Databricks で Gen AI アプリを構築する

このページでは、生成 AI アプリの構築、デプロイ、管理など、Azure Databricks で生成 AI アプリを開発するために使用できるツールの概要を示します。

Gen AIモデルのサービス提供と問い合わせ

OpenAI や Anthropic などの LLM プロバイダーから厳選された一連の Gen AI モデルを提供し、セキュリティで保護されたスケーラブルな API を通じて利用できるようにします。

特徴	説明
基盤モデル	Meta Llama、Anthropic Claude、OpenAI GPT などのオープンソースモデルやサードパーティモデルを含む、Gen AI モデルを提供します。

ツール呼び出しエージェント、取得拡張世代アプリ、マルチエージェントシステムなど、独自のエージェントを構築してデプロイします。

特徴	説明
AI プレイグラウンド (コードなし)	コードなしの環境での AI エージェントのプロトタイプ作成とテスト。デプロイ用のコードを生成する前に、エージェントの動作とツールの統合をすばやく試してください。
Mosaic AI エージェントフレームワーク	Python でエージェントを作成、デプロイ、評価します。 LangChain、LangGraph、純粋な Python コードエージェントなど、任意のオーサリングライブラリで記述されたエージェントをサポートします。ガバナンス用の Unity カタログと追跡用の MLflow をサポートします。
エージェントブリックス	シンプルなコードなしのインターフェイスを使用して、ドメイン固有の AI エージェントシステムを構築して最適化します。 Agent Bricks によって実装が効率化される一方で、データとメトリックに焦点を当てます。

評価ツールとトレースツールを使用して、エージェントのパフォーマンスを追跡し、フィードバックを収集し、品質の向上を推進します。

特徴	説明
エージェントの評価	エージェントの評価と MLflow を使用して、品質、コスト、待機時間を測定します。組み込みのレビューアプリを通じて利害関係者や主題の専門家からのフィードバックを収集し、LLM のジャッジを使用して品質の問題を特定して解決します。
MLflow トラッキング	エンドツーエンドの可観測性を実現するには、MLflow トレースを使用します。エージェントが実行するすべてのステップをログに記録することで、開発および運用環境でのエージェントの動作のデバッグ、監視、監査を簡単に行うことができます。

スケーラブルなエンドポイント、可観測性、ガバナンスが組み込まれた運用環境でエージェントをデプロイおよび管理します。

課題	説明
エージェントのログ記録と登録	ユニティカタログでガバナンスとライフサイクル管理のために、エージェントコード、構成および成果物をログ記録する。
エージェントをデプロイする	管理されたスケーラブルなエンドポイントとしてエージェントをデプロイします。
エージェントの監視	オフライン評価とオンライン監視では、同じ評価構成 (LLM ジャッジとカスタムメトリック) を使用します。