Databricks: Agent Bricks – Agentic AI, narzędzia i governance

Szkolenie jest przeznaczone dla osób technicznych, które chcą budować agentów AI działających na danych i narzędziach firmowych w Databricks. 

W szczególności kurs sprawdzi się dla: 

• inżynierów AI i ML, którzy mają doświadczenie z RAG i chcą przejść do agentów, 

• programistów budujących asystentów wykonujących działania w systemach firmowych, 

• architektów rozwiązań AI odpowiedzialnych za bezpieczeństwo i uprawnienia, 

• zespołów, które planują produkcyjne wdrożenie agentów i potrzebują sposobu ich testowania. 

Szkolenie będzie szczególnie wartościowe dla organizacji, które chcą korzystać z agentów, ale potrzebują jasnych zasad, do czego agent ma dostęp i jak sprawdzić jego zachowanie. 

• RAG czy agent – dowiesz się, kiedy agent jest uzasadniony i jak ograniczyć jego autonomię do potrzeb przypadku użycia. 

• Narzędzia agenta – nauczysz się udostępniać agentowi AI Search, funkcje Unity Catalog i kontrolowane zapytania SQL z jasnym kontraktem. 

• Budowa agenta – zbudujesz własnego agenta z wywoływaniem narzędzi (tool calling) w Agent Bricks, platformie Databricks do tworzenia agentów w kodzie. 

• Uprawnienia i bezpieczeństwo – poznasz zasadę najmniejszych uprawnień dla agenta i sposób ograniczania dostępu do danych przez Unity Catalog. 

• Testowanie i ocena – nauczysz się analizować działanie agenta w MLflow Tracing, oceniać jego odpowiedzi i testować niepożądane zachowania. 

• Droga do produkcji – poznasz opcje wdrożenia agenta i przygotujesz plan kolejnych kroków. 

1. Moduł – RAG czy agent: wybór architektury 

Cel modułu: uczestnik wie, czym agent różni się od RAG i kiedy warto go zbudować. 

• Agent – model językowy, który sam decyduje, jakie narzędzie wywołać (wyszukiwarkę, zapytanie do bazy, funkcję biznesową), żeby wykonać zadanie 

• Poziomy rozwiązań – prosty łańcuch, RAG, agent z narzędziami, kilka współpracujących agentów; rosnące możliwości, ale też koszt i ryzyko 

• Granice autonomii – co agent może zrobić sam, a co wymaga zatwierdzenia przez człowieka 

• Agent bez programowania (Genie Agent) a własny agent pisany w kodzie (Agent Bricks); dotychczasowe Knowledge Assistant i Supervisor Agent mają od października 2026 status legacy 

• Wybór modelu – które modele potrafią wywoływać narzędzia 

• Lab: uczestnik dobiera architekturę dla trzech przypadków użycia RetailOps 

2. Moduł – Narzędzia agenta 

Cel modułu: uczestnik przygotowuje narzędzia, z których agent może bezpiecznie korzystać. 

• Funkcje Unity Catalog jako narzędzia – np. „sprawdź status zamówienia”, zapisane w SQL lub Python, z kontrolą uprawnień 

• Wyszukiwanie w dokumentach (AI Search) jako narzędzie agenta 

• Genie Agent (wcześniej Genie space) jako narzędzie do pytań o dane w tabelach (pokaz) 

• Kontrolowane zapytania SQL – agent podaje tylko parametry do przygotowanego wcześniej zapytania (pokaz) 

• Opis narzędzia – nazwa, opis i parametry decydują, czy model wybierze właściwe narzędzie 

• Lab: uczestnik tworzy dwie funkcje (status zamówienia, zasady zwrotów) i sprawdza, jak agent z nich korzysta 

3. Moduł – Budowa agenta 

Cel modułu: uczestnik buduje działającego agenta i rozumie, jak podejmuje on decyzje. 

• Pętla działania agenta – model wybiera narzędzie, otrzymuje wynik i decyduje o kolejnym kroku lub odpowiedzi 

• Projekt agenta w Agent Bricks – szablon tworzony przez Agent Bricks CLI (Beta), lista narzędzi i ich uprawnień w pliku agent.toml, serwer agenta DurableAgentServer 

• Biblioteki do budowy agentów: LangGraph, OpenAI Agents SDK (krótkie porównanie) 

• Podłączenie funkcji Unity Catalog jako narzędzi agenta 

• Testowanie agenta w AI Playground i w notebooku 

• Lab: uczestnik buduje agenta z jednym narzędziem i analizuje jego decyzje 

4. Moduł – Warsztat 1: agent z wyszukiwaniem i funkcją biznesową 

Cel modułu: uczestnik łączy kilka narzędzi w jednym agencie. 

• Warsztat: agent RetailOps, który przeszukuje dokumentację i sprawdza dane zamówień przez funkcję Unity Catalog. Efektem jest agent, który wykonuje kilka kroków i uzasadnia odpowiedź źródłami. 

• Analiza nieudanych wywołań i poprawa opisów narzędzi 

5. Moduł – Tożsamość, uprawnienia i granice danych 

Cel modułu: uczestnik projektuje uprawnienia agenta tak, żeby nie miał dostępu do więcej, niż potrzebuje. 

