Autonomer Agent

Autonomer Agent-Knoten: Konfigurieren Sie einen KI-Agenten mit einem Modell, Prompts, Tools und Ressourcen, damit er Aufgaben analysieren und ausführen kann.

Was es tut

Führt einen KI-Agenten aus, den Sie auf der Arbeitsfläche erstellen. Sie geben ihm ein Modell, Anweisungen, Tools und Kontext, und er analysiert Ihre Daten, um eine Aufgabe auszuführen und ein Ergebnis zurückzugeben.

Der Knoten wird im Bereich Knoten hinzufügen als Autonomous Agent gekennzeichnet. Verwenden Sie es für KI-gestützte Entscheidungen, Inhaltsgenerierung, Klassifizierung, Extraktion oder jeden Schritt, der von Argumentation anstelle fester Logik profitiert.

Ein Autonomer Agent analysiert in einer Schleife. Er liest die Prompts, entscheidet, ob ein Tool aufgerufen oder sein Kontext konsultiert werden soll, bezieht die Ergebnisse ein und wiederholt den Vorgang, bis er eine Antwort hat oder sein Iterationslimit erreicht. Sie gestalten diese Schleife mit dem Modell, den Prompts und den Ressourcen, die Sie mit den Handles des Knotens verbinden.

Auswahl zwischen einem autonomen Agent und anderen Knoten

Situation	Verwenden Sie
Sie möchten das Modell, die Prompts und die Tools des Agents direkt in diesem Workflow definieren	Autonomer Agent
Sie möchten einen Agent aufrufen, der bereits in Ihrer Organisation bereitgestellt ist	BPMN-Prozess
Sie benötigen eine feste, regelbasierte Verzweigung ohne schlussfolgerndes Vorgehen.	Decision oder Switch

Ein autonomer Agent wird inline erstellt: seine Konfiguration befindet sich auf dem Knoten und wird mit dem Workflow übertragen.

Hinzufügen eines Agenten

Fügen Sie den Knoten hinzu und konfigurieren Sie ihn anschließend im Eigenschaftenbereich.

1. Wählen Sie die Taste „+“ an einem Ausgabegriff oder wählen Sie + Knoten hinzufügen in der unteren Symbolleiste.
2. Wählen Sie die Kategorie Agent und dann Autonomer Agent aus. Maestro Automate fügt den Knoten hinzu und öffnet dessen Eigenschaftenbereich.
3. Konfigurieren Sie das Modell und die Prompts wie unten beschrieben.

Ergebnis: Der Autonomous Agent-Knoten wird der Arbeitsfläche hinzugefügt, und der Eigenschaftenbereich wird geöffnet, sodass der Knoten konfiguriert werden kann.

Konfigurationsreferenz

Feld	Erforderlich	Standard	Beschreibung
Dateityp	Nein	Standardmäßige Nutzbarmachung	Wie der Agent ausgeführt wird. Der Standard Durchlauf für einige Toolaufrufe und der erweiterte Durchlauf (Vorschau) eignet sich für lange, mehrstufige Ausführungen. Erweiterte Agents (Vorschau) vergleicht sie.
Modell	Nein	Standard-Agent-Modell der Organization	Das Large Language Model (LLM), das der Agent verwendet. Wählen Sie ein Modell aus der Auswahl aus, in der die für Ihre Organization verfügbaren Modelle aufgeführt sind.
Systemprompt	Ja	Keine	Die Rolle und grundlegenden Anweisungen des Agenten: wer er ist und wie er sich verhalten soll. Verfassen Sie dauerhafte Anweisungen, die für jeden Aufruf gelten, z. B. zur Persona, zu Einschränkungen und zu den Erwartungen an die Ausgabe des Agenten.
Benutzerprompt	Ja	Keine	Die Aufgabe für diesen Aufruf. Verweisen Sie mit Ausdrücken auf Workflow-Daten, z. B. $vars.start.output.request.
Temperatur	Nein	0	Stichprobenzufälligkeit, von 0 bis 1. Niedrigere Werte machen Antworten deterministischer und höhere Werte machen Antworten vielfältiger oder kreativer.
Max. Token pro Antwort	Nein	16384	Maximale Länge jeder Modellantwort. Die Obergrenze hängt vom ausgewählten Modell ab.
Max. Iterationen	Nein	25	Maximale Anzahl von Schlussfolgerungs- und Tool-Aufrufschritten, bevor der Agent angehalten wird. Akzeptiert Werte von 1 bis 100.
Leitlinien	Nein	Keine	Regeln, die das Verhalten und die Ausgaben des Agenten einschränken, z. B. das Blockieren unzulässiger Inhalte oder das Begrenzen des Agenten auf einen definierten Scope. Guardrails gelten für den Agenten als Ganzes.

