Amikor a csapata órákat tölt promptok írásával, modellek hangolásával és adatcsatornák összerakásával csak azért, hogy egy AI ügynököt telepítsen, a termelékenység leáll.
A Databricks az Agent Bricks-et azért vezette be, hogy automatizálja a vállalati adatok teljes építési és optimalizálási munkafolyamatát, és így megoldja ezt a szűk keresztmetszetet.
Ez az útmutató bemutatja, mit kínál, hogyan működik, és hogy megfelel-e az Ön igényeinek.
Főbb tanulságok
- A Databricks Agent Bricks szintetikus adatok és benchmarkok segítségével automatizálja az ügynökök létrehozását.
- Kiküszöböli a kézi prompt-beállítást, és közvetlenül integrálódik a Unity Cataloggal.
- A korai felhasználók magas optimalizálási költségekről, de nagymértékű teljesítményről számolnak be.
- A regionális hozzáférés és a korlátozott testreszabási lehetőségek továbbra is a béta verzió legfőbb kockázatai.
A Databricks kínál ügynöki mesterséges intelligenciát?
Igen, a Databricks 2025. június 11-én, a San Franciscó-i Data+AI Summit rendezvényen mutatta be az Agent Bricks szolgáltatást.
A platform automatizálja az AI-ügynökök létrehozását azáltal, hogy domain-specifikus szintetikus adatokat és feladat-érzékeny benchmarkokat generál, majd a modelleket költség és minőség szempontjából optimalizálja, manuális prompt engineering nélkül.
A termék a Databricks 2023-as MosaicML felvásárlásán alapul, és a Databricks-et adat-lakehouse-szolgáltatóként és agentikus AI-platformként is pozícionálja.
Azok a csapatok számára készült, amelyek nagy mennyiségű belső dokumentumot, tranzakciós nyilvántartást vagy strukturálatlan tartalmat kezelnek, és olyan ügynökökre van szükségük, akik biztonságosan tudnak betekintést nyerni, kérdésekre válaszolni vagy több lépésből álló munkafolyamatokat koordinálni.
Az Agent Bricks 2025 közepén lépett nyilvános béta fázisba, kezdetben az AWS-en volt elérhető az Egyesült Államok régióiban, de az év végére Európába is kiterjesztik.
Hogyan működik valójában?
Az Agent Bricks a hagyományos próba-hiba ciklust egy irányított folyamatba sűríti. Ön egyszerű nyelven leírja a feladatot, összekapcsolja az adatforrásait a Unity Catalog segítségével, és a rendszer automatikusan generál olyan szintetikus képzési példákat, amelyek tükrözik az Ön területét.
Ezek a példák egy benchmark csomagba kerülnek, amely a jelölt modelleket pontosság, késleltetés és költség szempontjából értékeli. A platform ezután kiválasztja azt a konfigurációt, amely a legkedvezőbb áron felel meg az Ön minőségi elvárásainak.
Ez a munkafolyamat kiküszöböli azt a több hetes munkát, amelyet a csapatok általában az adatok címkézésével, a promptok hangolásával és az A/B tesztek futtatásával töltenek.
A háttérben az MLflow 3.0 minden értékelési futást naplóz, így a modell döntéseit visszavezetheti az alapul szolgáló adatokra és paraméterekre. A biztonság sértetlen marad, mert az ügynökök soha nem húznak ki adatokat a Databricks lakehouse határain kívülre.
Az architektúra áttekintése akkor a legfontosabb, amikor látja, hogy megold egy valós problémát.
Hogyan néz ez ki a gyakorlatban?
Az AstraZeneca adatkezelő csapata 400 000 klinikai vizsgálati PDF-fájl felhalmozódásával szembesült, amelyek strukturált kivonatolást igényeltek a szabályozási bejelentésekhez. A kézi áttekintés hónapokig tartott volna.
Konfiguráltak egy információkivonó ügynököt az Agent Bricks-ben, a dokumentumtárra irányították, és hagyták, hogy a rendszer a kísérleti protokoll sémák alapján szintetikus mintákat generáljon. Az ügynök 60 perc alatt, kód nélkül elemezte az összes 400 000 fájlt.
- A csapat azonosítja az adatkinyerés szűk keresztmetszetét és a szabályozási határidőt.
- Az Agent Bricks-et a Unity Catalog segítségével csatlakoztatja a belső dokumentumtárhoz.
- A platform optimalizálást futtat, feladatspecifikus referenciaértékeket generál és finomhangolt modellt választ ki.
- Az ügynököt a termelésbe telepíti, így a kézi munkával töltött hetek száma kevesebb mint egy órára csökken.
A Hawaiian Electric hasonló eredményeket ért el, amikor a jogi dokumentumok lekérdezéséhez a törékeny LangChain-alapú megoldást Agent Bricks-re cserélte.
