Формат: Новость
Коротко
Databricks показала референсную архитектуру мультиагентной ИИ-системы AiChemy, которая объединяет корпоративные данные и внешние научные базы через MCP для ускорения задач раннего этапа разработки лекарств. Компания утверждает, что подход поможет быстрее находить биологические мишени и оценивать перспективные соединения.
Ключевые тезисы
- AiChemy связывает данные Databricks с внешними источниками вроде OpenTargets, PubMed и PubChem через Model Context Protocol.
- Система построена на Data Intelligence Platform, Delta Lake и Mosaic AI, включая Agent Bricks, для управления данными и агентами.
- В архитектуре есть supervisor-агент, который распределяет задачи между специализированными skills: поиском литературы, подбором соединений и синтезом данных.
- Databricks подчеркивает, что это не готовый продукт, а референсный шаблон, который команды могут адаптировать под свои сценарии.
- Проект доступен через веб-приложение и репозиторий на GitHub; материал переведен и адаптирован с английского источника.
Детали
Это перевод и адаптация материала с английского источника.
Databricks представила референсную архитектуру мультиагентной ИИ-системы под названием AiChemy. Она объединяет корпоративные данные на платформе Databricks с внешними научными базами через Model Context Protocol (MCP), чтобы ускорить задачи поиска лекарств, включая выявление мишеней и оценку кандидатов.
По словам компании, такие ранние этапы особенно важны в разработке препаратов: именно на них определяют, какие биологические механизмы стоит изучать дальше и какие соединения заслуживают продвижения, а это напрямую влияет на сроки, стоимость и шансы на успех последующих клинических стадий.
На чем построена AiChemy
Мультиагентная система основана на компонентах Databricks, включая Data Intelligence Platform, Delta Lake и Mosaic AI. В частности, используются Agent Bricks и связанные с ними инструменты для управления корпоративными данными, создания доменных агентов и организации skills — специализированных функций и инструкций.
В числе таких skills — поиск и краткое изложение научной литературы, получение химических и молекулярных данных, поиск похожих соединений и объединение доказательств из разных источников.
Какие данные подключает система
AiChemy работает не только с внутренними данными компании, но и с внешними источниками, включая OpenTargets, PubMed и PubChem. Доступ к ним осуществляется через MCP, что позволяет агентам получать данные и рассуждать как по закрытым корпоративным массивам, так и по публичным научным материалам.
Databricks утверждает, что объединение доступа к данным, оркестрации и анализа в одном управляемом окружении помогает исследователям быстрее находить релевантные выводы в разрозненных наборах данных без потери контекста.
Роль supervisor-агента
В основе всей системы лежит supervisor-агент, который координирует работу отдельных агентов и skills при обработке запроса. Databricks описывает его не как готовый модуль, а как шаблон, который корпоративные команды могут реализовать с помощью Mosaic AI и Agent Bricks.
Чтобы собрать такой supervisor-агент, разработчикам нужно определить и реализовать доменные skills — например, поиск литературы, поиск соединений или синтез данных — и зарегистрировать их для программного вызова. Затем задаются инструкции или политики, определяющие, как supervisor выбирает и выстраивает эти skills, как декомпозирует задачу и маршрутизирует ее.
Обычно такая схема подключается к корпоративным и внешним источникам данных через MCP, а доступ и контроль обеспечиваются средствами платформы Databricks.
Что было раньше
Инициатива AiChemy опирается на предыдущие шаги Databricks в здравоохранении и drug discovery. В июне 2025 года компания объявила о партнерстве с Atropos Health для объединения реальных клинических данных со своей Data Intelligence Platform. В июле 2025 года Databricks также сообщила о сотрудничестве с TileDB, нацеленном на интеграцию мультимодальных научных данных, таких как геномика, изображения и клинические записи.
По словам Databricks, референсная архитектура AiChemy доступна через веб-приложение и репозиторий на GitHub, где разработчики могут изучить систему и адаптировать ее под собственные сценарии с использованием фреймворка Agent Bricks.
Оригинал на английском: Databricks launches AiChemy multi-agent AI for drug discovery
Telegram-канал: https://t.me/no_glam_AI