Ausgabevariablen

Deklarieren Sie die strukturierten Rückgabefelder des Agents im Abschnitt Ausgaben der Registerkarte Parameter des Eigenschaftenbereichs. Der Agent hat keine separate Liste der deklarierten Eingabevariablen. Verweisen Sie stattdessen direkt in den Prompts auf Upstream-Daten, z. B. $vars.start.output.request im Benutzerprompt.

Jeder Agent beginnt mit einer Ausgabevariablen, content, die den Antworttext enthält. Fügen Sie weitere Ausgabevariablen hinzu, damit der Agent strukturierte Daten zurückgibt.

Jede Ausgabevariable, die Sie deklarieren, wird zu einem Feld auf dem output -Objekt des Agents, auf das $vars.<agentName>.output.<name> verwiesen wird. Geben Sie jedem einen Namen und einen Typ und weisen Sie dann den Agent im Systemprompt an, diesen auszufüllen. Der Agent gibt alle deklarierten Felder zusammen in einem einzigen strukturierten output zurück.

Ressourcen

Ein autonomer Agent besteht aus Ressourcenknoten, die Sie mit seinen Handles verbinden. Der Knoten verfügt über vier Ressourcen-Handles, die jeweils eine eigene Beschriftung auf der Arbeitsfläche haben: Tools, Kontext, Eskalationen und Gedächtnis. Verbinden Sie eine Ressource mit einem Handle und konfigurieren Sie dann diese Ressource in einem eigenen Eigenschaftenbereich. Die Ressourcen durchlaufen den Workflow.

Jeder Handle akzeptiert nur den entsprechenden Ressourcentyp. Die Arbeitsfläche verhindert unzulässige Verbindungen, sodass Sie beispielsweise ein Tool nicht mit dem Context-Handle verbinden können.

Tools

Verbinden Sie Tools mit dem Tools -Handle, um dem Agent Funktionen zur Verfügung zu stellen, die er während der Argumentation aufrufen kann. Der Agent entscheidet während seiner Schleife, ob und wann jedes verbundene Tool aufgerufen werden soll. Jedes Tool hat eine Beschreibung, die dem Agent mitteilt, wofür das Tool bestimmt ist.

Schreiben Sie die Beschreibung unter den Titel des Tools in Beschreibung hinzufügen…. Er wird auch unter dem Namen des Tools auf der Arbeitsfläche angezeigt.

Felder, die in violett mit einem Blitz-Symbol angezeigt werden, werden vom Agent ausgefüllt, wenn er das Tool aufruft. Beschreiben Sie in diesen Feldern, was der Agent bereitstellen soll, z. B. „Was in den Dokumenten zusammengefasst werden soll und wie das Ergebnis präsentiert wird.“

Die Tooltypen, die Sie verbinden können, sind:

• Integrierte Tools, drei vorgefertigte Tools, die unten beschrieben werden.
• Connector-Tools, mit denen der Agent über eine Verbindung in einer App agieren kann, z. B. das Senden einer E-Mail oder das Erstellen eines Datensatzes in einem nachgelagerten System.
• RPA-Workflow- und API-Funktionstools , mit denen der Agent einen bereitgestellten RPA-Prozess oder API-Workflow als Tool aufrufen kann.
• Model Context Protocol (MCP)-Servertools , die dem Agent die Tools zur Verfügung stellen, die ein MCP-Server bietet.

Integrierte Tools

Maestro Automate enthält drei integrierte Tools. Jede ist eine in sich geschlossenen Ressource, die Sie mit dem Extras- Handle verbinden und in einem eigenen Bereich konfigurieren.

