- Erste Schritte
- UiPath Agents in Studio Web
- Über UiPath Agents
- Lizenzierung
- Ausführung von Agents
- Agents und Workflows
- Bewährte Verfahren zum Erstellen von Agents
- Auswahl des besten Modells für Ihren Agenten
- Best Practices für das Veröffentlichen und Bereitstellen von Agents
- Bewährte Verfahren für Kontext-Engineering
- Best Practices für DeepRAG und Batch-Transformation: JIT vs. indexbasierte Strategien
- Arbeiten mit Dateien
- Kontexte
- Eskalationen
- Bewertungen
- Spuren von Agents
- Agent-Punktzahl
- Verwaltung von UiPath Agents
- Codierte UiPath Agents
- Erstellen Sie mit Codierungs-Agents
Inline-Agentknoten in Maestro Flow-Projekten, die auf der Arbeitsfläche von Studio Web neben Connectors und Skriptknoten ohne separaten Veröffentlichungsschritt konfiguriert sind.
Mit UiPath Agents in Flow können Sie Low-Code-Agents direkt in ein Maestro Flow- Projekt als Inline-Agentknoten einbetten. Anstatt einen Agent separat in Agent Builder zu erstellen und über einen Prozessaufruf aufzurufen, konfigurieren Sie den Systemprompt, das Modell, das Eingabe-/Ausgabeschema und die Tools des Agents über dieselbe Studio Web-Arbeitsfläche, auf der Sie den Flow entwerfen.
Inline-Agentknoten sind erstklassige Knoten auf der Flow-Arbeitsfläche. Sie werden neben Connectors, Skriptknoten und anderen Flow-Komponenten angezeigt. Flow-Variablen werden nativ an und von Inline-Agents weitergegeben, und Sie können mehrere Agents innerhalb eines einzigen Flows nacheinander verketten.
Inline-Agents im Vergleich zu eigenständigen Agents
| Inline-Agents in Flow | Eigenständige Agents | |
|---|---|---|
| Konfigurationsbereich | Flow-Arbeitsfläche in Studio Web | Agent Builder in Studio Web |
| Bereitstellung | Kein separater Veröffentlichungsschritt – der Agent ist Teil des Flows | Muss als eigenständiger Agent-Prozess veröffentlicht werden, bevor er in einem Flow verwendet werden kann |
| Variablenaustausch | Flussvariablen, auf die nativ im Prompt und in der Ausgabe des Agents verwiesen wird | Variablen, die über Prozessaufrufparameter übergeben werden |
| Verketten | Mehrere Agents in einem einzigen Flow | Rufen Sie einen Agent von einem anderen mithilfe des Agententools auf |
| Variableneinfügung in Prompts | Verwendet $ Konventionen ($vars, $metadata) | Verwendet die @ -Konventionen von Studio Web |
Agententypen
- Autonom – Der Agent wählt Tools aus und führt sie aus, um eine Aufgabe abzuschließen.
Tools
Inline-Agents unterstützen die folgenden Toolkategorien:
| Werkzeugkategorie | Verfügbarkeit |
|---|---|
| RPA-Prozesse | Verfügbar |
| API-Workflows | Verfügbar |
| Aktivitäten | Verfügbar |
| Andere Flows (Maestro) | Verfügbar |
| Agent (einen veröffentlichten eigenständigen Agent aufrufen) | Verfügbar |
| Integration Service-Connectors | Verfügbar |
| Integrierte Tools (Dateien analysieren, Zusammenfassen, Batch-Transformation) | Verfügbar |
| Eskalationen | Verfügbar |
| MCP tools | Nicht verfügbar |
| A2A (Agent-zu-Agent) | Nicht verfügbar |
| IXP (Dokumentextraktion) | Nicht verfügbar |
Context
Die Kontextgrundlage ist für Inline-Agents parallel zu Agent Builder verfügbar.
Leitlinien
Sie können Leitplanken auf Agent-Ebene, LLM-Ebene oder auf Ebene einzelner Tools hinzufügen. Guardrails bewerten Agent-Eingaben und -Ausgaben anhand definierter Richtlinien und lösen bei Übereinstimmungen eine Aktion aus.