• W czyim imieniu działa agent – na koncie technicznym (service principal) czy na uprawnieniach pytającego użytkownika (autoryzacja użytkownika, wcześniej on-behalf-of-user – Public Preview) 

• Zasada najmniejszych uprawnień – dostęp tylko do potrzebnych funkcji, tabel i indeksów 

• Filtry wierszy i maskowanie kolumn w Unity Catalog – jak wpływają na odpowiedzi agenta 

• Unity Gateway – kontrola dostępu do modeli i serwerów MCP, limity, budżety, śledzenie użycia i kosztów (GA); zasady ochronne (service policies), np. filtry treści i wykrywanie danych wrażliwych (Beta) – omówienie 

• Prompt injection – ochrona przed instrukcjami ukrytymi w dokumentach i danych 

• Lab: uczestnik projektuje uprawnienia agenta i sprawdza jego odpowiedzi z drugiego konta, jeśli środowisko zapewnia drugie konto testowe; w przeciwnym razie pokaz trenera 

6. Moduł – Ocena jakości i testy bezpieczeństwa 

Cel modułu: uczestnik potrafi sprawdzić, czy agent działa poprawnie i bezpiecznie, zanim trafi do użytkowników. 

• Śledzenie działania (MLflow Tracing) – które narzędzia zostały wywołane, z jakimi parametrami, ile to trwało i kosztowało (znajomość z DBX-RAG zakładamy, skupiamy się na wywołaniach narzędzi) 

• Automatyczna ocena – poprawność odpowiedzi, wybór właściwego narzędzia, zgodność z zasadami firmy 

• Testy niepożądanych zachowań (red teaming) – próby obejścia instrukcji, pytania o dane spoza zakresu 

• Zachowanie awaryjne – odmowa, przekazanie sprawy człowiekowi, limit liczby kroków 

• Warsztat 2: uczestnik uzupełnia przygotowany zestaw 10 przypadków testowych, uruchamia ocenę i analizuje przebieg działania agenta. Efektem jest raport jakości i lista poprawek. 

7. Moduł – Wdrożenie i dalsze kroki 

Cel modułu: uczestnik wie, jak udostępnić agenta użytkownikom i monitorować go po wdrożeniu. 

• Wdrożenie agenta poleceniem agentbricks deploy w Agent Runtime na Databricks Apps (zalecane dla nowych agentów); wdrożenie jako endpoint Model Serving ma status legacy – kiedy je spotkamy i jak migrować 

• Monitorowanie po wdrożeniu – zapis zapytań i odpowiedzi, ocena jakości na rzeczywistym ruchu 

• MCP – standard podłączania narzędzi do agentów; serwery MCP dostarczane przez Databricks i zewnętrzne, kontrolowane w Unity Gateway (serwer Genie One MCP – GA, pozostałe – Beta) – pokaz 

• Pamięć agenta – historia rozmowy i fakty zapamiętywane między rozmowami (agent memory and sessions w Lakebase, Beta) – omówienie; plan kolejnej wersji rozwiązania 

• Ukończone szkolenie DBX-RAG (GenAI: RAG z AI Search) lub równoważne doświadczenie z AI Search, modelami językowymi i MLflow 

• Znajomość Python na poziomie funkcji i skryptów 

• Podstawowa znajomość Unity Catalog (uprawnienia; filtry wierszy i maskowanie krótko przypominamy) 

Dla zwiększenia komfortu pracy oraz efektywności szkolenia zalecamy skorzystanie z dodatkowego ekranu. Brak dodatkowego ekranu nie jest przeciwwskazaniem do udziału w szkoleniu, ale w znaczący sposób wpływa na komfort pracy podczas zajęć
Informacje oraz wymagania dotyczące uczestniczenia w szkoleniach w formule zdalnej dostępne na: https://www.altkomakademia.pl/jak-dzialamy/o-szkoleniach/?distance-learning 

* dostęp do portalu słuchacza Altkom Akademii

Metoda szkolenia:

• rzygotowane środowisko Databricks z indeksem AI Search, endpointem modelu i danymi scenariusza RetailOps na czas szkolenia 

• notebooki i materiały do ćwiczeń w formie elektronicznej 

Uwaga:W trakcie wybranych szkoleń Akademia zapewnia Uczestnikom dostęp do płatnych narzędzi i usług niezbędnych do realizacji programu szkolenia (w szczególności usług Azure, oraz innych zasobów chmurowych). Uczestnik zobowiązany jest do korzystania z udostępnionych zasobów wyłącznie w zakresie wynikającym z agendy szkolenia oraz zgodnie z poleceniami trenera. Wykorzystywanie tych zasobów w sposób wykraczający poza zakres szkoleniowy, w szczególności do realizacji projektów prywatnych, testowania dodatkowych usług, modyfikowania konfiguracji środowiska lub podejmowania działań generujących koszty niezwiązane z realizacją ćwiczeń – skutkować będzie obciążeniem Uczestnika kosztami przekraczającymi przewidziany limit, na podstawie wydatków poniesionych przez Akademię (https://www.altkomakademia.pl/ogolne-warunki-uczestnictwa-w-szkoleniach/)

Wykład: polski
Materiały: angielski