Primeros pasos con agentes conversacionales

La creación de un agente de conversación sigue un ciclo de vida estructurado que incluye el diseño, las pruebas, la implementación y la supervisión. Los pasos clave son:

1. Diseño del agente: utiliza Studio Web para definir la solicitud del sistema del agente, configurar las herramientas disponibles, añadir contextualización y configurar flujos de trabajo de escalada.
2. Prueba y evaluación: utiliza el chat de depuración integrado para probar interacciones en varios turnos. Añade conversaciones reales o simuladas a los conjuntos de evaluación para validar el comportamiento y el rendimiento.
3. Publicación e implementación: publica el agente como un paquete de solución en Orchestrator. Asegúrate de que la carpeta de la solución incluya un robot sin servidor y unattended para la ejecución.
4. Acceder y gestionar: interactúa con el agente a través de la gestión de instancias. Supervisa el comportamiento de runtime, revisa los registros de seguimiento e itera en función de los comentarios.

Al diseñar un agente conversacional, considera las siguientes mejores prácticas:

1. Comienza con un perfil claro: define el tono y el ámbito del agente (por ejemplo, "Eres un asistente de recursos humanos amigable...").
2. Diseña para la imprevisibilidad: los usuarios pueden proporcionar información incompleta o incorrecta. Manipula la ambigüedad con gracia.
3. Guía de uso de herramientas: asegúrate de que las descripciones de herramientas indiquen claramente cuándo y cómo utilizarlas.
4. Itera con evaluaciones: crea casos de prueba para escenarios positivos y negativos. Actualiza tu lógica de agente en consecuencia.

Crear un agente de conversación

Puedes crear agentes de conversación utilizando el mismo diseñador de código bajo en Studio Web que los agentes autónomos, con diferencias clave adaptadas para el diálogo en tiempo real y en varios turnos.

Crear el agente

Para empezar:

1. Ve a studio.uipath.com.

2. Selecciona el botón Crear nuevo y luego selecciona Agente.

3. Seleccionar el tipo de agente de conversación.

   Opcionalmente, describe tu agente a Autopilot para generar una configuración de inicio

Figura 1. Crear un nuevo agente de conversación

Nota:

Iniciar una conversación con un agente conversacional desencadena un proceso de Orchestrator dedicado a ese chat. Este proceso siempre aparece como En ejecución para que pueda responder a tus mensajes de inmediato. Sin embargo, solo consume recursos cuando envías un mensaje. Mientras está inactivo y en espera, no utiliza ningún recurso.

Configurar la solicitud del sistema

La solicitud del sistema define el perfil del agente, los objetivos, las restricciones de comportamiento y la lógica de la herramienta/escalada. Úsalo para instruir al agente sobre cómo:

• Saludar a los usuarios.
• Gestionar consultas desconocidas.
• Escalar incidencias o utilizar herramientas de llamada.
• Mantén un tono y un estilo coherentes.

Consejo:

Autopilot puede ayudar a generar una solicitud de inicio efectiva en función de tu caso de uso.

Conversational agents do not use user prompts or Data Manager inputs/outputs, however the conversational agent will have knowledge of authenticated user's name and email.

Configurar herramientas

Conversational agents can use the same tools as autonomous agents, including RPA workflows, API workflows, activities, other agents (excluding conversational agents), MCP servers (preview), IXP models (preview), and ready-to-use tools such as Analyze Attachments.

Consejo:

Para los flujos de trabajo que realizan exclusivamente llamadas a la API, recomendamos utilizar flujos de trabajo de API para obtener el mejor rendimiento en los chats en tiempo real.

Usa barreras de seguridad en el nivel de herramienta para aplicar políticas de runtime. Las barreras de seguridad se aplican tanto durante la Prueba como en runtime, y son visibles en los registros de seguimiento. Para obtener más detalles, consulta Barreras de seguridad.

Configurar contextos

Añade Índices de contextualización para dar acceso a tu agente a fuentes de conocimiento específicas. El agente puede realizar una consulta a estos índices para proporcionar respuestas informadas basadas en citas. Para obtener más información, consulta Contextos.

Use files

You can upload files directly through the chat box for analysis. This enables conversational agents to process various file-based inputs seamlessly during interactions. The pre-built Analyze Attachments tool also supports file uploads and allows agents to interpret and reason over file content using large language models (LLMs).

Nota:

You cannot include attachments in evaluation runs. While conversations can be added to an evaluation set, attachments cannot be passed in through debug chat, traces, or manual uploads.

