Orchestrieren Sie einen KI-Agent

Erstellen Sie einen autonomen Agenten auf der Arbeitsfläche, übergeben Sie Daten an ihn und steuern Sie die Workflow-Ausführung basierend auf der Entscheidung des Agenten.

Was Sie erstellen: Einen Flow, der einen KI-Agenten aufruft, den Sie auf der Arbeitsfläche erstellt haben, Daten an ihn weiterleitet und die Ausführung basierend auf seiner Antwort steuert (genehmigt, abgelehnt oder fehlgeschlagen). Dies ist die Grundlage für jede Automatisierung mit Agenten: eine auf Schlussfolgerungen basierende Entscheidung, die in einen größeren automatisierten Prozess eingebettet ist.

Der Agent, den Sie hier erstellen, ist ein autonomer Agent: dessen Modell, Prompts, Tools und Kontext sind alle live auf dem Knoten und bewegen sich mit dem Fluss. Um einen Agent wiederzuverwenden, der bereits in Ihrer Organisation veröffentlicht wurde, anstatt einen inline zu erstellen, verwenden Sie stattdessen den BPMN-Prozessknoten .

Was Sie benötigen

• Ein UiPath Automation Cloud-Konto mit Zugriff auf Maestro Flow.
• Ein verfügbares LLM-Modell, das der Agent verwenden kann.

Verwendete Knoten

• Manueller Trigger: Startet den Flow bei Bedarf, während Sie erstellen
• Autonomous Agent: Ein KI-Agent, den Sie auf der Arbeitsfläche erstellen, gibt seine Ausgabe zurück
• Entscheidung: Verzweigt die Ausführung basierend auf der Antwort des Agenten
• Beenden: Beendet den Fluss auf einem Fehlerpfad

Schritte

1. Erstellen Sie einen neuen Flow und fügen Sie einen Trigger hinzu

1. Öffnen Sie Maestro → Flow und wählen Sie Neuer Flow aus.
2. Ziehen Sie einen Manual Trigger-Knoten auf die Arbeitsfläche.

Für einen Flow in der Produktion würden Sie diesen durch einen geplanten Trigger oder einen Integrationstrigger ersetzen. Ein manueller Trigger reicht aus, während Sie den Flow erstellen.

2. Fügen Sie einen Agent-Knoten hinzu

Die Palettenbeschriftung des Agenten lautet Autonomous Agent.

1. Ziehen Sie einen Agent-Knoten aus dem Abschnitt UiPath-Knoten des Knotenbereichs auf die Arbeitsfläche.
2. Verbinden Sie ihn mit dem manuellen Trigger.
3. Konfigurieren Sie den Agenten im Eigenschaftenbereich:
   • Legen Sie das Modell fest oder übernehmen Sie das Standard-Agentenmodell Ihrer Organisation.
   • Geben Sie den System-Prompt, die Rolle des Agenten und die grundlegenden Anweisungen ein. Das Modell, der System-Prompt und der Benutzer-Prompt sind alle erforderlich.
   • Geben Sie den Benutzer-Prompt, also die Aufgabe für diese Ausführung, ein. Verweisen Sie mithilfe von Ausdrücken auf Flow-Daten, z. B. auf den zu klassifizierenden Dokumenttext: $vars.start.output.documentText.

3. Geben Sie ein strukturiertes Ergebnis zurück

Standardmäßig gibt der Agent ein Feld zurück, content, das seinen Antwort-Text enthält. Damit Sie den Flow sauber verzweigen können, lassen Sie den Agenten stattdessen ein strukturiertes Feld zurückgeben.

1. Öffnen Sie den Abschnitt Ausgaben im Eigenschaftenbereich des Agents (Registerkarte Parameter ).
2. Fügen Sie eine Ausgabevariable mit dem Namen „decision“ und dem Typ „string“ hinzu.
3. Weisen Sie den Agenten im System-Prompt an, decision auf approved oder rejected festzulegen.

4. Verarbeiten Sie die Antwort des Agenten

1. Ziehen Sie einen Decision-Knoten auf die Arbeitsfläche und verbinden Sie ihn mit dem Agent-Knoten.
2. Legen Sie die Bedingung zur Auswertung der Ausgabe des Agenten fest, z. B.: $vars.agent1.output.decision === "approved".
3. Verbinden Sie die True-Verzweigung mit dem nächsten Schritt in Ihrer Automatisierung (z. B. mit einer Benachrichtigung oder einem Schreibvorgang).
4. Verbinden Sie die False-Verzweigung mit einem Terminate-Knoten.
5. Legen Sie den Terminate-Status auf Failed fest und fügen Sie eine Meldung wie Agent returned: $vars.agent1.output.decision hinzu.

5. Debug den Flow

Wählen Sie in der Symbolleiste die Option Debug aus. Im Ausführungs-Trace:

• Wählen Sie den Agent- Knoten, um zu überprüfen, welche Eingaben gesendet wurden und was der Agent zurückgegeben hat.
• Bestätigen Sie, dass der Entscheidungsknoten anhand der Ausgabe des Agents die richtige Verzweigung genommen hat.
• Wenn die Antwort des Agents nicht das ist, was Sie erwartet haben, überprüfen Sie den Systemprompt, den Benutzerprompt und die deklarierte Ausgabe, bevor Sie die getrennte Flusslogik ändern.

Um beide Zweige zu trainieren, ohne auf echte Antworten des Agents zu warten, aktivieren Sie die Pseudo-Ausgabe auf dem Agent-Knoten und legen Sie eine feste Antwort fest.

Ergebnis

Ihr Flow wird durchgängig ausgeführt: Der Manual Trigger startet die Ausführung, der Agent-Knoten argumentiert über die Eingabe und gibt ein strukturiertes decision -Feld zurück, der Entscheidungsknoten verzweigt sich auf dem Wert und der Beendenknoten beendet den Flow auf dem abgelehnten Pfad . Sie können die Eingaben und Ausgaben des Agents in der Execution Trace überprüfen und die Prompts direkt auf dem Knoten anpassen.

Erweitern Sie diesen Flow

• Geben Sie den Agent-Tools: Verbinden Sie Toolressourcen (integrierte Tools, Connector-Tools, RPA- oder API-Workflow-Tools, Dokumentextraktion oder MCP-Server (Model Context Protocol)) mit dem Tools -Handle des Agents, damit er handeln kann – nicht nur der Grund.
• Verankern Sie den Agent in Ihren Daten: Verbinden Sie eine Kontextressource mit dem Kontext -Handle des Agents, damit er aus einer indizierten Wissensquelle anstelle des Modells antwortet.
• Einen Menschen in den Prozess einbinden: Verbinden Sie das Eskalations- Handle des Agents mit einer Eskalationsressource für Fälle, die der Agent nicht allein entscheiden sollte.
• Eine Schleife hinzufügen: Umschließen Sie den Aufruf des Agents in einen Schleifenknoten , um eine Liste von Elementen mit demselben Agent zu verarbeiten.
• Mit einem anderen System verketten: Fügen Sie nach der True-Verzweigung des Entscheidungsknotens einen HTTP-Anforderungs- oder Integrationsknoten hinzu, um das Ergebnis in ein externes System zu schreiben.