• Dateien analysieren: Analysiert eine oder mehrere Dateien mit einem LLM, um Fragen zu ihrem Inhalt zu extrahieren, zu synthetisieren oder zu beantworten. Beschreiben Sie die Dateien, die der Agent übergibt, und die Analyseaufgabe, die für sie ausgeführt werden soll.
• Batch-Transformation: Verarbeitet und transformiert eine CSV-Datei Zeile für Zeile. Geben Sie die Quelldatei an, beschreiben Sie die Aufgabe pro Zeile und definieren Sie die Ausgabespalten, die das Tool hinzufügt. Sie können die Websuchgrundlage für die Transformation aktivieren oder deaktivieren.
• Zusammenfassen: Erstellt eine Synthese aus Dokumenten (bis zu 1.000 Seiten) mit Zitaten. Geben Sie die Quelle an, beschreiben Sie, was synthetisiert werden soll, und wählen Sie die Dateierweiterung aus. Wenn die Quelle eine PDF-Datei ist, können Sie Zitate aktivieren oder deaktivieren.

MCP-Servertools

Verbinden Sie einen Model Context Protocol (MCP)-Server, um seine Tools dem Agent bereitzustellen. Wenn Sie ein oder mehrere Tools vom Server auswählen, wird unter der Toolauswahl ein Abschnitt Toolkonfiguration mit einem erweiterbaren Bereich pro Tool hinzugefügt. In diesem Bereich können Sie die Beschreibung jedes Arguments bearbeiten, das vollständige Eingabe- und Ausgabeschema des Tools anzeigen und auswählen, wie das Argument seinen Wert erhält: Der Agent entscheidet zur Runtime, der Wert wird an eine In-Scope-Agent-Variable gebunden, oder der Wert wird ausgewählt behoben (und optional als vertraulich gekennzeichnet).

Die Toolliste eines MCP-Servers kann aus zwei Erkennungsmodi stammen:

• Zwischengespeichert: Erstellt einen Snapshot der Tools des Servers, wenn der Server verbunden ist. Verwenden Sie die Refresh-Tools auf dem Server, um einen aktualisierten Snapshot bei Bedarf abzurufen.
  • Standardmäßig überprüft der Umschalter Schema vor Aufruf aktualisieren im Konfigurationsbereich eines Tools den Server kurz vor jedem Aufruf erneut auf das aktuelle Schema des Tools, sodass eine Schemaänderung auf dem Server (z. B. ein umbenannter oder hinzugefügter Parameter) nicht erforderlich ist eine manuelle Aktualisierung. Wenn diese Option deaktiviert ist, verwendet das Tool immer das Schema aus dem letzten Snapshot.
• Dynamisch: Erkennt Tools zur Runtime bei jedem Aufruf, einschließlich Tools, die dem Server hinzugefügt wurden, nachdem der Knoten konfiguriert wurde.

Bei Remote-MCP-Servern wird beim Aktualisieren der Erkennungsendpunkt des Servers für asynchrone Vervollständigungen abgefragt. Für Platform-MCP-Server, bei denen es sich um UiPath-native Dienste wie Document Understanding handelt, stammt die Toolliste stattdessen aus dem UiPath Platform-Dienstkatalog.

Wenn noch kein MCP-Server verbunden ist, fügen Sie einen aus dem MCP-Server-Eintrag im Bereich Knoten hinzufügen hinzu. Die Optionen Neu erstellen gruppieren die Servererstellung nach Untertyp: Plattform, Remote, Befehl, Codiert und UiPath. Wenn Sie Plattform auswählen, wird ein Dialogfeld zum Erstellen des Servers innerhalb der aktuellen Lösung geöffnet, sofern von Ihrer Umgebung unterstützt; Die anderen Untertypen öffnen die entsprechende Erstellungsseite im Orchestrator. Über MCP-Server werden sie beschrieben.

Context

Verbinden Sie eine Kontextressource mit dem Context-Handle, um den Agenten in Ihren Daten zu verankern. Der Agent greift beim Schlussfolgern auf diese Verankerungsdaten zurück, anstatt sich nur auf das Modell zu verlassen. Eine Kontextressource verweist auf einen Kontextindex in Ihrer Organization.

Konfigurieren Sie, wie der Agent Daten aus dem Index abruft, einschließlich des Abrufmodus (semantisch, strukturiert, DeepRAG oder Batch Transform), der Abfrage, der Anzahl der zurückzugebenden Ergebnisse, eines Relevanzschwellenwerts und der Angabe, ob Zitate eingeschlossen werden sollen. Um einen neuen Kontextindex zu erstellen, verwenden Sie im Hinzufügen-Bereich des Handles die Aktion „Neuen Kontext erstellen“, die die Indexerstellung in einer neuen Registerkarte öffnet.

