この 5 分間のコードなしのチュートリアルでは、Azure Databricks での生成 AI について説明します。 AI プレイグラウンドを使用して、次の操作を行います。
- 大規模な言語モデル (LLM) のクエリを実行し、結果を並べて比較する
- ツールを呼び出す AI エージェントのプロトタイプを作成する
- エージェントをコードにエクスポートする
- 省略可能: 検索拡張生成 (RAG) を使用して質問に回答するチャットボットをプロトタイプ化する
開始する前に
ワークスペースが次の内容にアクセスできることを確認します。
- 基盤モデル。 リージョンの 可用性に対応するモデルを参照してください。
- Unity カタログ。 Unity カタログについて始めに知っておくべきことを参照してください
- モザイク AI エージェント フレームワーク。 「利用可能なリージョンに制限がある機能」を参照してください。
手順 1: AI プレイグラウンドを使用して LLM にクエリを実行する
AI Playground を使用して、チャット インターフェイス内の LLM に対してクエリを実行します。
- ワークスペースで、[ プレイグラウンド] を選択します。
- 「RAG とは」などの質問を入力します。
応答を並べて比較する新しい LLM を追加します。
- 右上の [ + ] を選択して、比較用のモデルを追加します。
- 新しいウィンドウで、ドロップダウン セレクターを使用して別のモデルを選択します。
- [ 同期 ] チェックボックスをオンにしてクエリを同期します。
- "複合 AI システムとは" などの新しいプロンプトを試して、2 つの応答を並べて表示します。
さまざまな LLM をテストして比較し続けて、AI エージェントの構築に使用する最適な LLM を決定するのに役立ちます。
手順 2: ツールを呼び出す AI エージェントのプロトタイプを作成する
ツールを使用すると、LLM は言語を生成する以上のことを行うことができます。 ツールでは、外部データのクエリ、コードの実行、その他のアクションを実行できます。 AI Playground では、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ためのコードなしのオプションが提供されます。
Playground で、ツール有効というラベルが付けられたモデルを選択します。
[ツール>+ ツールの追加] を選択し、組み込みの Unity カタログ関数 (
system.ai.python_exec) を選択します。この関数を使用すると、エージェントで任意の Python コードを実行できます。
Python コードの生成または実行に関する質問をします。 プロンプトのフレージングでさまざまなバリエーションを試すことができます。 複数のツールを追加すると、LLM によって適切なツールが選択され、応答が生成されます。
手順 3: エージェントをコードにエクスポートする
AI Playground でエージェントをテストした後、[ エクスポート] を選択して、Python ノートブックにエージェントをエクスポートします。
Python ノートブックには、エージェントを定義し、それをモデル サービス エンドポイントにデプロイするコードが含まれています。
省略可能: RAG の質問に回答するボットのプロトタイプを作成する
ワークスペースにベクター検索インデックスが設定されている場合は、質問に回答するボットをプロトタイプ化できます。 この種類のエージェントは、ベクター検索インデックス内のドキュメントを使用して、それらのドキュメントに基づいて質問に回答します。
[ ツール>+ 追加ツール] をクリックします。 次に、ベクター検索インデックスを選択します。
ドキュメントに関連する質問をしてください。 エージェントはベクター インデックスを使用して関連情報を検索し、その回答で使用されているドキュメントを引用します。
ベクター検索インデックスを設定するには、「ベクター検索インデックスを作成する」を参照してください。
次のステップ
Agent Framework を使用して、高度なエージェントをプログラムで開発します。 コードでの AI エージェントの作成を参照してください。
RAG アプリケーションをビルドする方法について説明します。 RAG ガイドを参照してください。