Démarrer avec les agents conversationnels.

La création d'un agent conversationnel suit un cycle de vie structuré qui inclut la conception, les tests, le déploiement et la surveillance. Les principales étapes sont les suivantes :

1. Conception de l'agent : utilisez Studio Web pour définir l'invite système de l'agent, configurer les outils disponibles, ajouter un ancrage dans le contexte et configurer des workflows d'escalade.
2. Test et évaluation : Utilisez le chat de débogage intégré pour tester les interactions multi-tours. Ajoutez des conversations réelles ou simulées aux ensembles d'évaluation pour valider le comportement et les performances.
3. Publier et déployer : Publiez l'agent sous forme de package de solution dans Orchestrator. Assurez-vous que le dossier solution inclut un Unattended Robot serverless pour l'exécution.
4. Accès et gestion : interagir avec l'agent via la gestion des instances. Surveiller le comportement du runtime, examiner les journaux de traçage et effectuer des itérations en fonction des commentaires.

Lors de la conception d'un agent conversationnel, tenez compte des meilleures pratiques suivantes :

1. Commencez par définir clairement un persona : précisez le ton et le champ d'action de l'agent (par exemple, « Tu es un assistant RH sympathique… »).
2. Conception pour l'imprévisibilité : les utilisateurs peuvent fournir des informations incomplètes ou incorrectes. Gérez l'ambiguïté avec élégance.
3. Guide d'utilisation des outils : veillez à ce que leur description indique clairement quand et comment les utiliser.
4. Itération avec des évaluations : créez des cas de test pour les chemins heureux et malheureux. Mettez à jour votre logique d'agent en conséquence.

Création d'un agent conversationnel

Vous pouvez créer des agents conversationnels dans Studio Web à l'aide du même concepteur low-code que pour les agents autonomes, avec des différences clés adaptées au dialogue en temps réel et multi-tours.

Créer l'agent

Pour commencer :

1. Accédez à studio.uipath.com.

2. Sélectionnez le bouton Create New (Créer nouveau), puis Agent.

3. Sélectionnez le type d'agent de conversation.

   Vous pouvez éventuellement décrire votre agent à Autopilot pour générer une configuration de démarrage.

Figure 1. Création d'un nouvel agent de conversation

Remarque :

Le démarrage d'une conversation avec un agent conversationnel déclenche un processus Orchestrator dédié à ce chat. Ce processus s'affiche toujours comme En cours d'exécution afin qu'il puisse répondre immédiatement à vos messages. Cependant, il ne consomme des ressources que lorsque vous envoyez réellement un message. Lorsqu’il est inactif et en attente, il n’utilise aucune ressource.

Configurer l'invite système

La requête système définit le profil de l'agent, ses objectifs, ses contraintes comportementales et sa logique d'outils et d'escalade. Utilisez-la pour indiquer à l'agent comment procéder pour :

• Saluer les utilisateurs.
• Gérer les requêtes inconnues.
• Escalader les problèmes ou appeler des outils.
• Conservez un ton et un style cohérents.

Astuce :

Autopilot peut vous aider à générer une invite de démarrage efficace en fonction de votre cas d’utilisation.

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.

Configurer les outils

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.

Astuce :

Pour les workflows qui effectuent exclusivement des appels d'API, nous vous recommandons d'utiliser des workflows d'API pour de meilleures performances dans les chats en temps réel.

Utilisez des garde-fous au niveau des outils pour appliquer les politiques de runtime. Les garde-fous s'appliquent pendant le test et le runtime et sont visibles dans les journaux de traçage. Pour de plus amples informations, consultez la section Garde-fous.

Configurer les contextes

Ajoutez un ancrage dans le contexte pour donner à votre agent accès à des sources de connaissances spécifiques. L'agent peut interroger ces index pour fournir des réponses éclairées et basées sur des citations. Pour de plus amples informations, reportez-vous à la section Contextes.

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).

Remarque :

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.

Configurer les escalades et la mémoire de l'agent

Les agents conversationnels prennent en charge les workflows d'escalade et la mémoire de l'agent pour améliorer la prise de décision :

• Les escalades permettent à l'agent de confier les conversations à un humain via Action Center lorsque la confiance est faible ou que l'intention de l'utilisateur est floue. Les conversations s'exécutent de manière synchrone, ce qui signifie que l'agent interrompt toute interaction supplémentaire jusqu'à ce que l'escalade soit résolue.
• La mémoire d'agent permet à l'agent de mémoriser et de réutiliser les escalades précédemment résolues, ce qui réduit la redondance et améliore l'efficacité.

Pour de plus amples informations, reportez-vous à la section Escalades et mémoire de l’agent.

Évaluer et tester l'agent

Les évaluations permettent de garantir que votre agent de conversation se comporte de manière fiable dans des chemins de dialogue variés. Le processus est similaire à l'évaluation d'un agent autonome, mais il est adapté au dialogue.

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:

• Appels et réponses d'agent LLM
• Appels d'outils, avec arguments et sorties 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:

• Historique des conversations : un enregistrement des tours précédents du dialogue.
• Message utilisateur actuel : le dernier message de l'utilisateur dans la conversation.
• Réponse attendue de l'agent.

Cela vous permet de tester la capacité de l'agent à maintenir le contexte et à gérer les questions de suivi, ce qui est essentiel pour une bonne expérience conversationnelle.

Figure 2. Création d'ensembles d'évaluation

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.

Graphique 3. La fenêtre du générateur de conversation lors de la modification d'un test d'évaluation

Figure 4. Vous pouvez importer une conversation depuis le Chat de débogage en sélectionnant Ajouter à l'ensemble d'évaluation

Accès aux agents conversationnels

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

Figure 5. Gestion des instances d'agent

Accéder aux agents dans Microsoft Teams et Slack (Aperçu)

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

• Autopilot - Utiliser le chat 1:1 avec l’application Autopilot for Teams
• Autopilot - UiPath Autopilot™ pour Slack

Intégrer des agents conversationnels dans UiPath Apps

Vous pouvez également intégrer un agent conversationnel directement dans une application UiPath à l'aide du composant IFrame.

1. Créer et publier : assurez-vous tout d'abord que votre agent conversationnel a été créé et publié.

2. Ajouter un composant IFrame : ouvrez votre application dans Studio et ajoutez un composant IFrame à votre page.

3. Configurez l'URL : définissez la propriété Source de l'IFrame sur une URL créée avec le format et les paramètres suivants : "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>"

   Examinez le tableau suivant pour plus de détails.

4. Publier l'application : publiez votre application. L'agent est désormais intégré et prêt à l'emploi !

Table 2. Paramètres des URL

Paramètre	Requis	Description
agentId	Oui (Yes)	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	Non (No)	Choisissez embedded pour l'optimiser en tant qu'expérience de barre latérale droite dans IFrame. Choisissez fullscreen pour l'optimiser en tant qu'expérience en mode plein écran dans IFrame. La valeur par défaut est fullscreen.
title	Non (No)	Le titre s'affiche dans l'en-tête du composant de discussion. Par défaut, le nom de l'agent.
welcomeTitle	Non (No)	Titre de l'écran de bienvenue de la première exécution. Par défaut, une chaîne de caractères vide.
welcomeDescription	Non (No)	Description de l'écran de bienvenue de la première exécution. Par défaut, une chaîne de caractères vide.
suggestions	Non (No)	Un tableau d'invites suggérées de première exécution pour l'utilisateur. La valeur par défaut est un tableau vide []. Remarque : 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	Non (No)	Une instruction booléenne (true ou false) permettant de contrôler la visibilité du panneau Historique des discussions. Par défaut, il s'agit de true.