Conversational Agent

Add and configure a Conversational agent: its model, instructions, tools, and output variables, with fixes for common issues.

Was es tut

Führt eine einzelne Runde eines Conversational AI Agent aus, den Sie auf der Arbeitsfläche erstellen. Sie konfigurieren ein Modell, Anweisungen und Tools und übergeben dann den Konversationskontext (der den Chatverlauf enthält), der von einem „Wait for Message“ -Knoten ausgegeben wird. Der Agent führt eine Schleife von Argumentationsschritten und Toolaufrufen durch und überträgt sie in den Chat.

Hinweis:

Der Agent kann nur innerhalb eines Austauschs antworten, den ein Benutzer initiiert hat, was bedeutet, dass der Benutzer zuerst eine Nachricht senden muss, bevor ein Conversational Agent-Knoten ausgeführt werden kann. Von Maestro Automation initiierte Austauschvorgänge, bei denen eine Nachricht ohne vorherige Benutzereinführung gesendet wird, werden noch nicht unterstützt.

Einsatzbereich

Situation	Verwenden Sie
Sie benötigen eine gestreamte Konversationsantwort aus einem Large Language Model (LLM) mit möglichen Toolaufrufen.	Konversations-Agent
Sie benötigen eine deterministische Antwort in der Konversation (kein LLM).	Send Message
Sie benötigen ein KI-Modell, um Tools zu argumentieren und aufzurufen, aber ohne Streaming für die Konversation.	Autonomer Agent

Hinweis:

Da der Conversational Agent-Knoten seine Antwort automatisch streamt und an den Chat anfügt, müssen Sie Nachricht senden nicht verwenden, um die Antwort des Agenten auf die Konversation auszugeben.

Ein schrittweises Beispiel, das Conversational Agent-Knoten mit den anderen Chatknoten kombiniert, finden Sie unter Erstellen eines Chat Agent-Workflows .

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 Conversational Agent aus. Maestro Automate fügt den Knoten hinzu und öffnet dessen Eigenschaftenbereich.
3. Konfigurieren Sie das Modell, den Systemprompt und die Konversationskontextbindung wie unten beschrieben.

Ergebnis: Der Conversational Agent-Knoten wird der Arbeitsfläche mit geöffnetem Eigenschaftenbereich hinzugefügt und ist bereit für die Konfiguration.

Konfigurationsreferenz

Feld	Erforderlich	Standard	Beschreibung
Dateityp	Nein	Standardmäßige Nutzbarmachung	Wie der Agent ausgeführt wird: Standardablauf oder erweiterter Ablauf (Vorschau) für längere, mehrstufige Arbeit. Erweiterte Agents (Vorschau) vergleicht die beiden.
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 ständigen Anweisungen des Agents: Wer er ist und wie er sich verhalten sollte. Gilt für jede Runde der Konversation, also schreiben Sie eine dauerhafte Anleitung, z. B. Persona, Tonfall, Ziele und wann Tools aufgerufen werden sollen.
Temperatur	Nein	0	Zufallsgrad der Stichproben, von 0 bis 1. Niedrigere Werte führen zu deterministischeren Antworten; höhere Werte führen zu abwechslungsreicheren oder kreativeren Antworten.
Max. Token pro Antwort	Nein	8192	Maximale Länge jeder Modellantwort innerhalb einer Runde. Die Obergrenze hängt vom ausgewählten Modell ab.
Konversationskontext	Ja	Keine	Im Abschnitt Einstellungen für Konversationsagent . Das Konversationskontextobjekt, das den Chatverlauf enthält, aus einer vorgelagerten „Wait for Message“-Aktivität, z. B. $vars.waitForMessage1.output.conversationContext

Ausgabevariablen

Zusätzlich zur Konversationsantwort des Agents können Sie optional strukturierte Ausgabevariablen im Abschnitt Ausgaben des Eigenschaftenbereichs konfigurieren.

Diese Ausgaben werden für den Benutzer im Chat nicht angezeigt: Stattdessen sind sie nützlich, um zielorientierte oder Routing-Variablen festzulegen, die in nachgelagerten Knoten innerhalb des Workflows verwendet werden sollen.

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 jeder Variablen einen Namen und einen Typ und weisen Sie dann den Agent im Feld Beschreibung der Variablen an, wie er dort ausgefüllt werden soll.

Wichtig:

Die Generierung der Konversationsantworten des Agents wird nur durch seinen Systemprompt gesteuert, während die Generierung der Ausgaben des Agents durch eine Kombination aus seinem Systemprompt und den Beschreibungen der Ausgabevariablen gesteuert wird. Um sicherzustellen, dass der Agent keine strukturierten Ausgabedaten in den Chat ausgibt, teilen Sie dem Agent mithilfe des Systemprompts mit, wie er im Chat reagieren soll, und weisen Sie den Agent mithilfe der Ausgabebeschreibungen an, wie die Ausgaben ausgefüllt werden sollen.

