Konfigurieren von LLMs

Hinweis:

LLM configurations is available on the following licensing plans:

Application Testing Standard and Application Testing Enterprise

Auf der Registerkarte LLM-Konfigurationen können Sie Ihre bestehenden KI-Abonnements integrieren und gleichzeitig das von UiPath bereitgestellte Governance-Framework beibehalten. Sie können:

• Eigenes LLM hinzufügen: Verwenden Sie ein beliebiges LLM, das die Kompatibilitätskriterien des Produkts erfüllt. Um eine reibungslose Integration zu gewährleisten, muss das von Ihnen gewählte LLM eine Reihe von Tests bestehen, die über einen Testaufruf initiiert wurden, bevor es im UiPath-Ökosystem verwendet werden kann.

Beim Konfigurieren von LLMs bleiben die meisten Governance-Vorteile des AI Trust Layer erhalten, einschließlich der Richtliniendurchsetzung über Automation Ops und detaillierte Prüfungsprotokolle. Modell-Governance-Richtlinien wurden jedoch speziell für von UiPath verwaltete LLMs entwickelt. Das bedeutet, dass, wenn Sie ein bestimmtes Modell über eine AI Trust Layer-Richtlinie deaktivieren, die Einschränkung nur für die von UiPath verwaltete Version dieses Modells gilt. Ihre eigenen konfigurierten Modelle desselben Typs bleiben davon nicht betroffen.

Wenn Sie die Option zur Verwendung Ihres eigenen LLM oder Abonnement nutzen, beachten Sie die folgenden Punkte:

• Kompatibilitätsanforderungen: Das von Ihnen gewählte LLM oder Abonnement muss mit der Modellfamilie und Version übereinstimmen, die derzeit vom UiPath-Produkt unterstützt wird.
• Einrichtung: Stellen Sie sicher, dass Sie alle erforderlichen LLMs im benutzerdefinierten Setup ordnungsgemäß konfigurieren und verwalten. Wenn eine Komponente fehlt, veraltet oder falsch konfiguriert ist, funktioniert Ihr benutzerdefiniertes Setup möglicherweise nicht mehr.
• Kostenersparnis: Wenn Ihre benutzerdefinierte LLM-Einrichtung vollständig und korrekt ist und alle erforderlichen Anforderungen erfüllt, haben Sie möglicherweise Anspruch auf eine reduzierte Verbrauchsrate.

Einrichten einer LLM-Verbindung

LLM-Verbindungen verwenden Integration Service, um die Verbindung zu Ihren eigenen Modellen herzustellen. Sie können Verbindungen mit den folgenden Anbietern erstellen:

• Amazon Web Services
• Azure Open AI
• Google Vertex
• OpenAI
• Open AI V1 Compliant LLM – Verwenden Sie diese Option, um eine Verbindung zu einem beliebigen LLM-Anbieter zu herstellen, dessen API dem OpenAI V1-Standard folgt. Weitere Details finden Sie in der Dokumentation zum OpenAI V1 Compliant LLM Connector.

Hinweis:

Zum Konfigurieren von Anthropic Claude-Modellen verwenden Sie den Amazon Web Services-Connector im Integration Service. Ein direkter Anthropic-Connector wird in der Private Test Cloud nicht unterstützt.

Um eine neue Verbindung einzurichten, führen Sie die folgenden Schritte aus:

1. Erstellen Sie die Integration Service-Verbindung

1. Erstellen Sie eine Verbindung im Integration Service mit dem Anbieter Ihrer Wahl. Connector-spezifische Authentifizierungsdetails finden Sie im Benutzerhandbuch zum Integration Service.
   Hinweis:

   Um unbefugten Zugriff zu verhindern, erstellen Sie die Integration Service-Verbindung in einem privaten, nicht freigegebenen Ordner.

2. Fügen Sie eine neue LLM-Konfiguration hinzu

1. Gehen Sie zu Administrator > AI Trust Layer > LLM-Konfigurationen.

2. Wählen Sie den Mandanten und den Ordner aus, in dem Sie die Verbindung konfigurieren möchten.

3. Wählen Sie Konfiguration hinzufügen aus.

4. Wählen Sie das Produkt und die Funktion aus .

5. Wählen Sie aus, wie Sie konfigurieren möchten:

   • Eigenes LLM hinzufügen – Fügen Sie eine zusätzliche LLM-Konfiguration hinzu, die vollständig von Ihnen verwaltet wird.

   Je nach ausgewähltem Produkt ist eventuell nur eine Option verfügbar.

