- Erste Schritte
- UiPath Konversations-Agents
- UiPath Agents in Studio Web
- Über UiPath Agents
- Lizenzierung
- Erweiterte Agents (Vorschau)
- 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-Überprüfung
- Codierte UiPath Agents
- Mit Coding Agents erstellen
Agents im Flow
Inline-Agent-Knoten in Maestro-Flow-Projekten, konfiguriert auf der Studio Web-Arbeitsfläche neben Connectors und Skriptknoten, ohne separaten Veröffentlichungsschritt.
Mit UiPath Agents in Flow können Sie Low-Code-Agents direkt in ein Maestro-Flow-Projekt als Inline-Agent-Knoten einbetten. Anstatt einen Agent separat in Agent Builder zu erstellen und ihn über einen Prozessaufruf aufzurufen, konfigurieren Sie den System-Prompt, das Modell, das Eingabe-/Ausgabeschema und die Tools des Agent aus derselben Studio Web-Arbeitsfläche, auf der Sie den Ablauf entwerfen.
Inline-Agent-Knoten sind erstklassige Knoten auf der Flow-Arbeitsfläche. Sie werden neben Connectors, Skriptknoten und anderen Flow-Komponenten angezeigt. Flowvariablen werden nativ an und von Inline-Agents übergeben, und Sie können mehrere Agents nacheinander in einem einzigen Ablauf verketten.
Inline-Agents vs. eigenständige 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 Ablaufs | Muss vor der Verwendung in einem Flow als eigenständiger Agent-Prozess veröffentlicht werden |
| Variablenaustausch | Flowvariablen, auf die im Agent-Prompt und in der Ausgabe nativ verwiesen wird. | Variablen, die über Prozessaufrufparameter übergeben werden |
| Verkettung | Mehrere Agents seriell in einem einzigen Ablauf | Rufen Sie einen Agent mit dem Agent-Tool aus einem anderen Agent auf. |
| Einfügen von Variablen in Prompts | Verwendet $ Konventionen ($vars, $metadata) | Verwendet @ Konventionen aus 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 Processes | Verfügbar |
| API-Workflows | Verfügbar |
| Aktivitäten | Verfügbar |
| Andere Flows (Maestro) | Verfügbar |
| Agent (einen veröffentlichten eigenständigen Agenten aufrufen) | Verfügbar |
| Integration Service-Connectors | Verfügbar |
| Integrierte Tools (Dateien analysieren, Zusammenfassen, Batch Transform) | Verfügbar |
| Eskalationen | Verfügbar |
| MCP-Tools | Nicht verfügbar |
| A2A (Agent-to-Agent) | Nicht verfügbar |
| Intelligente Datenextraktion und Verarbeitung (IXP) | Nicht verfügbar |
Context
Die Kontextgrundlage ist für Inline-Agents gleichwertig mit Agent Builder verfügbar.
Leitlinien
Sie können Leitlinien auf Agent-, LLM-Ebene oder auf Ebene einzelner Tools hinzufügen. Leitlinien werten Agent-Eingaben und -Ausgaben anhand definierter Richtlinien aus und lösen bei einer Übereinstimmung eine Aktion aus.
Integrierte Leitlinien erkennen bestimmte Inhaltskategorien automatisch:
- PII-Erkennung
- Schädlicher Inhalt
- Erkennung des geistigen Eigentums
- Angriffe mit Benutzerprompts
Eskalationen
Eskalationen sind für Inline-Agents ebenso wie für Agent Builder verfügbar.
Ausgabevariablen
Jeder Inline-Agent gibt ein output-Objekt zurück. Das Standardfeld ist content, das den Antworttext des Agenten enthält. Auf der Registerkarte „Variablen“ können zusätzliche Ausgabevariablen deklariert werden, um strukturierte Daten zurückzugeben – jede Variable erfordert einen Namen und einen Typ, und der System-Prompt sollte den Agent anweisen, sie auszufüllen.
Auf die Ausgabe aus vorgelagerten Knoten wird in nachgelagerten Knoten mit $vars.<node>.output.<field>, z. B. $vars.agent1.output.content, verwiesen.
Debuggen und Auswertungen
Debugging
Sie können einzelne Inline-Agent-Knoten isoliert von Studio Web mithilfe von Haltepunkten, einer Schritt-für-Schritt-Ausführung und Ausführungsspuren debuggen. Einzelne Agent-Knoten können isoliert debuggt werden, indem Sie den Knoten auswählen und die Option „Schritt-für-Schritt-Debug“ verwenden.
Vollständige Ablaufausführungen werden als Aufträge in Orchestrator angezeigt, wo Sie den Ausführungsstatus überwachen können. Nach Abschluss einer Ausführung ist die Ablaufverfolgung auf der Registerkarte Ausführung im unteren Bereich verfügbar. Sie zeigt eine Schritt-für-Schritt-Aufschlüsselung mit Ausführungsdauer für jeden Knoten, einschließlich LLM-Aufrufen und Ausgaben.
Bewertungen
Sie können Inline-Agents pro Knoten auf der Arbeitsfläche mithilfe der Schaltfläche „Auswerten“ in der Symbolleiste auswerten. Die Registerkarten „Datensätze“ und „Auswerter“ im unteren Bereich verwalten Auswertungsdatensätze und Auswerter und fügen Auswerter zu einer Dataset-Ausführung hinzu. Die Registerkarte „Ausführungen“ zeigt den Verlauf der Auswertungsausführungen.
Die Auswertung für Inline-Agents entspricht weitgehend der im Agent Builder, obwohl die Umgebung zum Erstellen von Auswertungen unterschiedlich ist. 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 | Besteht, 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 strukturelle Ähnlichkeit von JSON-Objekten oder Werten |
| LLM Judge | LLM Judge-Ausgabe | Verwendet ein Sprachmodell, um zu bewerten, wie genau die Ausgabe der erwarteten Ausgabe in Bezug auf Bedeutung und Absicht entspricht. |
| LLM Judge | LLM Judge Strict JSON | Verwendet ein Sprachmodell, um die strenge strukturelle Übereinstimmung mit JSON zu bewerten |
| LLM Judge | LLM Judge Trajectory | Verwendet ein Sprachmodell, um zu beurteilen, ob der Agent dem erwarteten Verhalten gefolgt ist |
| LLM Judge | LLM Judge Simulation | Verwendet ein Sprachmodell, um den simulierten Ausführungspfad des Agent zu bewerten |
| Toolaufruf | Argumente des Toolaufrufs | Überprüft, ob Tools mit korrekten Argumenten aufgerufen wurden |
| Toolaufruf | Anzahl der Toolaufrufe | Überprüft, wie oft die einzelnen Tools aufgerufen wurden |
| Toolaufruf | Reihenfolge des Toolaufrufs | Überprüft, ob Tools in der erwarteten Sequenz aufgerufen wurden |
| Toolaufruf | Toolaufruf-Ausgabe | Überprüft, ob die Toolausgaben den erwarteten Werten entsprechen |