Configurar escaladas y memoria de agente

Los agentes conversacionales admiten flujos de trabajo de escalada y la memoria de agente para mejorar la toma de decisiones:

• Las escaladas permiten al agente pasar conversaciones a un humano a través de Action Center cuando la confianza es baja o la intención del usuario no está clara. Las conversaciones se ejecutan de forma síncrona, lo que significa que el agente detiene toda la interacción adicional hasta que se resuelve la escalada.
• La memoria de agente permite al agente recordar y reutilizar escaladas previamente resueltas, reduciendo la redundancia y mejorando la eficiencia.

Para obtener más información, consulta Escaladas y memoria de agente.

Evalúa y prueba el agente

Las evaluaciones ayudan a garantizar que tu agente de conversación se comporta de forma fiable en rutas de diálogo variadas. El proceso es similar a la evaluación de un agente autónomo, pero está adaptado para el diálogo.

Select Debug to run the agent in a chat-like environment, and interact with your agent using natural language.

Expand the full execution trace, which provides real-time tracing of the agent execution. It shows details such as:

• Llamadas y respuestas de agente LLM
• Llamadas a herramientas, con argumentos y salidas finales

Add test cases directly from the History panel by selecting Add to evaluation set after a test run. An evaluation test is created for the conversation with:

• Historial de conversación: un registro de los giros anteriores en el diálogo.
• Mensaje de usuario actual: el último mensaje del usuario en la conversación.
• Respuesta esperada del agente.

Esto te permite probar cómo de bien mantiene el contexto y maneja las preguntas de seguimiento el agente, lo cual es esencial para una buena experiencia de conversación.

Figura 2. Crear conjuntos de evaluación

For each evaluation test, you can use the Conversation builder interface to edit the conversation history and the current user prompt. A similar interface lets you define and refine the expected agent response, ensuring accurate test validation.

Figura 3. La ventana del creador de conversaciones al editar una prueba de evaluación

Figura 4. Puedes importar una conversación del chat de depuración seleccionando Añadir al conjunto de evaluación

Acceder a agentes conversacionales

After you publish and deploy a conversational agent, you can interact with it through the Agents Instance Management page.

Figura 5. Gestión de instancias de agentes

Acceder a agentes en Microsoft Teams y Slack (vista previa)

Conversational agents are available in Microsoft Teams and Slack. For details, refer to:

• Autopilot: utilizar el chat 1:1 con la aplicación Autopilot para Teams
• Autopilot: UiPath Autopilot™ para Slack

Incrustar agentes de conversación en UiPath Apps

También puedes integrar un agente de conversación directamente en una aplicación UiPath utilizando el componente IFrame.

1. Crear y publicar: primero, asegúrate de que tu agente de conversación se haya creado y publicado.

2. Añadir IFrame: abre tu aplicación en Studio y añade un componente de IFrame a tu página.

3. Configura la URL: establece la propiedad Origen del IFrame en una URL construida con el siguiente formato y parámetros: "https://<cloud_env>.uipath.com/<organization>/<tenant>/autopilotforeveryone_/conversational-agents/?agentId=<agent_id>&mode=embedded&title=<title>&welcomeTitle=<welcome_title>&welcomeDescription=<welcome_description>&suggestions=<suggestions>"

   Consulta la siguiente tabla para obtener más detalles.

4. Publicar aplicación: publica tu aplicación. ¡El agente ahora está integrado y listo para usar!

Tabla 2. Parámetros de URL

Parámetro	Obligatorio	Descripción
agentId	Sí	The Release ID of the published agent. To find it, navigate to Agents > Conversational agents, select "Chat now" on your agent, and copy the ID from the URL.
mode	No	Establécelo como embedded para optimizarlo como una experiencia de barra lateral derecha dentro de IFrame. Establecer para fullscreenoptimizar como experiencia de pantalla completa dentro de IFrame. El predeterminado es fullscreen.
title	No	El título mostrado en el encabezado del componente de chat. El valor predeterminado es el nombre del agente.
welcomeTitle	No	Un título para la pantalla de bienvenida de primera ejecución. Por defecto, un string vacío.
welcomeDescription	No	Una descripción para la pantalla de bienvenida de primera ejecución. Por defecto, un string vacío.
suggestions	No	Una matriz de solicitudes sugeridas de primera ejecución para el usuario. El valor predeterminado es una matriz vacía []. Nota: To test on browser directly, wrap in one double quotes. Example: ["Hi, what can you do", "Hello, how are you"] For Apps embedding, wrap in two double quotes– you need to escape the string or else UiPath Apps will throw a validation error. For example: [""Hi, what can you do""].
showHistory	No	Un booleano (true o false) para controlar la Visibilidad del panel Historial de chat. Es true de forma predeterminada.