Zum Beispiel:

Systemprompt: „Vielen Dank dem Benutzer, wenn er die Konversation beenden möchte.“

Ausgabevariable: endConversation (boolescher Wert). Beschreibung: „Auf „true“ festlegen, wenn der Benutzer die Konversation beenden möchte.“

Verzweigen anhand des Ergebnisses

Folgen Sie dem Agent mit einer Entscheidung oder einem Wechsel zur Route für ein strukturiertes Ausgabefeld. Zum Beispiel:

Wait for Message → Conversational Agent (supervisor) → Switch on $vars.agent.output.intent
  → 'intent-a':  Route to a loop with specialist conversational agent A
  → 'intent-b':  Route to a loop with specialist conversational agent B
  → 'off-topic': Send Message ("Message is off-topic") → back to first Wait for Message.

Ressourcen

Ein Conversational Agent besteht aus Ressourcenknoten, die Sie mit seinen Handles verbinden. Der Knoten verfügt über drei Ressourcen-Handles, die jeweils eine eigene Beschriftung auf der Arbeitsfläche haben: Tools, Kontext und Eskalationen. Im Gegensatz zum Autonomous Agent hat er kein Speicher- Handle. 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 es unter den Titel des Tools in Beschreibung hinzufügen…. Violett angezeigte Felder werden vom Agent ausgefüllt, wenn er das Tool aufruft.

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.

• Analyze Files: Analysiert eine oder mehrere Dateien mit einem LLM, um Inhalte zu extrahieren, zusammenzufassen oder Fragen zu deren Inhalt zu beantworten. Beschreiben Sie die Dateien, die der Agent übergeben wird, und die Analyseaufgabe, die für diese Dateien ausgeführt werden soll.
• Batch Transform: 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 Verankerung durch die Websuche für die Transformation aktivieren oder deaktivieren.
• Zusammenfassen: Erstellt eine Zusammenfassung über mehrere Dokumente hinweg (bis zu 1.000 Seiten) mit Zitaten. Geben Sie die Quelle an, beschreiben Sie, was zusammengefasst werden soll, und wählen Sie die Dateierweiterung aus. Wenn die Quelle eine PDF 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, UiPath-native Dienste wie Document Understanding, stammt die Toolliste stattdessen aus dem UiPath Platform Service-Katalog.

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.

Hinweis:

Der Inline-Knoten für Conversational Agent unterstützt noch keine persönlichen Verbindungen, clientseitige Tools oder Bestätigungen von Toolaufrufen. Um diese zu verwenden, erstellen Sie den Agent in Agent Builder und importieren Sie ihn als Knoten in Ihren Workflow.

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.

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.

Wichtig:

Eine Eskalation von einem Conversational Agent blockiert die Konversationsrunde: Der Benutzer muss auf die Chatoberfläche warten, bis der Mensch handelt. Führen Sie für Genehmigungen mit langer Ausführungszeit oder Übergaben, bei denen die Konversation weiterlaufen soll, stattdessen einen Schnellformularknoten von einem parallelen Zweig aus, damit der Chat fortgesetzt werden kann, während die Genehmigung im Hintergrund erfolgt.

Häufige Probleme

Bevor Sie mit dem Debuggen beginnen, wird ein Eingabevalidierungsfehler angezeigt. Das Modell, der Systemprompt und der Konversationskontext sind erforderlich. Der Knoten meldet einen Validierungsfehler, bis jeder festgelegt ist.

Der Chat blockiert für lange Zeit, nachdem der Agent eine Eskalation ausgelöst hat. Eskalationen, die direkt mit dem Agent verbunden sind, pausieren die gesamte Runde, bis der Mensch handelt. Verschieben Sie bei Genehmigungen mit langer Ausführungszeit den menschlichen Schritt zu einem parallelen Schnellformularknotenzweig , der stattdessen neben der Konversation ausgeführt wird.

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.

Nächste Schritte

• Warten auf Nachricht: Stellt den Konversationskontext bereit, den dieser Knoten verbraucht.
• Nachricht senden: deterministische (Nicht-LLM) Antwortalternative.
• Chat : Alle Chat-Konversationsknoten.
• Erstellen Sie einen Chat Agent-Workflow: End-to-End-Anleitung, der einen Vorgesetzten und Spezialisten kombiniert.
• Chatbereitstellung: Stellen Sie den Workflow bereit und machen Sie ihn in Chatkanälen verfügbar.
• Autonomer Agent: LLM-gesteuerte Schleife zur Aufgabenausführung ohne Streaming zur Konversation.
• Community: Stellen Sie Fragen und teilen Sie Workflows mit anderen Buildern im UiPath Forum.