Execute o thread

Description

Essa atividade permite que processos automatizados orquestrados pelo Maestro se conectem a um projeto Azure AI Foundry e invoquem agentes definidos dentro dele.

Criando o agente do Microsoft Azure AI Foundry

Dentro do AzureFoundry AI, os agentes podem ser criados usando métodos codificados e sem código, conforme suportados pelo Azure. A compatibilidade do conector UiPath depende do agente ser implantado e disponível por API em projectname/services.ai.azure.com/api/.

Uma estratégia para a interação do Maestro com o agente deve persistir durante toda a criação do agente. No processo de negócios do Maestro, o Maestro enviará um conjunto pré-definido de parâmetros para o agente com uma previsão clara de quais parâmetros o agente usará em sua resposta para continuar direcionando o processo para o seu objetivo.

Como usar a atividade

Para usar essa atividade em um processo com agente do Maestro, siga estas etapas:

1. Adicione um elemento de tarefa de serviço à tela e abra o painel de Propriedades da tarefa.
2. Nomeie a tarefa de serviço Foundry Hello World.
3. Na seção Implementação , na lista suspensa Ação , selecione Iniciar e aguardar agente externo.
4. Selecione o conector Microsoft Azure AI Foundry .
5. Selecione uma conexão existente ou crie uma nova. Para obter mais informações, consulte Autenticação do Microsoft Azure AI Foundry .

6. Em Atividade, selecione Executar o thread.

7. Em Nome do agente, selecione um agente criado anteriormente no Microsoft Azure AI Foundry.

8. Em Mensagem, insira "O que você pode fazer?". Certifique-se de incluir as aspas no prompt.

   

9. Conecte o evento de início à tarefa de serviço, e a tarefa de serviço a um nó de evento final na tela.

10. Selecione Depurar para executar esse processo. Após uma execução bem-sucedida, revise as variáveis globais e procure a resposta {:} da origem: Foundry Hello World. Tome nota da estrutura da resposta.

    Observação: a execução do agente Foundationry pode levar até 90 segundos para ser concluída. Em algumas situações raras, pode levar até 10 minutos devido ao mecanismo de resposta assíncrona do agenteFoundry.

    Por exemplo, esta é a resposta do agente ao prompt "O que você pode fazer?":

    {
      "content_value": "Here’s how I can assist you:\n\n- **Recommend AI Tools**: Suggest the best AI tools (apps, platforms, APIs) for your specific challenge, need, or workflow.\n- **Usage Guidance**: Provide clear steps on how to use the suggested AI tool for your scenario.\n- **Prompt Writing**: If the suggestion involves an AI language model (like ChatGPT, Claude, etc.), I provide you with a ready-to-use prompt tailored to your need.\n- **Comparison**: Offer quick comparisons between similar AI tools if needed.\n- **Special Cases**: Point you to tools with image/audio/video capabilities for media-related requirements.\n\n**Try me:**  \n- State your problem, task, or goal (e.g., “I need to summarize research articles”).\n- I’ll reply with the best matching AI tool and exact usage instructions/prompt.",
      "thread_id": "thread_AJhKo6PvrzCFu1dtpXV1ZEqM",
      "assistant_id": "asst_lozoOWbsiggHu9QItxfrXZt1",
      "role": "assistant",
      "run_id": "run_GS5b1gEgXElhudrhFSAtFzQo",
      "content_type": "text",
      "latest_message_id": "msg_D5MUkFj4AvsHKNdHNFQBJpAv",
      "created_at": 1758581230,
      "object": "thread.message",
      "timestamp": "2025-09-22T22:47:10Z",
      "eventType": "TRIGGER_CREATED"
    }

A saída do agente deve ser atribuída a uma variável de processo para que possa influenciar o progresso do processo do Maestro, por exemplo, para tomar uma decisão com base em uma avaliação booleana ou para usar a resposta de uma tarefa de classificação.

1. No modo de Design, selecione o agente na tela de design.

2. Selecione Propriedades.

3. Em Saída, selecione Adicionar novo e adicione uma variável do tipo String chamada agent_reponse.

4. Para Valor, selecione Discoverry Hello World > Response > Content value (string).

Dica: na prática, especifique a saída estruturada de sua escolha do agente e, em seguida, avalie a saída dentro do Maestro usando o Editor de expressão para extrair a parte específica da saída de que você precisa no tipo necessário para o seu fluxo de processo.

Exemplo de manipulação da saída do agente no Maestro usando o Editor de expressão:

Se o prompt foi:

"Qual é a capital da França?" resposta em um JSON apenas na forma de {"maior":"Normandy") apenas saída JSON

A resposta é result.reponse.content_value (tipo string):

{"maior":"Paris"}

Se quisermos convertê-la para JSON, crie uma nova variável do tipo JSON, por exemplo answer_in_JSON e use o editor de Expressão:

js:JSON.parse(result.response.messages[0].content)

O resultado da expressão js é (tipo JSON):

{
  "capital": "Paris"
}

Solução de problemas e ajuste

Além de estabelecer conectividade, você deve testar prompts tanto no espaço de trabalho do Microsoft Azure AI Foundry quanto no Maestro. Isso garante que você alcance a saída desejada que pode ser mais bem consumida pelo Maestro, atribuída a variáveis e passada para outros agentes no processo.

Recomendamos que os prompts detalhados permaneçam dentro dos prompts do sistema do agente no Microsoft Azure AI Foundry. O prompt do usuário que é fornecido pelo Maestro ao agente no runtime deve ser breve e direto ao ponto. Sua função é principalmente indicar as variáveis relevantes necessárias para o agente executar tarefas específicas e gerar uma saída consistente esperada.

A saída destinada a humanos, por exemplo, os motivos de um escalonamento, pode ser facilmente passada como texto natural para o humano. A saída esperada para uma ação de API/robô deve ser estritamente composta. Aqui está um exemplo de prompt de usuário que produz uma saída específica de um agente. Use o editor de expressão do C# dentro do Studio para adicionar variáveis conforme necessário.

"What is the quantity on inventory of Order ID " + vars.orderId_1 + "respond only with a JSON object with the quantity in the key Order_Quantity. No explanations, only JSON"

O agente responderá com:

{"Order_Quantity":"100"}

Preste atenção especial aos tipos em sua solicitação ao agente e na resposta real. Mesmo que a resposta tenha aparência do tipo JSON, na verdade ela pode ser do tipo string.