Integrierte Leitplanken erkennen bestimmte Inhaltskategorien automatisch:
- PII-Erkennung
- Schädlicher Inhalt
- Erkennung von IP-Adressen
- Angriffe mit Benutzerprompts
Eskalationen
Eskalationen sind für Inline-Agents in Parität mit Agent Builder verfügbar.
Ausgabevariablen
Jeder Inline-Agent gibt ein output -Objekt zurück. Das Standardfeld ist content und enthält den Antworttext des Agents. Zusätzliche Ausgabevariablen können auf der Registerkarte Variablen deklariert werden, um strukturierte Daten zurückzugeben. Jede Variable erfordert einen Namen und einen Typ, und der Systemprompt sollte den Agent anweisen, sie auszufüllen.
Auf die Ausgabe von Upstream-Knoten wird in Downstream-Knoten mit $vars.<node>.output.<field> verwiesen, z. B. $vars.agent1.output.content.
Debugging und Evaluierungen
Debugging
Sie können einzelne Inline-Agentknoten isoliert von Studio Web mithilfe von Haltepunkten, schrittweiser Ausführung und Ausführungsablaufverfolgungen debuggen. Einzelne Agent-Knoten können isoliert debuggt werden, indem der Knoten ausgewählt und die Option Schrittweise debuggen verwendet wird.
Vollständige Flow-Ausführungen werden als Aufträge im Orchestrator angezeigt, wo Sie den Ausführungsstatus überwachen können. Nach Abschluss einer Ausführung ist die Ausführungsablaufverfolgung auf der Registerkarte Ausführung des unteren Bereichs verfügbar und zeigt eine schrittweise Aufschlüsselung der Zeit für jeden Knoten, einschließlich LLM-Aufrufe und Ausgaben.
Bewertungen
Sie können Inline-Agents pro Knoten über die Arbeitsfläche mit der Taste Auswerten in der Symbolleiste auswerten. Auf den Registerkarten Datasets und Auswerter im unteren Bereich werden Auswertungsdatensätze und Auswerter verwaltet und Auswerter zu einer Dataset-Ausführung hinzugefügt. Die Registerkarte Ausführungen zeigt den Verlauf der Bewertungsausführung an.
Die Auswertung für Inline-Agents ist im Wesentlichen mit Agent Builder identisch, obwohl sich die Erfahrung beim Erstellen von Bewertungen unterscheidet. Einige Agent Builder-Funktionen sind für Inline-Flow-Agents noch nicht verfügbar. Weitere Informationen finden Sie unter Einschränkungen.
Drei Auswerterkategorien sind verfügbar:
| Kategorie | Typ | Beschreibung |
|---|---|---|
| Ausgabevalidierung | Enthält Text | Wird übergeben, wenn die Agent-Ausgabe den angegebenen Text enthält |
| Ausgabevalidierung | Genaue Übereinstimmung | Überprüft, ob die Agent-Ausgabe genau der erwarteten Ausgabe entspricht |
| Ausgabevalidierung | JSON-Ähnlichkeit | Vergleicht die strukturierte Ähnlichkeit von JSON-Objekten oder -Werten |
| LLM-Judge | Ausgabe von LLM-Judge | Verwendet ein Sprachmodell, um zu bewerten, wie genau die Ausgabe der erwarteten Ausgabe in Bezug auf Bedeutung und Absicht entspricht |
| LLM-Judge | Strikte JSON für LLM-Judge | Verwendet ein Sprachmodell, um eine strikte strukturierte JSON-Übereinstimmung zu beurteilen |
| LLM-Judge | Verlauf des LLM-Judges | Verwendet ein Sprachmodell, um zu beurteilen, ob der Agent dem erwarteten Verhalten gefolgt ist |
| LLM-Judge | Simulation von LLM-Judge | Verwendet ein Sprachmodell, um den Ausführungspfad des simulierten Agents zu beurteilen |
| Tool Call | Argumente für Toolaufrufe | Überprüft, ob Tools mit korrekten Argumenten aufgerufen wurden |
| Tool Call | Anzahl der Toolaufrufe | Überprüft, wie oft jedes Tool aufgerufen wurde |
| Tool Call | Reihenfolge des Toolaufrufs | Überprüft, ob Tools in der erwarteten Sequence aufgerufen wurden |
| Tool Call | Ausgabe des Toolaufrufs | Überprüft, ob die Toolausgaben mit den erwarteten Werten übereinstimmen |