Az új ügynök mind az automatizált, mind az emberi értékelésekben jelentősen felülmúlta az eredeti eszközt a válaszok pontosságát illetően, így a munkavállalók bízhatnak benne a megfelelőségi ellenőrzések során.
Integráció és ökoszisztéma-kompatibilitás
Az Agent Bricks a Databricks integrációs rétegét örökölte, így közvetlenül csatlakozik az adatok és a gépi tanulás csapatai által már használt platformokhoz.
A Unity Catalog központi irányítási központként működik, egyetlen szabályozási keretrendszerben kezelve az adattavakhoz, adattárolókhoz és vektortárolókhoz való hozzáférést.
Az ügynökök lekérdezik a Delta táblákat, a Parquet fájlokat vagy a lakehouse-ban tárolt dokumentumokat anélkül, hogy az adatokat külső szolgáltatásokra másolnák.
| Platform/Partner | Az integráció jellege |
|---|---|
| Unity Catalog | Egységes irányítás az adatok, modellek és ügynöki kimenetek számára |
| Neon | Szerver nélküli Postgres tranzakciós ügynöki munkafolyamatokhoz |
| Tecton | Valós idejű funkciók 100 ms alatti késleltetéssel |
| OpenAI | Natív hozzáférés a GPT-5-hez vállalati adatokon |
A fejlesztők a szabványos Databricks API-kon és SDK-kon keresztül lépnek kapcsolatba az Agent Bricks-szel. Az ai_query SQL funkció lehetővé teszi az elemzők számára, hogy közvetlenül lekérdezzék az LLM-eket, a REST végpontok pedig a Model Serving infrastruktúrán keresztül szolgálják ki az ügynököket.
Az IDE-integrációk támogatják a CI/CD-folyamatokat, így a mérnökök az alkalmazáskód mellett az ügynökkonfigurációkat is verziókezelhetik.
A közelgő Tecton felvásárlás révén egy online funkciótár kerül beépítésre az Agent Bricksbe, amely 10 ms alatti késleltetéssel biztosít streaming adatokat az ügynököknek.
Ez a képesség lehetővé teszi a csalások felderítését, a személyre szabást és más, a legfrissebb információkra támaszkodó felhasználási eseteket.
Jelenleg a csapatok prototípusokat készíthetnek kötegelt funkciókkal, és azt tervezik, hogy 2026 közepén, az integráció élesítésével valós idejű adatokra váltanak.
Közösségi visszhang és a korai felhasználók véleménye
A korai visszajelzések a könnyű használat iránti lelkesedés és a béta verzió korlátai iránti óvatosság között oszlanak meg.
Egy Reddit-felhasználó dicsérte a kód nélküli ügynöképítőt és a Unity Cataloggal való szoros integrációt, megjegyezve, hogy az ügynökök automatikusan öröklik az adatengedélyeket.
Ugyanez a felhasználó jelezte, hogy egy teljes optimalizálási futtatás általában több mint egy órát vesz igénybe, és több mint 100 dollárba kerül a számítás, ami a kísérletezés során jelentősen megnövelheti a költségeket.
- „Jelentősen leegyszerűsíti a munkafolyamatunkat és csökkenti a kézi beállítások számát.” Reddit
- „Az optimalizálás futtatásának költsége béta verzióban magas lehet.” Reddit
- „A belső tartalmakhoz való biztonságos hozzáférés bizalmat épít a platform iránt.” Databricks közösség
A regionális elérhetőség feszültséget okozott az európai csapatok számára. A Databricks ügyfélszolgálati képviselője 2025 közepén megerősítette, hogy az Agent Bricks az első előzetes bemutató során csak az Egyesült Államokban volt elérhető, ami arra késztette néhány ügyfelet, hogy az Egyesült Államok régióiban sandbox munkaterületeket hozzanak létre a termék tesztelése érdekében.
A fórum hozzászólásokban említésre kerül a preview instabilitása és a gyakori funkcióváltozások is, ami tipikus a béta szoftvereknél, de érdemes ezt figyelembe venni a tervezés során, ha az Ön felhasználási esete magas rendelkezésre állást igényel.
Összességében azok a korai felhasználók, akik képesek elviselni a béta verzió sajátosságait és a számítási költségeket, értékelik az Agent Bricks által nyújtott automatizálás előnyeit. Az AstraZeneca 400 000 dokumentumának elemzése és a Hawaiian Electric pontosságának javulása az egész közösségben visszhangot keltett, bizonyítva, hogy a platform képes kezelni a termelési szintű feladatokat.
A valós példákkal történő ellenőrzés fontos, amikor eldönti, hogy most fektessen-e be mérnöki munkaidőbe, vagy várjon-e, amíg a termék kiforrottá válik.
