Databricks推出Mosaic Agent Bricks，加速企业AI代理的自动化优化与部署

6月11日，Databricks在Data + AI Summit上推出了Mosaic Agent Bricks平台，旨在解决企业AI代理开发过程中遇到的评估难、优化慢等问题。这一新技术基于该公司2024年推出的Mosaic AI Agent Framework，进一步为企业AI应用提供了强大的自动化支持。 Databricks首席技术官Hanlin Tang表示，许多企业在开发AI代理时，由于缺乏有效的自动化评估工具，导致代理质量难以达到生产标准。他们通常依赖手动评估，这种方式不仅速度慢、一致性差，而且难以扩展。“企业团队在没有特定任务基准和领域测试数据的情况下，每一步调整都变成了昂贵的猜测游戏。”他说。这些问题导致了项目成本超支、错过截止日期以及整体质量下降。 Mosaic Agent Bricks通过一系列创新技术解决了这些问题。平台首先自动生成任务特定的评估指标和LLM（大规模语言模型）评判标准，然后创建与企业客户数据匹配的合成数据，最后使用自动搜索算法找到最佳优化配置。整个过程无需人工干预，大大提高了效率和准确性。Tang强调：“客户只需描述问题的高层次需求，系统会处理所有低层次细节。” 除了代理评估和优化，Mosaic Agent Bricks还与Databricks的其他产品无缝集成。在此次峰会上，Databricks还宣布了其Lakeflow数据工程平台的全面可用性，该平台同样于2024年首次亮相。Lakeflow统一了数据摄取、转换和编排三个关键环节，帮助企业更高效地准备数据。具体来说，它支持结构化和非结构化数据的摄取，提供高效的数据清洗和重塑功能，并管理生产工作流和调度。 Mosaic Agent Bricks进一步受益于Databricks的Unity Catalog治理特性，包括访问控制和数据血缘追踪，确保代理行为符合企业的数据治理标准。 针对当前常见的“提示塞满”问题，Mosaic Agent Bricks引入了Agent Learning from Human Feedback（人类反馈驱动的代理学习）机制。该系统能够自动解析自然语言指导并调整合适的系统组件，从而使代理更可控。Tang指出：“这种机制消除了关于哪些代理组件需要调整以实现特定行为变化的不确定性。” 与市场上现有的多种代理开发框架相比，Mosaic Agent Bricks的独特之处在于其自动化优化能力。平台集成了TAO（测试时自适应优化）、场景上下文学习、提示优化和微调等多种研究技术，而无需人工配置。 Databricks在代理间通信方面也进行了探索，目前主要采用两种方法：一是将代理作为端点，支持不同协议的封装；二是使用多代理监督器，支持MCP（模型上下文协议）。 对于希望在AI领域领先的企业决策者而言，Mosaic Agent Bricks的意义重大。它不仅消除了评估基础设施的阻碍，还使得企业可以将更多资源投入到用例识别和数据准备上，而不是构建优化框架。Tang认为：“这将帮助企业在AI代理部署中取得显著优势。” 业内的评价和公司背景 业内专家对Mosaic Agent Bricks给予了高度评价，认为其自动化优化和人类反馈机制为企业AI代理的快速部署提供了可靠支持。Databricks作为一家专注于大数据和AI的高科技公司，近年来通过收购Mosaic和不断推出创新技术，已成为行业内的领头羊。2023年，Databricks以13亿美元的价格收购了Mosaic，这次整合不仅加速了其技术落地，还为企业客户带来了更多的实际价值。