用途：在 Databricks 中创建和管理 Agent Bricks，即预先构建的对话式 AI 组件，用于搭建对话应用。包含三种类型：Knowledge Assistant（KA，基于 RAG 的文档问答，数据源为 Volume 中的 PDF/文本文件）、Genie Space（自然语言转 SQL，数据源为 Unity Catalog 表）、Multi-Agent Supervisor（MAS，多智能体编排，数据源为模型服务端点）。
主要能力：通过 MCP 工具管理各砖块。KA 相关：create_or_update_ka（参数含 name、volume_path、description、instructions、tile_id、add_examples_from_volume）、get_ka、find_ka_by_name（返回 tile_id、name、endpoint_name、endpoint_status）、delete_ka。Genie 相关：create_or_update_genie、get_genie、delete_genie，更完整的表格检查、示例问题与策展建议参见 databricks-genie 技能；注意不存在系统表（如 system.ai.genie_spaces），需用 find_genie_by_name 按名称查找。MAS 相关：create_or_update_mas（agents 列表中每项须提供 name、description，以及 ka_tile_id、genie_space_id、endpoint_name 三者之一）、get_mas、find_mas_by_name、delete_mas。
使用方式：先准备源数据。KA 需要 Volume 中的文档，可用 unstructured-pdf-generation 技能生成合成 PDF（带 question/guideline 配对的 JSON）；Genie 需要 Unity Catalog 表，可用 synthetic-data-generation 技能生成原始数据，再用 spark-declarative-pipelines 技能建表；MAS 需要已部署的模型服务端点，也可直接使用现有 Genie Space 作为 SQL 智能体，并可在同一 MAS 中混用端点型与 Genie 型智能体。随后调用相应 create_or_update_* 工具创建。新建的 KA 和 MAS 需等待约 2-5 分钟完成配置，端点状态依次为 PROVISIONING、ONLINE、OFFLINE。KA 若 add_examples_from_volume=true，端点 ONLINE 后会自动从 Volume 中的 JSON 文件提取并添加示例。
适用场景：文档问答助手、SQL 探索、多智能体编排的对话应用。
限制与建议：名称会自动清洗（空格变下划线）；建议使用有意义的名称、提供描述与指令、加入示例问题；先备数据再建砖块。详细模式与示例参见 1-knowledge-assistants.md、databricks-genie 技能和 3-multi-agent-supervisors.md。