。
- 関数定義: エージェントが呼び出すカスタム関数を定義します。
- ベクター検索: クエリへの応答に役立つツールとして使用するエージェントの ベクター検索インデックス を指定します。 エージェントがベクター検索インデックスを使用している場合、その応答は使用されたソースを引用します。
このガイドでは、組み込みの Unity カタログ関数を選択
system.ai.python_exec。 この関数は、任意の Python コードを実行する機能をエージェントに提供します。 エージェント ツールを作成する方法については、ai エージェント ツールの を参照してください。
ベクター検索インデックスを選択することもできます。これにより、エージェントはインデックスにクエリを実行してクエリに応答できます。
LLM、ツール、システム プロンプトの現在の組み合わせをテストし、バリエーションを試すチャット。 LLM は、応答の生成に使用する適切なツールを選択します。
ベクター検索インデックス内の情報に関連する質問をすると、LLM は必要な情報を照会し、応答で使用されるソース ドキュメントを引用します。
AI Playground エージェントのエクスポートとデプロイ
AI Playground で AI エージェントのプロトタイプを作成した後、それを Python ノートブックにエクスポートして、モデル サービス エンドポイントにデプロイします。
[ エクスポート] をクリックして、AI エージェントを定義してデプロイするノートブックを生成します。
エージェント コードをエクスポートすると、ドライバー ノートブックを含むフォルダーがワークスペースに保存されます。 このドライバーは、ChatAgent ツールを呼び出す LangGraph を定義し、エージェントをローカルでテストし、コードベースのログ記録を使用して、Mosaic AI Agent Framework を使用して AI エージェントを登録してデプロイします。
ノートブック内のすべての TODO に対処します。
手記
エクスポートされたコードの動作は、AI Playground セッションとは異なる場合があります。 Databricks では、エクスポートされたノートブックを実行して、さらに反復処理とデバッグを行い、エージェントの品質を評価してから、他のユーザーと共有するようにエージェントをデプロイすることをお勧めします。
コードでエージェントを開発する
エクスポートされたノートブックを使用して、プログラムを使用してテストおよび反復処理します。 ノートブックを使用して、ツールの追加やエージェントのパラメーターの調整などを行います。
プログラムで開発する場合、エージェントは他の Databricks エージェント機能と互換性を持つ特定の要件を満たす必要があります。 コードファーストアプローチを使用してエージェントを作成する方法については、「コード で AI エージェント 作成する」を参照してください。
次の手順
- 独自のエージェント ツールを作成します。
- AI エージェントのをログに記録します。
- AI エージェントにトレースを追加します。
- AI エージェントをデプロイします。