Agente conversacional

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.

Lo que hace

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.

Nota:

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.

Cuándo usarlo

Situación	Usar
You need an LLM-driven, streamed conversational response, with possible tool-calls.	Agente conversacional
You need a deterministic reply in the conversation (no LLM).	Enviar mensaje
You need an LLM-driven execution with possible tool-calls, but without streaming to the conversation.	Agente autónomo

Nota:

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.

Añadir un agente

Añade el nodo y configúralo en el panel de propiedades.

1. Selecciona el botón + en un controlador de salida o abre la paleta de nodos desde la barra de herramientas inferior.
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.

Referencia de configuración

Campo	Obligatorio	Predeterminado	Descripción
Modelo	No	Modelo de agente predeterminado de la organización	El modelo lingüístico de gran tamaño (LLM) que utiliza el agente. Selecciona un modelo del selector, que enumera los modelos disponibles para tu organización.
Solicitud del sistema	Sí	Ninguno	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.
Temperatura	No	0	Aleatoriedad de muestreo, de 0 a 1. Los valores más bajos hacen que las respuestas sean más deterministas; los valores más altos hacen que las respuestas sean más variadas o creativas.
Máximo de tokens por respuesta	No	8192	Maximum length of each model response within a turn. The ceiling depends on the selected model.
Conversation context	Sí	Ninguno	The conversation context object — containing the chat history — from an upstream Wait for Message, e.g. $vars.waitForMessage1.output.conversationContext

Variables de salida

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.

Importante:

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.

Por ejemplo:

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."

Ramificación en el resultado

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.

Recursos

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.

Cada identificador acepta solo su tipo de recurso coincidente. El lienzo bloquea las conexiones que no encajan, por lo que no puedes, por ejemplo, conectar una herramienta al manipulador de contexto.

Herramientas

Conecta herramientas al identificador de herramientas para dar al agente capacidades que puede llamar mientras razona. El agente decide durante su bucle si llamar a cada herramienta conectada y cuándo hacerlo. Cada herramienta lleva una descripción que le dice al agente para qué sirve, así que escribe descripciones claras cuando una herramienta exponga una.

Los tipos de herramientas que puedes conectar son:

• Herramientas integradas, tres herramientas listas para usar que se describen a continuación.
• Herramientas del conector, que permiten al agente llamar a una operación de Integration Service, por ejemplo, enviar un correo electrónico o crear un registro en un sistema descendente.
• Herramientas de flujo de trabajo de RPA y función de API , que permiten al agente invocar un proceso de RPA publicado o un flujo de trabajo de API como herramienta.
• Herramientas de servidor de protocolo de contexto de modelo (MCP) , que exponen las herramientas publicadas en un servidor MCP.

Herramientas incorporadas

Tres herramientas integradas se envían con Flow. Cada uno es un recurso autónomo que se conecta al manipulador de Herramientas y se configura en su propio panel.

• Analizar archivos: analiza uno o más archivos con un LLM para extraer, sintetizar o responder preguntas sobre su contenido. Describe los archivos que pasará el agente y la tarea de análisis que se ejecutará en ellos.
• Transformación por lotes: procesa y transforma un archivo CSV fila por fila. Proporciona el archivo de origen, describe la tarea por fila y define las columnas de salida que añade la herramienta. Puedes habilitar o deshabilitar la búsqueda en la web para la transformación.
• Resumir: produce una síntesis en todos los documentos (hasta 1000 páginas) con citas. Proporciona el origen, describe qué sintetizar y elige la extensión del archivo. Cuando el origen es un PDF, puedes activar o desactivar las citas.

Herramientas de servidor MCP

Conecta un servidor de protocolo de contexto de modelo (MCP) para exponer sus herramientas al agente. Al seleccionar una o más herramientas del servidor se añade una sección de configuración de herramientas debajo del selector de herramientas, con un panel ampliable por herramienta. En ese panel puedes editar la descripción de cada argumento, ver el esquema completo de entrada y salida de la herramienta y elegir cómo obtiene el argumento su valor: el agente decide en runtime, el valor está vinculado a una variable de agente dentro del ámbito o el valor es fijo (y opcionalmente marcado como sensible).

La lista de herramientas de un servidor MCP puede provenir de dos modos de descubrimiento:

• En caché: toma una instantánea de las herramientas del servidor cuando el servidor está conectado. Utiliza las herramientas Actualizar en el servidor para extraer una instantánea actualizada bajo demanda.
  • De forma predeterminada, el interruptor Actualizar el esquema antes de la llamada en el panel de configuración de una herramienta vuelve a comprobar el servidor para el esquema actual de la herramienta justo antes de cada llamada, por lo que un cambio de esquema en el servidor (un parámetro renombrado o añadido, por ejemplo) no requiere una actualización manual. Cuando está deshabilitada, la herramienta siempre utiliza el esquema de la última instantánea.
• Dinámico: descubre herramientas en tiempo de ejecución en cada llamada, incluidas las herramientas añadidas al servidor después de configurar el nodo.

Para servidores MCP remotos, la actualización sondea el punto final de descubrimiento del servidor para finalizaciones asíncronas. Para los servidores Platform MCP (servicios nativos de UiPath como Document Understanding), la lista de herramientas proviene del catálogo de servicios de UiPath Platform.

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.

Nota:

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

Conecta un recurso de contexto al manipulador de contexto para conectar el agente a tus datos. El agente se basa en estos datos de conexión a tierra mientras razona en lugar de confiar solo en el modelo. Un recurso de contexto apunta a un índice de contexto en tu organización.

Configure cómo el agente recupera del índice, incluido el modo de recuperación (semántico, estructurado, DeepRAG o transformación por lotes), la consulta, el número de resultados a devolver, un umbral de relevancia y si se deben incluir citas. Para crear un nuevo índice de contexto, utiliza la acción Crear nuevo contexto en el panel Añadir del manipulador, que abre la creación de índices en una nueva pestaña.

Escala

Conecta el controlador de escaladas para enrutar a una persona cuando el agente llega a un caso que no debe decidir solo. El agente hace una pausa, un humano actúa en la escalada y el agente reanuda con el resultado. Puedes adjuntar cualquiera de los dos recursos de escalada:

• Escalada: enruta a una tarea de aplicación de acción. Configura la aplicación de acción, los destinatarios, las notificaciones, las entradas pasadas a la aplicación y cómo el resultado de la aplicación se asigna al agente.
• Escalada de aplicación de acción: redirige a una aplicación de acción codificada, con los mismos destinatarios, notificación, entrada y configuración de asignación de resultados.

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.

Importante:

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.

Problemas comunes

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.

Una herramienta de Transformación por lotes conectada informa de un error de validación. La Transformación por lotes requiere al menos una columna de salida. Defina las columnas que la herramienta debe añadir antes de depurar el flujo.

Páginas relacionadas

• 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.