3. Konfigurieren Sie das Modell

Richten Sie die Verbindung für Eigenes LLM hinzufügen ein:

1. Ordner – Wählen Sie den Ordner aus, in dem die Konfiguration gespeichert wird.
2. Angezeigter Name (LLM) – Geben Sie einen Alias für Ihr LLM an.
3. Connector – Wählen Sie Ihren Connector aus (z. B. Microsoft Azure OpenAI).
4. Verbindung – Wählen Sie Ihre Integration Service-Verbindung aus.
5. LLM-Bezeichner – Geben Sie den Bezeichner für Ihr Modell ein.
   • Geben Sie für von Azure gehostete Modelle den Modellbezeichner ein.
   • Geben Sie für die regionsübergreifende AWS-Inferenz die Inferenzprofil-ID anstelle der Modell-ID ein.

4. Validieren und speichern Sie

1. Wählen Sie Testkonfiguration aus, um zu überprüfen, ob das Modell erreichbar ist und die erforderlichen Kriterien erfüllt.

   UiPath kann die Erreichbarkeit bestätigen. Die Überprüfung des genauen Modells liegt in Ihrer Verantwortung.

2. Wenn der Test erfolgreich ist, wählen Sie Speichern aus, um die Verbindung zu aktivieren.

Verwalten vorhandener LLM-Verbindungen

Sie können die folgenden Aktionen für Ihre vorhandenen Verbindungen ausführen:

• Status überprüfen – Überprüfen Sie den Status Ihrer Integration Service-Verbindung. Diese Aktion stellt sicher, dass die Verbindung aktiv ist und ordnungsgemäß funktioniert.
• Bearbeiten – Ändern Sie alle Parameter Ihrer vorhandenen Verbindung.
• Deaktivieren – Setzt die Verbindung vorübergehend aus. Wenn diese Option deaktiviert ist, bleibt die Verbindung in Ihrer Liste sichtbar, leitet jedoch keine Anrufe weiter. Sie können die Verbindung bei Bedarf erneut aktivieren.
• Löschen – Entfernen Sie die Verbindung endgültig aus Ihrem System. Diese Aktion deaktiviert die Verbindung und entfernt sie aus Ihrer Liste.

Konfiguration von LLMs für Ihr Produkt

Jedes Produkt unterstützt bestimmte Large Language Models (LLMs) und -Versionen. Verwenden Sie die folgende Tabelle, um die unterstützten Modelle und Versionen für Ihr Produkt zu ermitteln.

Sie können Ihr eigenes LLM mithilfe eines der folgenden Anbieter verbinden: Amazon Web Services, Google Vertex, Microsoft Azure OpenAI oder OpenAI V1 Compliance. Führen Sie die im vorherigen Abschnitt beschriebenen Schritte aus, um eine Verbindung zu erstellen.

Hinweis:

Dateiunterstützung: Einige Produktfunktionen sind auf den konfigurierten LLM-Endpunkt angewiesen, um hochgeladene Dateien zu verarbeiten. Bei Verwendung benutzerdefinierter LLM-Konfigurationen hängt die Unterstützung von Dateiformaten vom Anbieter, der Modellfamilie, der Modellversion und dem API-Typ ab. Überprüfen Sie, ob das ausgewählte Modell die erforderlichen Dateiformate unterstützt, bevor Sie dateibasierte Funktionen aktivieren. Produktspezifische Anforderungen finden Sie in der entsprechenden Produktdokumentation, z. B. in Dateien analysieren für Agents.

Die Anzahl der Modelle, die Sie konfigurieren müssen, hängt vom Produkt und der Funktion ab:

• Für Funktionen mit einem auswählbaren Modell – bei dem Sie auswählen, welches Modell Sie verwenden möchten – können Sie ein oder mehrere Modelle konfigurieren. Unkonfigurierte Modelle verwenden weiterhin von UiPath verwaltete Abonnements.
• Für Funktionen mit einem festen Modellsatz – bei denen die Funktion einen vorbestimmten Satz von Modellen verwendet – müssen Sie alle Modelle konfigurieren, damit die Funktion funktioniert. Eine Teilkonfiguration ist nicht gültig.

