Databricks Agent Bricks

Agent Bricks vise les entreprises qui veulent des agents ancrés dans leurs propres données. Plutôt que tout écrire à la main, une équipe décrit la tâche, comme répondre à des questions sur des documents internes, extraire de l’information de formulaires ou coordonner plusieurs agents, et la plateforme aide à la construire. Elle génère des données de test synthétiques, évalue la qualité avec des juges, et ajuste l’agent en essayant différents modèles et réglages pour améliorer exactitude et coût.

Comme il repose sur la plateforme Databricks, les agents utilisent des données gouvernées via Unity Catalog, donc les contrôles d’accès suivent les règles déjà en place. Des outils d’observabilité et d’évaluation construits sur MLflow suivent le comportement des agents, et les développeurs peuvent apporter leurs propres frameworks. Lakebase donne aux agents une base transactionnelle pour l’état et les données d’application, pour que les applications stockent mémoire et résultats à côté des données d’analytique.

Agent Bricks se vend dans la tarification à l’usage de Databricks, donc les coûts dépendent du calcul et des modèles utilisés. Il a le plus de sens pour les organisations qui stockent déjà leurs données dans Databricks. Les alternatives incluent Snowflake Cortex, Amazon Bedrock AgentCore, Google Vertex AI Agent Builder et Microsoft Copilot Studio, ainsi que des frameworks open source comme LangGraph. Les agents demandent encore une évaluation soigneuse avant qu’on leur confie de vrais flux de travail.