Konversations-Agent

The Conversational Agent node runs an LLM-driven turn in a chat conversation, looping through reasoning and tool-calls and streaming them to the chat.

Was es tut

Runs a single turn of a conversational AI agent that you author in the canvas. You configure a model, instructions, and tools, then pass in the conversation context (which includes the chat history) emitted from a Wait for Message node. The agent performs a loop of reasoning and tool-calls, streaming them to the chat.

Hinweis:

The agent can only reply within an exchange that a user has initiated, which means the user must send a message first before a conversational agent node can run. Flow-initiated exchanges — sending a message without a prior user turn — are not yet supported.

Einsatzbereich

Situation	Verwenden Sie
You need an LLM-driven, streamed conversational response, with possible tool-calls.	Konversations-Agent
You need a deterministic reply in the conversation (no LLM).	Send Message
You need an LLM-driven execution with possible tool-calls, but without streaming to the conversation.	Autonomer Agent

Hinweis:

Since the Conversational Agent node streams and appends its response to the chat automatically, you do not need to use Send Message to emit the agent's response to the conversation.

Visit build a chat agent workflow for a step-by-step example that combines Conversational Agent nodes with the other Chat nodes.

Hinzufügen eines Agents

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

1. Wählen Sie die Taste + an einem Ausgabe-Handle oder öffnen Sie die Knotenpalette über die untere Symbolleiste.
2. Select the Agent category, then Conversational Agent. Flow adds the node and opens its properties panel.
3. Configure the model, system prompt, and the conversation context binding, as described below.

Result: The Conversational Agent node is added to the canvas with its properties panel open, ready to configure.

Konfigurationsreferenz

Feld	Erforderlich	Standard	Beschreibung
Modell	Nein	Standard-Agent-Modell der Organisation	Das Large Language Model (LLM), das der Agent verwendet. Wählen Sie ein Modell aus der Auswahl, die die für Ihre Organisation verfügbaren Modelle auflistet.
Systemprompt	Ja	Keine	The agent's role and standing instructions: who it is and how it should behave. Applies to every turn of the conversation, so write durable guidance — e.g. persona, tone, goals, and when to call tools.
Temperatur	Nein	0	Stichprobenzufälligkeit, von 0 bis 1. Niedrigere Werte machen Antworten deterministischer; Höhere Werte machen Antworten vielfältiger oder kreativer.
Max. Token pro Antwort	Nein	8192	Maximum length of each model response within a turn. The ceiling depends on the selected model.
Conversation context	Ja	Keine	The conversation context object — containing the chat history — from an upstream Wait for Message, e.g. $vars.waitForMessage1.output.conversationContext

Ausgabevariablen

In addition to the agent's conversational response, you may optionally configure structured output variables in the Outputs section of the properties panel.

These outputs are not seen by the user in the chat — instead, they are useful for setting goal-oriented or routing variables to use in downstream nodes within the Flow.

Each output variable you declare becomes a field on the agent's output object, referenced as $vars.<agentName>.output.<name>. Give each one a name and a type, then instruct the agent in the variable's Description field how to populate it.

Wichtig:

Generation of the agent's conversational responses is driven by only its system prompt, while generation of the agent's outputs are driven by a combination of its system prompt and the output variable descriptions. To ensure the agent doesn't emit structured output data into the chat, use the system prompt to tell the agent how to respond in the chat, while using the output descriptions to instruct the agent how to fill in the outputs.

Zum Beispiel:

System prompt: "Thank the user when they would like to end the conversation."

Output variable: endConversation (boolean). Description: "Set to true when the user intends to end the conversation."

Verzweigung für das Ergebnis

Follow the agent with a Decision or Switch to route on a structured output field. For example:

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

A Conversational Agent composes with resource nodes you connect to its handles. The node has three resource handles, each with its own label in the canvas: Tools, Context, and Escalations. Connect a resource to a handle, then configure that resource in its own properties panel. The resources travel with the flow.

Jedes Handle akzeptiert nur seinen übereinstimmenden Ressourcentyp. Die Arbeitsfläche blockiert Verbindungen, die nicht passen, sodass Sie z. B. kein Tool mit dem Kontexthandle 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, wozu das Tool dient. Schreiben Sie also klare Beschreibungen, wenn ein Tool eines bereitstellt.

