Présentation de Kasal

Les systèmes d'AI agentique sont adoptés par un nombre croissant d'organisations. Ils stimulent la productivité et libèrent les collaborateurs des tâches répétitives. À mesure que ces systèmes gagnent en maturité et passent en production, les entreprises tireront une valeur considérable de leur capacité à fonctionner de manière autonome et à prendre de meilleures décisions en notre nom.

Cependant, à mesure que l'adoption de l'AI agentique progresse, de nouveaux défis apparaissent. L'un d'eux est la pénurie de talents qualifiés. La création et la gestion de systèmes agentiques efficaces nécessitent une expertise technique approfondie, et la demande en ingénieurs AI expérimentés augmente rapidement. Un autre défi pour les experts est de suivre l'évolution constante des technologies, des frameworks et des outils dans ce domaine, ce qui s'avère de plus en plus difficile.

Kasal a été créé pour relever ces défis. Il s'agit d'une plateforme basée sur des agents qui permet aux utilisateurs de différents niveaux de compétences de concevoir, développer et déployer des systèmes d'AI agentique efficaces via une interface visuelle intuitive. Les non-experts peuvent utiliser l'UI intuitive de Kasal pour créer des systèmes d'AI agentique sophistiqués et adaptés à leurs besoins spécifiques. Les experts peuvent utiliser Kasal pour démarrer rapidement, puis exporter leurs agents sous forme de code pour une personnalisation et un développement plus poussés.

L'objectif de Kasal est de démocratiser l'AI agentique pour les experts comme pour les non-experts au sein des entreprises.

Qu'est-ce que Kasal ?

Kasal est un framework axé sur l'UI pour concevoir, exécuter et observer des workflows à agent unique ou multi-agents. Au lieu d'écrire manuellement du code d'orchestration complexe, vous pouvez glisser-déposer des agents sur un canevas visuel ou simplement décrire ce que vous souhaitez via un assistant conversationnel. Kasal créera automatiquement le workflow pour vous. Vous pouvez ensuite connecter des outils, exécuter des agents et observer leur comportement en temps réel. En coulisses, Kasal utilise CrewAI, un framework Python open source pour créer et orchestrer des agents AI, mais l'enveloppe dans une couche applicative adaptée à Databricks qui gère l'authentification, le déploiement et la surveillance. Cela signifie que le même flux que vous concevez visuellement peut être mis en production avec un minimum d'effort. Le flux généré peut également être exporté sous forme de code, ce qui permet aux ingénieurs AI de l'affiner ou de l'étendre selon leurs besoins.

">

Pourquoi Kasal est important

Kasal apporte trois fonctionnalités clés : un concepteur de workflow visuel optimisé par des agents, une intégration étroite avec Databricks et une boîte à outils extensible qui comprend des serveurs MCP, Genie, des API personnalisées et des connecteurs de données.

• L'orchestration visuelle rend les agents, les transferts et la logique d'embranchement clairs et tangibles, ce qui facilite la révision avec des non-développeurs et l'audit ultérieur. De plus, les agents intégrés dans Kasal comprennent l'intention de l'utilisateur lorsqu'il définit le type d'agent qu'il souhaite créer et proposent une conception optimisée conforme aux meilleures pratiques du secteur.
• Natif Databricks : Kasal peut être installé en tant que Databricks App ou accessible via le Marketplace, ce qui permet aux utilisateurs d'hériter de l'authentification et de la gouvernance de l'espace de travail au lieu de gérer les leurs. De plus, les flux générés par Kasal exploitent nativement les fonctionnalités de Databricks, ce qui les rend prêts pour l'entreprise et de niveau production dès le départ. Celles-ci incluent MLflow pour le traçage et le suivi, AI Search pour la mémoire, Databricks Apps pour le service, Lakebase pour la journalisation des transactions, l'authentification au nom de l'utilisateur (OBO) et bien plus encore.
• Extensibilité : Kasal offre un support de premier ordre pour les serveurs MCP, les espaces Genie, les Agent Bricks, ainsi que les API personnalisées et les connecteurs de données. Il peut également exporter le flux sous forme de notebook, offrant une transparence totale sur sa logique interne et permettant aux ingénieurs AI d'étendre et d'affiner la solution au-delà de la version initiale en toute flexibilité.

