Apresentando o Kasal

Sistemas de AI agêntica estão sendo adotados por um número crescente de organizações. Eles aumentam a produtividade e libertam 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 decisões melhores em nosso nome.

No entanto, à medida que a adoção de AI agêntica cresce, novos desafios surgem. Um deles é a escassez de talentos qualificados. Construir e gerenciar sistemas agênticos eficazes exige conhecimento técnico profundo, e a demanda por engenheiros de AI experientes está aumentando rapidamente. Outro desafio é que, para os especialistas, acompanhar a evolução constante de tecnologias, frameworks e ferramentas nesta área está cada vez mais difícil.

Kasal foi criado para enfrentar esses desafios. É uma plataforma baseada em agentes que permite a usuários de diferentes níveis de habilidade projetar, desenvolver e implantar sistemas de AI agêntica eficazes por meio de uma interface visual intuitiva. Não especialistas podem utilizar a UI intuitiva do Kasal para criar sistemas de AI agêntica sofisticados e personalizados para suas necessidades específicas. Especialistas podem usar o Kasal para começar rapidamente e, mais tarde, exportar seus agentes para código para personalização e desenvolvimento mais profundos.

O objetivo do Kasal é democratizar a AI agêntica tanto para especialistas quanto para não especialistas em ambientes corporativos.

O que é o Kasal

O Kasal é um framework focado em UI para projetar, executar e observar fluxos de trabalho de agente único e multiagentes. 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. Depois, você pode conectar ferramentas, executar agentes e observar o comportamento deles em tempo real. Nos bastidores, o Kasal usa o CrewAI, um framework Python de código aberto para criar e orquestrar agentes de AI, mas o envolve em uma camada de aplicativo compatível com o Databricks que gerencia autenticação, implantação e monitoramento. Isso significa que o mesmo fluxo que você projeta visualmente pode ser levado para a produção com o mínimo de esforço. O fluxo gerado também pode ser exportado como código, permitindo que engenheiros de AI o refinem ou estendam conforme necessário.

">

Por que o Kasal é importante

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

• A orquestração visual torna os agentes, as transferências (handoffs) e a lógica de ramificação claros e tangíveis, facilitando a revisão com não desenvolvedores e a auditoria posterior. Além disso, os agentes incorporados no Kasal entendem a intenção do usuário ao definir que tipo de agente deseja construir e propõem um design otimizado que se alinha com as melhores práticas do setor.
• Nativo do Databricks: o Kasal pode ser instalado como um Databricks App ou acessado pelo 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 empresas e de nível de produção desde o início. Isso inclui o MLflow para rastreamento e monitoramento, o AI Search para memória, o Databricks Apps para serviço (serving), o Lakebase para registro de transações, autenticação em nome do usuário (on-behalf-of-user) e muito mais.
• Extensibilidade: o Kasal oferece suporte de primeira classe para servidores MCP, espaços Genie, Agent Bricks, bem como APIs personalizadas e conectores de dados. Ele também pode exportar o fluxo como um notebook, proporcionando total transparência em sua lógica interna e permitindo que 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 AI multiagentes. Por meio do 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 engenheiros de AI depurem o desempenho do modelo, chamadas de LLM e comportamentos dos agentes. Quando implantado no Databricks Apps, o Kasal usa a autenticação OBO do Databricks para isolamento de usuários e persistência em SQLite ou Lakebase pronta para produção para operações agênticas transparentes.

Como começar a usar o Kasal

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

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 gerenciador e vários subagentes, cada um responsável por tarefas específicas: por exemplo, um que recupera e analisa dados de clientes, outro que recupera dados de produtos, um que combina ambos para criar um roteiro para a apresentação e outro que gera uma apresentação que reflete as informações detalhadas e o roteiro.

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

Se você acha que o plano criado no Kasal pode ser útil para outras pessoas, pode registrá-lo no catálogo do Kasal, disponibilizando-o para reutilização e prompts em sessões futuras. Se desejar industrializar o plano fora do Kasal, poderá exportar seu código e criar um pipeline de produção em torno dele. Você tem total flexibilidade para estender e integrar o plano em 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 consultam, 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 insights.

Hoje, existem dois caminhos fáceis para começar a usar o Kasal:

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

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