Die Tooltypen, die Sie verbinden können, sind:

• Integrierte Tools, drei vorgefertigte Tools, die unten beschrieben werden.
• Connector-Tools, mit denen der Agent einen Integration Service-Vorgang aufrufen 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 veröffentlichten RPA-Prozess oder API-Workflow als Tool aufrufen kann.
• Model Context Protocol (MCP)-Servertools , die die auf einem MCP-Server veröffentlichten Tools verfügbar machen.

Integrierte Tools

Mit Flow werden drei integrierte Tools ausgeliefert. 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 Plattform-MCP-Server – UiPath-native Dienste wie Document Understanding – stammt die Toolliste stattdessen aus dem UiPath Platform Service-Katalog.

If no MCP server is connected yet, add one from the node palette's MCP server entry. The Create new options group server creation by subtype — Platform, Remote, Command, Coded, and UiPath. Selecting Platform opens a dialog to create the server within the current solution, when supported by your environment; the other subtypes open the corresponding creation page in Orchestrator. For more details, see About MCP Servers.

Hinweis:

The inline Conversational Agent node does not yet support personal connections, client-side tools, or tool-call confirmations. To use these, build the agent in Agent Builder and import it as a node in your Flow.

Context

Verbinden Sie eine Kontextressource mit dem Kontexthandle , um den Agent in Ihren Daten zu verankern. Der Agent greift bei der Argumentation auf diese Grundlagendaten zurück, anstatt sich nur auf das Modell zu verlassen. Eine Kontextressource verweist auf einen Kontextindex in Ihrer Organisation.

Konfigurieren Sie, wie der Agent aus dem Index abruft, einschließlich des Abrufmodus (semantisch, strukturiert, DeepRAG oder Batch-Transformation), der Abfrage, der Anzahl der zurückzugebenden Ergebnisse, eines Relevanzschwellenwerts und ob Zitate enthalten sein sollen. Um einen neuen Kontextindex zu erstellen, verwenden Sie die Aktion Neuen Kontext erstellen im Hinzufügen-Panel des Handles, wodurch die Indexerstellung in einer neuen Registerkarte geöffnet wird.

Eskalation

Verbinden Sie das Eskalationshandle , um sie an eine Person weiterzuleiten, wenn sie einen Fall erreicht, den sie 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:

• Eskalation: Leitet Sie zu einer Aufgabe mit der Aktions-App weiter. Konfigurieren Sie die Aktions-App, die Empfänger, Benachrichtigungen, die an die App übergebenen Eingaben und wie das Ergebnis der App dem Agent zugeordnet wird.
• Aktions-App-Eskalation: Leitet zu einer codierten Aktions-App mit den gleichen Empfängern, Benachrichtigungen, Eingaben und Ergebniszuordnungskonfigurationen weiter.

Both escalation resources are configured the same way. Choose Action App Escalation when your escalation target is a coded action app rather than a standard action app.

Wichtig:

An escalation from a Conversational Agent blocks the conversation turn — the user is left waiting on the chat surface until the human acts. For long-running approvals or hand-offs where the conversation should keep moving, run a Human Task from a parallel branch instead, so the chat can continue while the approval happens in the background.

Häufige Probleme

An input validation error appears before you can debug. The Model, System prompt, and Conversation Context are all required. The node reports a validation error until each one is set.

The chat blocks for a long time after the agent triggers an escalation. Escalations attached directly to the agent pause the entire turn until the human acts. For long-running approvals, move the human step to a parallel Human Task branch that runs alongside the conversation instead.

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 Flow debuggen.

Zugehörige Seiten

• Wait for Message — provides the conversation context this node consumes.
• Send Message — deterministic (non-LLM) response alternative.
• Chat — full palette of chat conversational nodes.
• Build a chat agent workflow — end-to-end walkthrough that combines a supervisor and specialists.
• Chat deployment — publish and expose the Flow through various channels.
• Autonomous Agent — task-executing LLM-driven loop without streaming to the conversation.