L'observabilité en temps réel de Kasal offre une surveillance à double couche pour les workflows d'AI multi-agents. Grâce au frontend de Kasal, les utilisateurs métier peuvent visualiser les chronologies d'exécution qui suivent l'état du workflow, les interactions des agents et la progression des tâches. Parallèlement, l'intégration du traçage MLflow permet aux ingénieurs AI de déboguer les performances des modèles, les appels LLM et les comportements des agents. Lorsqu'il est déployé sur Databricks Apps, Kasal utilise l'authentification OBO de Databricks pour l'isolation des utilisateurs et la persistance SQLite ou Lakebase prête pour la production pour des opérations agentiques transparentes.

Prise en main de Kasal

Un parcours utilisateur type commence par soumettre un prompt à Kasal avec les spécifications de l'agent que vous souhaitez créer. Par exemple, vous pourriez demander : « Créer un plan qui générera une présentation commerciale pour nos commerciaux afin de vendre nos différents produits de manière personnalisée pour les clients. » Kasal générera ensuite un plan structuré, souvent hiérarchique, à l'aide de ses prompts et de grands modèles de langage (LLM).

Dans cet exemple, si le plan est en mode séquentiel, les agents s'exécuteront les uns après les autres dans un ordre défini. En revanche, si le plan est en mode hiérarchique, il comprendra un agent gestionnaire et plusieurs sous-agents, chacun responsable de tâches spécifiques : par exemple, un agent qui récupère et analyse les données clients, un autre qui récupère les données produits, un autre qui combine les deux pour concevoir le fil conducteur de la présentation, et un autre qui génère une présentation reflétant les informations détaillées et le fil conducteur.

Vous pouvez ensuite exécuter le plan pour générer une présentation de produit pour un client spécifique. Si vous souhaitez modifier le workflow, par exemple pour tester différents modèles ou outils, cela se fait facilement via l'interface utilisateur de Kasal.

Si vous pensez que le plan que vous avez créé dans Kasal pourrait être utile à d'autres, vous pouvez l'enregistrer dans le catalogue de Kasal, le rendant ainsi disponible pour une réutilisation et de futurs prompts lors de sessions ultérieures. Si vous souhaitez industrialiser le plan en dehors de Kasal, vous pouvez exporter son code et créer un pipeline de production autour de celui-ci. Vous disposez d'une flexibilité totale pour étendre et intégrer le plan dans l'architecture globale de votre solution.

Ce que vous pouvez créer avec Kasal

Nous voyons déjà des utilisateurs créer une large gamme d'agents et de systèmes d'AI multi-agents avec Kasal. En voici quelques exemples :

• Pipelines d'analyse de données : des agents qui interrogent, analysent et visualisent les données
• Systèmes de génération de contenu : des agents collaboratifs pour la recherche, la rédaction et la création de contenu
• Automatisation des processus métier : des workflows intelligents qui s'adaptent et prennent des décisions
• Recherche et développement : des agents qui rassemblent, synthétisent et présentent des informations.

Aujourd'hui, il existe deux façons simples de démarrer avec Kasal :

• Installer depuis le Marketplace directement dans votre espace de travail Databricks (recommandé) : une configuration en un clic qui ajoute Kasal en tant que Databricks App. Cette approche vous permet de profiter de l'interface managée, de la gouvernance intégrée et des mises à jour automatiques. Voir plus de détails ici.
• Déployer à partir de la source : clonez le dépôt GitHub de Databricks Labs et exécutez le script de déploiement fourni. Cette option est idéale si vous souhaitez personnaliser ou étendre Kasal pour répondre à vos besoins spécifiques.
• Regardez la série Kasal pour découvrir les nouvelles fonctionnalités et annonces.

(Cet article de blog a été traduit à l'aide d'outils basés sur l'intelligence artificielle) Article original