Útiterv és ökoszisztéma-kilátások
A Databricks az elkövetkező 18 hónapban földrajzilag és funkcionálisan is bővíti az Agent Bricks szolgáltatást. 2025 negyedik negyedévére a preview verzió elérhetővé válik az európai régiókban, kezdve az Azure telepítéseivel Nyugat-Európában.
A fokozatos bevezetés lehetővé teszi a vállalat számára, hogy sokféle felhasználói visszajelzést gyűjtsön és biztosítsa a regionális adatvédelmi előírások betartását, mielőtt a terméket általánosan elérhetővé tenné.
A 2026 közepén bevezetésre kerülő Tecton integráció lehetővé teszi az ügynökök számára, hogy 99,99%-os rendelkezésre állással valós idejű funkciókat vonjanak ki streamekből, API-kból és raktárakból, lehetővé téve a csalások felderítését és a személyre szabott felhasználási eseteket, amelyek másodpercenkénti frissítést igényelnek.
A Neon és a Mooncake egyesül egy egységes „Lakehouse DB” élménnyé, amely az ügynököknek ACID-kompatibilis írási és azonnali analitikai olvasási lehetőséget biztosít ETL-csatornák nélkül.
„Az Agent Bricks jelentős változást jelez a vállalati AI területén” – jegyezte meg a VentureBeat egyik elemzője, rámutatva a hagyományos adatcsatornák megszüntetésével elérhető 10-szeres, akár 100-szeres teljesítménynövekedésre.
Az eredeti négy típuson (információkivonás, tudásasszisztens, többügynök-felügyelő, egyéni LLM-ügynök) túl új ügynöksablonok is várhatók.
A Databricks kutatása kódasszisztensek, tervező ügynökök és külső API-khoz való csatlakozók feltárására irányul. Az OpenAI partnerség biztosítja, hogy az OpenAI GPT-5 és jövőbeli modelljei megjelenésekor azok natívan elérhetők legyenek az Agent Bricks-ben, elsődleges támogatással és irányítással.
Hosszú távon a Databricks az agentikus AI-t a platform új felhasználói személyiségének tekinti, amely az adatelemzők és -mérnökök mellett kap helyet. Ez a jövőkép magában foglalja a felelősségteljes AI-funkciókba való folyamatos befektetést, mint például az auditnaplók, a torzítások észlelése és a finomhangolású szabályozási ellenőrzések, ahogy az agentikus AI egyre nagyobb teret nyer a szabályozott iparágakban.
Mennyibe kerül a Databricks Agentic AI?
Az Agent Bricks a Databricks használat alapú árazási modelljét követi, előzetes licencdíj nélkül. A számítási és modell-következtetés másodpercenkénti díját Databricks egységekben (DBU) számlázzák.
A modellszolgáltatás és a funkciószolgáltatás terhelése körülbelül 0,07 dollár/DBU-másodperc a Premium csomagban, amely magában foglalja az alapul szolgáló felhőpéldány költségét is. A GPU-val gyorsított következtetés az alapmodellek esetében szintén körülbelül 0,07 dollár/DBU-másodperc.
Az intenzív rész a kezdeti optimalizálás. Az egyik korai felhasználó arról számolt be, hogy több mint 100 dollárt költött felhőalapú számítástechnikára egy egyetlen, egyórás képzési ciklusra, amely szintetikus adatokat generált és beállította az ügynököt.
Az optimalizálás után az ügynök kiszolgálása sokkal olcsóbbá válik, mert a rendszer azonosított egy költséghatékony modellkonfigurációt, amely kevesebb tokennel biztosítja a minőséget lekérdezésenként. A csapatok a Databricks költségvetési politikáján keresztül költségvetési korlátokat állíthatnak be, hogy korlátozzák a kísérletezés során felmerülő kiadásokat.
A vállalati ügyfelek elkötelezettségi csomagokat (előre fizetett DBU órákat) vásárolhatnak, hogy mennyiségi kedvezményeket biztosítsanak maguknak, ami hatékonyan csökkenti a másodpercenkénti díjat az igény szerinti számlázáshoz képest. A pontos árak a felhőszolgáltatótól (AWS, Azure, GCP) és a régiótól függően változnak, egyes régiókban kissé magasabbak, mint az Egyesült Államok keleti vagy nyugati részén.
A figyelembe veendő rejtett költségek között szerepel a vektoros keresés, az adatbeolvasás és az adatok eloszlásának változásával járó időszakos újraképzés számítási költsége. A teljes tulajdonlási költség kiszámításakor vegye figyelembe a kézi prompt-beállítás és az adatok címkézése elhagyásával megtakarított mérnöki munkaidőt.
A korai felhasználók szerint az Agent Bricks által megspórolt heteknyi kézi munka gyakran ellensúlyozza a számítási költségeket, különösen ha figyelembe vesszük az ügynökök késleltetett telepítésének alternatív költségeit.