Produkt	Unterstützt benutzerdefinierte Modelle	Funktionen	LLM-Anbieter	Version
Agents 1	Ja	Entwerfen, auswerten und bereitstellen	Anthropic	Anthropic.Claude-3.5-sonnet-20240620-v1:0 Anthropic.Claude-3.5-sonnet-20241022-v2:0 Anthropic.Claude-3.7-sonnet-20250219-v1:0 Anthropic.Claude-3-haiku-20240307-v1:0
			Google	gemini-2.5-pro
				gemini-2.5-flight
			OpenAI	gpt-4o-2024-05-13 gpt-4o-2024-08-06 gpt-4o-2024-11-20 gpt-4o-mini-2025-04-14 gpt-4o-mini-2024-07-18
Autopilot	Nein	Generation	Google	gemini-2.5-flight-Lite gemini-2.5-flight gemini-2.5-pro gemini-embedding-001
		Chat	Anthropic	Anthropic.Claude-haiku-4-5-20251001-v1:0 Anthropic.Claude-sonnet-4-6 Anthropic.Claude-opus-4-6-v1
			Google	gemini-2.5-pro gemini-2.5-flight gemini-3-flight-preview gemini-3-pro-vorschau gemini-3.1-pro-vorschau
Autopilot for Everyone	Nein	Chat	Anthropic	Anthropic.Claude-3.5-sonnet-20240620-v1:0 Anthropic.Claude-3.7-sonnet-20250219-v1:0
			OpenAI	gpt-4o-mini-2024-07-18
Codierte Agents	Ja	LLM aufrufen	Anthropic	Anthropic.Claude-3.5-sonnet-20240620-v1:0 Anthropic.Claude-3.5-sonnet-20241022-v2:0 Anthropic.Claude-3.7-sonnet-20250219-v1:0 Anthropic.Claude-3-haiku-20240307-v1:0
			Gemini	gemini-1.5-pro-001 gemini-2.0-flight-001
			OpenAI	gpt-4o-2024-05-13 gpt-4o-2024-08-06 gpt-4o-2024-11-20 gpt-4o-mini-2024-07-18 o3-mini-2025-01-31
Kontextgrundlage	Nein	Einbettungen	Gemini	gemini-embedding-001
			OpenAI	Text-Einbettung-3-Groß
		Erweiterte Erfassung	Gemini	gemini-2.5-flight
		DeepRAG	Gemini	gemini-2.5-flight
		Batch-Transformation	Gemini	gemini-2.5-flight gemini-2.5-flight-Lite
		Batch-Transformation mit Web-Suche	Gemini	gemini-2.5-flight gemini-2.5-flight-Lite
GenAI-Aktivitäten	Ja	Erstellen, Testen und Bereitstellen	Anthropic	Anthropic.Claude-3.5-sonnet-20241022-v2:0 Anthropic.Claude-3.7-sonnet-20250219-v1:0
			Gemini	gemini-2.5-pro gemini-2.5-flight
			OpenAI	gpt-5-2025-08-07 gpt-5-mini-2025-08-07 gpt-5-nano-2025-0807
Healing Agent	Nein	Workflow-Wiederherstellung
			Google	gemini-2.5-pro gemini-2.5-flight
			OpenAI	gpt-4o-2024-08-06
UI-Automatisierung (UI Automation)	Nein	ScreenPlay	Anthropic	Anthropic.Claude-sonnet-4-5-20250929-v1:0
			Google	gemini-2.5-flight
			OpenAI	gpt-4.1-mini-2025-04-14 gpt-4.1-2025-04-14 gpt-5-2025-08-07 gpt-5-mini-2025-08-07 computer-use-preview-2025-03-11
		Semantische Selektoren	Google	gemini-2.5-flight
Test Manager	Nein	Autopilot Autopilot-Suche Veraltete Tests finden Testfälle generieren Testfälle importieren Berichte generieren Anforderungsauswertung	Anthropic	Anthropic.Claude-3.7-sonnet-20250219-v1:0 (wird im März 2026 durch thropic.Claude-4.5-sonnet ersetzt)
			Google	gemini-2.5-pro gemini-2.5-flight
			OpenAI	gpt-4o-2024-11-20

¹ Agents-Anforderungen:

• Stellen Sie sicher, dass Ihr LLM Folgendes unterstützt:
  • Tool (Funktions)-Aufruf – Das Modell muss in der Lage sein, Tools oder Funktionen während der Ausführung aufzurufen.
  • Parallele Toolaufrufe deaktivieren – Wenn Ihr Anbieter dies unterstützt, sollte das Modell die Option zum Deaktivieren paralleler Toolaufrufe bieten.
• Bei Verwendung benutzerdefinierter Modelle setzen Agents standardmäßig ein 4096-Token-Limit, unabhängig von der wahren Kapazität des Modells, da UiPath keine Token-Limits für kundenseitig definierte Bereitstellungen ableiten kann.