Partager via

Créer et partager une interface utilisateur de conversation avec Databricks Apps

Utilisez Databricks Apps pour générer et déployer une interface utilisateur de conversation pour votre agent. Les modèles d’application agent incluent cette interface utilisateur de conversation sans configuration supplémentaire. Utilisez cette page pour personnaliser l’interface utilisateur du modèle ou ajouter une interface utilisateur de conversation à un agent déployé sans modèle.

Exemple d’interface utilisateur de conversation pour la conversation avec les agents déployés.

Spécifications

Cette interface utilisateur de conversation fonctionne avec n’importe quel agent Azure Databricks, à l’exception des schémas hérités, notamment :

Vous devez disposer des outils de développement suivants :

  • CLI NPM : Obligatoire pour le développement local. Voir GitHub - NPM CLI

  • Interface CLI Databricks : Obligatoire pour l’authentification, consultez le guide d’installation.

    1. Installez l’interface CLI Databricks.
    2. Définissez le nom de votre profil : 
      export DATABRICKS_CONFIG_PROFILE='your_profile_name'
    3. Configurer l’authentification : 
      databricks auth login --profile "$DATABRICKS_CONFIG_PROFILE"

Exemple d’application de conversation

L’exemple d’application, e2e-chatbot-app-next utilise NextJS, React et LE SDK AI pour créer une interface de conversation prête pour la production.

Consultez le projet README.md pour obtenir des instructions détaillées sur l’utilisation du modèle.

L’exemple d’application illustre les éléments suivants :

  • Sortie en flux continu : affiche les réponses de l’agent à mesure qu'elles sont générées, avec repli automatique vers le mode non-diffusion en continu
  • Appels d’outils : affiche les appels d’outils pour les agents créés à l’aide des meilleures pratiques d’Agent Framework
  • Intégration de Databricks Agent et de Foundation Model : Connexion directe aux modèles Foundation, Databricks Agent servant des points de terminaison et Briques de l’agent
  • Authentification Databricks : utilise l’authentification Databricks pour identifier les utilisateurs finaux de l’application de conversation et gérer en toute sécurité leurs conversations.
  • Historique des conversations persistantes : stocke les conversations dans Databricks Lakebase (Postgres) avec une gouvernance complète

Ouvrez les sections suivantes pour activer les fonctionnalités facultatives :

Activer l’historique des conversations

Activer l’historique des conversations

Par défaut, les conversations sont stockées en mémoire uniquement et sont perdues lorsque la session se termine. Pour conserver l’historique dans PostgreSQL, exécutez le script de démarrage rapide décrit dans le modèle README.md.

Activer les commentaires des utilisateurs

Activer les commentaires des utilisateurs

Les utilisateurs peuvent fournir des commentaires positifs/négatifs sur les réponses, qui sont enregistrés dans une expérience "MLflow".

Si vous utilisez un modèle d’agent tel que agent-openai-agents-sdk ou agent-langgraph, le bundle configure automatiquement l’authentification de l’application pour écrire des commentaires utilisateur dans l’expérience MLflow. Les commentaires fonctionnent après databricks bundle deploy sans aucune étape supplémentaire.

Si vous utilisez l’application autonome e2e-chatbot-app-next connectée à un point de terminaison d’agent existant, exécutez le script de démarrage rapide décrit dans le fichier modèle README.md pour configurer l’authentification pour l’expérience MLflow.

Note

Liez également une base de données Lakebase pour conserver l’état des likes/dislikes lors des rechargements de la page. Consultez Activer l’historique des conversations.

Héberger plusieurs applications sur la même instance de base de données

Héberger plusieurs applications sur la même instance de base de données

Cet exemple crée une seule base de données par application, car le code de l’application cible un schéma fixe ai_chatbot dans l’instance de base de données. Pour héberger plusieurs applications hors de la même instance, vous devez effectuer les opérations suivantes :

  1. Mettez à jour le nom de l’instance de base de données dans databricks.yml.
  2. Mettez à jour les références à ai_chatbot dans la base de code avec votre nouveau nom de schéma souhaité au sein de l'instance de base de données existante.
  3. Exécutez npm run db:generate pour régénérer les migrations de base de données.
  4. Déployez l’application.

Partager l’application

Accordez aux utilisateurs l’autorisation d’afficher l’application (consultez Configurer des autorisations pour une application Databricks), puis partagez l’URL de l’application.

Limitations connues

  • Aucune prise en charge des images ou d'autres entrées multimodales
  • Cette application prend uniquement en charge l’authentification de l’interface CLI Databricks (développement local) et l’authentification du principal de service (applications déployées) uniquement. Les identités managées Azure, les tokens d'accès personnel (PAT) et d'autres mécanismes ne sont pas pris en charge.

Application de conversation de l’agent Streamlit

Le modèle Streamlit précédent, e2e-chatbot-app, est toujours disponible mais ne dispose pas des fonctionnalités de production d’e2e-chatbot-app-next.

  • Last updated on