Eskalation

Verbinden Sie das Eskalationshandle , um an einen Menschen weiterzuleiten, wenn der Agent einen Fall erreicht, der nicht allein entscheiden sollte. Der Agent hält an, ein Mensch reagiert auf die Eskalation und der Agent fährt mit dem Ergebnis fort. Sie können eine von zwei Eskalationsressourcen anhängen:

• Escalation: leitet an eine Action App-Aufgabe weiter. Konfigurieren Sie die Action App, die Empfänger, Benachrichtigungen, die an die App übergebenen Eingaben und die Zuordnung des Ergebnisses der App zum Agenten.
• Action App Escalation: leitet an eine codierte Action App weiter, mit derselben Konfiguration für Empfänger, Benachrichtigungen, Eingaben und Ergebniszuordnung.

Eine Eskalation fragt nach:

• Eskalationsname und eine Beschreibung ihres Zwecks
• Aktions-App
• Zusätzliche Eigenschaften, wie z. B. der Aufgabentitel, die Priorität und die Bezeichnungen
• Aufgabe
• Verfügbare umsetzbare Benachrichtigungen

Beide Eskalationsressourcen werden auf die gleiche Weise konfiguriert. Wählen Sie Action App Escalation aus, wenn Ihr Eskalationsziel eine codierte Action App und keine Standard-Action-App ist. Zum Anhängen einer der Ressourcen ist Version 1.2 oder höher des Autonomous Agent-Knotens erforderlich.

Eskalationsressourcen bieten dieselbe Formularschemaansicht wie Quick Form- Knoten für die schnelle Genehmigung, die neben der JSON-Ansicht eine Inline-Vorschau des Schemas während des Erstellens zeigt.

Arbeitsspeicher

Verbinden Sie einen Gedächtnisbereich mit dem Gedächtnis- Handle, damit sich der Agent gemerkt hat, was er in früheren Ausführungen erfahren hat. Es ruft sich die Eingaben und Ergebnisse ähnlicher früherer Fälle ab, verwendet die Antworten, die Menschen auf die Eskalationen gegeben haben, wieder und verbessert das Feedback, das die Benutzer zu den Ablaufverfolgungen hinzufügen. Der Speicher befindet sich in der Vorschau. Das Agentengedächtnis beschreibt Gedächtnisbereiche und unter Konfigurieren des Agentengedächtnisses wird beschrieben, wie einer eingerichtet wird.

Eingaben und Ausgaben

Eingabe

Der Agent erhält Daten vom Upstream-Knoten über sein Eingabe-Handle und von allen $vars -Ausdrücken, auf die Sie direkt in seinen Prompts verweisen.

Ausgabe

Der Agent gibt ein output-Objekt zurück, das die von Ihnen deklarierten Ausgabevariablen enthält. Das Standardfeld ist content, der Antworttext. Greifen Sie mit $vars.<node>.output.<field> auf ein Feld zu, z. B.:

$vars.agent1.output.content

Wenn der Agent fehlschlägt, füllt der Knoten stattdessen ein error -Objekt aus. Die Fehlerbehandlung beschreibt die Fehlerform und wie sie weitergeleitet wird.

{
  "output": {
    "content": "string. The agent's response text, plus any output variables you declared."
  },
  "error": "object. Populated only on failure. See Error handling."
}

Verzweigen anhand des Ergebnisses

Fügen Sie nach dem Agenten einen Decision-Knoten ein, um basierend auf seiner Ausgabe weiterzuleiten:

Autonomous Agent → Decision ($vars.agent1.output.content.includes("approved"))
  → True:  continue processing
  → False: escalate or terminate

Lesen Sie ein deklariertes Ausgabefeld in einem nachgelagerten Script-Knoten:

return $vars.agent1.output.content;

Beispiele

Beispiel 1: Eine eingehende Anforderung klassifizieren

Funktion: klassifiziert eine Support-Anforderung als Rückerstattung, Beschwerde oder Frage und gibt das Label als strukturierte Ausgabe zurück.

System-Prompt:

You are a support triage assistant. Classify each request into exactly one category: refund, complaint, or question. Respond with only the category.

