Databricks宣布在其智能助手（Assistant）中加入代理模式，推出数据科学代理（Data Science Agent），主打在Notebook与SQL编辑器中自动化完成从数据探索、代码生成与执行，到机器学习训练与结果解释等一系列工作。官方表示，Data Science Agent的目的并非取代人力，而是在治理与可追溯的前提下，将发现问题到分析的流程缩短为数分钟。此功能目前为预览阶段，需由工作区管理员启用。

开发者在助手面板启动代理模式后，输入明确任务即可让代理规划并执行。Agent能针对指定表格进行探索性分析，支持以表格名称快速指向数据资产，能在Notebook或SQL编辑器生成并执行SQL或Python代码，遇到异常时可调用已有的错误诊断机制，尝试修正并反复验证直至排除问题。

当任务包含模型训练与评估，代理会根据需求结合机器学习工作平台MLflow，以追踪训练流程并记录结果，并可依指示调整模型类型或超参数，完成后以重点式摘要汇报分析结果或建议后续步骤。

数据科学代理以Unity Catalog统一数据管理平台为基础，沿用权限控制、数据上下文与业务语义，代理在寻找可用表格、笔记本与代码片段时会以用户可访问范围为界限。同时官方也保留用户的控制权，在执行代码前，代理会请求授权，用户可选择仅允许一次、在本次对话持续允许，或长期允许。系统另设有保护机制以避免如误删表格等高风险操作，不过，官方仍建议在涉及生产数据时，用户应审查代理生成的代码与操作。

在多步骤或跨阶段的分析用例中，用户可启用Planner，系统会先生成详细步骤计划，并在必要时提出澄清问题，经确认后逐步执行与查看输出，最后整理结论。这对于需要依次进行数据清洗、特征工程、模型训练与评估的流程，有助于明确界定每一步的输入、输出与评估标准，并让团队更容易追踪分析脉络。

在导入与运维方面，数据科学代理管理员通过预览入口启用代理模式后，用户即可直接在Notebook与SQL编辑器中操作，无需进行额外安装或改变工作流程。代理运作会遵循Unity Catalog的治理范围，当数据资产的命名与字段注释越完整，代理在探索数据与搜索资产时的效果也越好。

Databricks也预告数据科学代理后续发展方向，包括引入MCP以扩展上下文获取的广度，改善代理的指令记忆与可编辑性，并加速资产搜索体验。