Apresentando o Kasal

Sistemas de AI agentivos estão sendo adotados por um número crescente de organizações. Eles aumentam a produtividade e liberam as pessoas de tarefas repetitivas. À medida que esses sistemas continuam a amadurecer e a entrar em produção, as empresas obterão um valor tremendo de sua capacidade de operar de forma autônoma e tomar melhores decisões em nosso nome.

No entanto, à medida que a adoção da IA agentiva cresce, novos desafios estão surgindo. Um deles é a escassez de talentos qualificados. Construir e gerenciar sistemas agentivos eficazes exige profundo conhecimento técnico, e a demanda por engenheiros de IA experientes está aumentando rapidamente. Outro desafio é que para os especialistas está cada vez mais difícil acompanhar a constante evolução de tecnologias, frameworks e ferramentas neste campo.

Kasal foi criado para lidar com esses desafios. É uma plataforma impulsionada por agentes que permite que usuários de diferentes níveis de habilidade projetem, desenvolvam e implantem sistemas de IA agentiva eficazes através de uma interface visual intuitiva. Usuários não especializados podem utilizar a UI intuitiva do Kasal para criar sistemas de IA agentiva sofisticados e personalizados para suas necessidades específicas. Especialistas podem usar o Kasal para começar rapidamente e, posteriormente, exportar seus agentes para código para personalização e desenvolvimento mais aprofundados.

O objetivo do Kasal é democratizar a IA agentiva tanto para especialistas quanto para usuários não especializados em ambientes corporativos.

O que é Kasal

O Kasal é um framework que prioriza a UI para projetar, executar e observar fluxos de trabalho de agente único e de múltiplos agentes. Em vez de escrever manualmente códigos de orquestração complexos, você pode arrastar e soltar agentes em uma tela visual ou simplesmente descrever o que deseja por meio de um assistente de conversação. O Kasal criará automaticamente o fluxo de trabalho para você. Você pode então conectar ferramentas, executar agentes e observar o comportamento deles em tempo real. Nos bastidores, o Kasal usa CrewAI, um framework de código aberto em python para criar e orquestrar agentes de AI, mas o envolve em uma camada de aplicativo compatível com o Databricks que vai gerenciar autenticação, implantação e monitoramento. Isso significa que o mesmo fluxo que você projeta visualmente pode ser movido para a produção com o mínimo de esforço. O fluxo gerado também pode ser exportado como código, permitindo que os engenheiros de IA o refinem ou estendam conforme necessário.

Por que o Kasal é importante

O Kasal oferece três recursos principais: um designer de fluxo de trabalho visual impulsionado por agentes, integração profunda com o Databricks e um kit de ferramentas extensível que inclui servidores MCP, Genie, APIs personalizadas e conectores de dados.

• Orquestração visual torna os agentes, as transferências e a lógica de ramificação claros e tangíveis, facilitando a revisão com não desenvolvedores e a auditoria posterior. Além disso, os agentes incorporados ao Kasal entendem a intenção do usuário ao definir o tipo de agente que ele quer criar e propõem um design otimizado que está alinhado com as melhores práticas do setor.
• Nativo do Databricks: o Kasal pode ser instalado como um Databricks App ou acessado por meio do Marketplace, permitindo que os usuários herdem a autenticação e a governança do workspace em vez de gerenciar as suas próprias. Além disso, os fluxos gerados pelo Kasal aproveitam nativamente os recursos do Databricks, tornando-os prontos para o ambiente corporativo e para produção desde o início. Isso inclui MLflow para rastreamento e acompanhamento, Vector Search para memória, Databricks Apps para serviço, Lakebase para registro de transações, autenticação em nome do usuário e muito mais.
• Extensibilidade: o Kasal oferece suporte de primeira linha para servidores MCP, Genie spaces, Agent Bricks, bem como para APIs personalizadas e conectores de dados. Ele também pode exportar o fluxo como um notebook, fornecendo total transparência sobre sua lógica interna e permitindo que os engenheiros de AI estendam e refinem a solução além da versão inicial com total flexibilidade.

A observabilidade em tempo real do Kasal oferece monitoramento de camada dupla para fluxos de trabalho de IA multiagente. Pelo frontend do Kasal, os usuários de negócios podem visualizar cronogramas de execução que acompanham o status do fluxo de trabalho, as interações dos agentes e o progresso das tarefas. Ao mesmo tempo, a integração de rastreamento do MLflow permite que os engenheiros de AI depurem o desempenho do modelo, as chamadas de LLM e os comportamentos dos agentes. Quando implantado no Databricks Apps, o Kasal usa a autenticação OBO do Databricks para isolamento de usuários e persistência pronta para produção com SQLite ou Lakebase para operações agentivas transparentes.

Primeiros passos com o Kasal

Uma jornada de usuário típica começa ao enviar um prompt para o Kasal com a especificação do agente que você deseja criar. Por exemplo, você pode pedir: “Crie um plano que gere uma apresentação de vendas para nossos representantes de vendas venderem nossos diferentes produtos de forma personalizada para os clientes.” O Kasal então gerará um plano estruturado, geralmente hierárquico, usando seus prompts e modelos de linguagem grandes.

Neste exemplo, se o plano estiver no modo sequencial, os agentes serão executados um após o outro em uma ordem definida. No entanto, se o plano estiver em um modo hierárquico, ele incluirá um agente gerente e vários subagentes, cada um responsável por tarefas específicas: por exemplo, um que recupera e analisa dados do cliente, outro que recupera dados de produto, um que combina ambos para criar um enredo para a apresentação e outro que gera uma apresentação que reflete a informação detalhada e o enredo.

Você pode então executar o plano para gerar uma apresentação de produto para um cliente específico. Se você desejar modificar o fluxo de trabalho, como experimentar diferentes modelos ou ferramentas, isso pode ser feito facilmente através da interface de usuário do Kasal.

Se você acha que o plano que criou no Kasal pode ser útil para outras pessoas, pode registrá-lo no catálogo do Kasal, disponibilizando-o para reutilização e uso em prompts em sessões futuras. Se você quiser industrializar o plano fora do Kasal, poderá exportar seu código и construir um pipeline de produção em torno dele. Você tem total flexibilidade para estender e integrar o plano à sua arquitetura de solução mais ampla.

O que você pode criar com o Kasal

Já estamos vendo usuários criarem uma ampla variedade de agentes e sistemas de AI multiagentes com o Kasal. Abaixo estão alguns exemplos:

• Pipelines de análise de dados: agentes que query, analisam e visualizam dados
• Sistemas de Geração de Conteúdo: agentes colaborativos para pesquisa, redação e criação de conteúdo
• Automação de Processos de Negócios: fluxos de trabalho inteligentes que se adaptam e tomam decisões
• Pesquisa e Desenvolvimento: agentes que coletam, sintetizam e apresentam percepções.

Atualmente, existem duas maneiras fáceis de começar a usar o Kasal:

• Instale a partir do Marketplace diretamente no seu workspace do Databricks (recomendado): uma configuração de um clique que adiciona o Kasal como um App do Databricks. Essa abordagem permite que você aproveite a interface gerenciada, a governança integrada e as atualizações automáticas. Veja mais detalhes aqui.
• Implantar a partir da origem: clone o repositório do Databricks Labs no GitHub e execute o script de implantação fornecido. Esta opção é ideal se você quiser personalizar ou estender o Kasal para atender às suas necessidades específicas.
• Assista à série Kasal para ver novos recursos e anúncios.

(Esta publicação no blog foi traduzida utilizando ferramentas baseadas em inteligência artificial) Publicação original