Benutzer-Prompt

Classify this request: $vars.start.output.request

Deklarieren Sie eine Ausgabevariable category (string). Der Agent gibt Folgendes zurück:

{
  "output": {
    "category": "refund"
  }
}

Leiten Sie $vars.agent1.output.category mit einem nachgelagerten Switch weiter.

Beispiel 2: Eine Rechnungsabfrage durchgängig lösen

Funktion: Klassifiziert eine Support-Anforderung als Rückerstattung, Beschwerde oder Frage und gibt das Label als strukturierte Ausgabe zurück.

Verbinden Sie die Handles des Agenten:

• Kontext: Ein Kontextindex, sodass der Agent seine Antwort auf der Grundlage genehmigter Anleitungen verankert.
• Tools: Ein integriertes „Analyze Files“-Tool zum Lesen der angehängten Rechnung und ein RPA-Workflow-Tool, das eine Rückerstattung im Abrechnungssystem ausführt.
• Escalations: eine Eskalationsressource, die Fälle mit hohen Beträgen in einer Action App an einen Prüfer weiterleitet.

System-Prompt:

You are a billing support agent. Use the billing policy in your context to answer invoice questions. Read the attached invoice before answering. If a refund is warranted and the amount is at or below 200, issue it with the refund workflow. If the amount exceeds 200, escalate for review instead of acting. Always return a structured result.

Benutzer-Prompt

Resolve this customer query: $vars.start.output.query
Invoice: $vars.start.output.invoiceFile

Ausgabevariablen resolution (String), refundIssued (boolesch) und amount (Zahl) deklarieren. Ein gelöster Fall gibt Folgendes zurück:

{
  "output": {
    "resolution": "Refund issued for duplicate charge.",
    "refundIssued": true,
    "amount": 48.5
  }
}

Folgen Sie dem Agent mit einer Entscheidung auf $vars.agent1.output.refundIssued , um zwischen einer Bestätigungsnachricht und einem Folgepfad zu verzweigen. Der Agent verarbeitet den Fall der Schwellenwertüberschreitung selbst, indem er eskaliert, sodass diese Verzweigung keine zusätzliche Logik im Workflow benötigt.

Häufige Probleme

Bevor Sie mit dem Debuggen beginnen, wird ein Eingabevalidierungsfehler angezeigt. Der Systemprompt und der Benutzerprompt sind erforderlich. Der Knoten meldet einen Validierungsfehler, bis beide festgelegt sind.

Ein Ausdruck für ein Schleifenelement wird im Agenten nicht aufgelöst. Wenn Sie in einem Prompt auf das aktuelle Element eines Loops verweisen, verwenden Sie den Ausdruck für das aktuelle Element des Loops, z. B. $vars.loop1.currentItem.<field>. Wenn Sie auf den falschen Scope verweisen, bleibt der Wert zur Runtime unaufgelöst.

Der Agent gibt Text zurück, obwohl Sie strukturierte Daten erwartet haben. Standardmäßig gibt der Agent nur content zurück. Deklarieren Sie für jedes gewünschte strukturierte Feld eine Ausgabevariable und weisen Sie den Agenten im System-Prompt an, diese auszufüllen.

Ein verbundenes Batch-Transformationstool meldet einen Validierungsfehler. Batch-Transformation erfordert mindestens eine Ausgabespalte. Definieren Sie die Spalten, die das Tool hinzufügen soll, bevor Sie den Workflow debuggen.

Sie können eine Action App Escalation nicht mit dem Agenten verbinden. Action App Escalation erfordert Version 1.2 oder höher des Autonomous Agent-Knotens. Aktualisieren Sie den Knoten, wenn die Verbindung blockiert ist.

Nächste Schritte

• Hinzufügen eines KI-Agents zu einem Workflow: die Schritt-für-Schritt-Erstellungsanleitung.
• Agent-Tools: Die Tools, die Sie mit dem Agent verbinden können.
• BPMN-Prozess: Rufen Sie einen Agent auf, der bereits bereitgestellt ist.
• Schnellformular: Weiterleitung an einen Menschen zur Genehmigung oder Eingabe.
• Fehlerbehandlung: Route bei einer fehlgeschlagenen Agent-Ausführung.
• Community: Stellen Sie Fragen und teilen Sie Workflows mit anderen Buildern im UiPath Forum.