Agents - Amazon Quick
Agents d'interface utilisateurAgents personnalisés

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Agents

  • Agent d'interface utilisateur : agent d'intelligence artificielle pour les tâches du navigateur Web. Utilisé pour l'automatisation dynamique et intelligente du Web. Rédigez simplement des instructions pour lui permettre de naviguer sur des sites Web, d'extraire des données et de générer des sorties structurées.

  • Agent personnalisé : agent d'intelligence artificielle pour les tâches complexes. Créez un agent capable de comprendre les instructions en langage naturel et de prendre des mesures à l'aide des outils disponibles. Utilisé pour les tâches qui nécessitent du raisonnement, du jugement et une planification dynamique.

Agents d'interface utilisateur

L'agent d'interface utilisateur est un agent natif qui comprend les instructions en langage naturel pour effectuer des actions complexes sur le navigateur. Il peut naviguer de manière autonome sur des sites Web, cliquer, taper, lire des données et produire des sorties structurées optimisées pour les étapes d'automatisation en aval. Les exemples d'utilisation incluent le résumé des produits sur une page Web ou la récupération de données en naviguant sur des sites Web.

Propriétés

Titre

Nom de l' step/UI agent

Instructions

Dans ce champ, vous écrivez l'invite pour l'agent en langage naturel. Meilleures pratiques lors de la rédaction de l'invite :

  • Soyez clair et explicite quant à ce que vous voulez.

  • Structurez l'invite. Commencez par mentionner la « tâche » ou le « rôle », puis les « instructions » pour réaliser la tâche avec des étapes numérotées

  • Ajoutez des contraintes (par exemple, ne consultez que la section des produits) et spécifiez quand stop/end (par exemple, arrêtez lorsque vous trouvez les informations pertinentes)

  • Donnez des exemples positifs et négatifs (ne faites pas cela)

  • Spécifiez clairement les exigences de longueur (par exemple, moins de 100 mots) ou le format de sortie (par exemple, date dans le MM/DD/YY format)

Mettez le texte entre guillemets (« ») pour écrire des instructions multilignes. Par exemple :

"""Task: Locate the company's latest annual report.
* Visit the provided URL.
* Look for the annual report. The report may be titled 'Annual Report', 'Financial Report', 'Year in Review', or similar variations..."""
Sortie structurée (facultatif)

Réponse de l'agent : nom de la variable à laquelle attribuer le résultat de cette opération

Comment configurer des champs de sortie structurés

Ajouter des champs

  • Cliquez sur Ajouter un champ pour créer un nouveau champ de sortie

  • Entrez le nom de sortie : il devient le nom de la propriété JSON

  • Sélectionnez le type dans le menu déroulant

  • Cochez Obligatoire si le champ doit toujours être présent

  • Ajouter une description pour guider l'agent AI

Types de champs

  • Chaîne - Valeurs de texte (noms, descriptions, résumés)

  • Nombre - Valeurs numériques (dénombrements, scores, pourcentages)

  • Booléen : True/false valeurs (indicateurs de statut, yes/no questions)

  • Objet - Structure imbriquée (groupements de données complexes)

  • Tableau - Liste des éléments (tags, catégories, valeurs multiples)

  • Fichier - Références de fichiers (pièces jointes de documents, images)

  • Tableau de données - Données tabulaires (ensembles de données structurés, rapports)

Travailler avec des types complexes

Les objets et les tableaux peuvent contenir des champs imbriqués :

  • Cliquez sur la flèche d'extension (▶) à côté des champs Objet ou Tableau

  • Utiliser Ajouter un champ dans la structure imbriquée

  • Maintenez la nidification à 2 ou 3 niveaux maximum pour des performances optimales

Exemple de configuration

Voici une configuration simple pour résumer les commentaires des clients :

{
  "orderId": "12345",
  "numberOfOrders": 3,
  "hasShipped": true,
  "orderDetails": {
    "quantity": 2,
    "productName": "ABC",
  },
  "tags": ["electronics", "urgent"]
}

Cette structure serait configurée comme suit :

  • OrderID (chaîne, obligatoire)

  • numberOfOrders (Numéro, obligatoire)

  • hasShipped (booléen, obligatoire)

  • Détails de la commande (objet, obligatoire)

    • quantité (nombre, obligatoire)

    • Nom du produit (chaîne, obligatoire)

  • tags (tableau de chaînes, facultatif)

Bonnes pratiques

  • Utilisez des noms de champs descriptifs - Aidez l'IA à comprendre les données à extraire

  • Ajoutez des descriptions claires - Fournissez un contexte pour les champs complexes

  • Marquez les champs critiques comme requis - Assurez-vous que les données essentielles sont toujours présentes

  • Limitez la profondeur de nidification - Simplifiez les structures pour de meilleures performances

  • Testez votre configuration : vérifiez que le résultat correspond à vos attentes en exécutant l'étape de l'agent et en vérifiant la réponse.

Remarques importantes

  • Connaissance du JSON : vous ne connaissez pas le JSON ? Apprenez les bases sur json.org

  • Aucune validation : actuellement, le système ne valide pas la structure de sortie. Assurez-vous que votre automatisation gère les données manquantes ou mal formées

Agents personnalisés

L'agent personnalisé est une action intelligente qui traite les entrées en langage naturel pour automatiser des étapes complexes à l'aide de fonctionnalités intégrées d'appel d'outils. Il utilise principalement les intégrations comme interface d'outils, tout en offrant une extensibilité permettant d'utiliser le code comme outil et d'autres actions natives telles human-in-the-loop que les tâches. L'agent fournit des résultats structurés et prévisibles optimisés pour une intégration parfaite dans les étapes d'automatisation en aval.

Propriétés

  • Titre : Nom de l' step/custom agent

  • Mode : un mode définit le mode de fonctionnement de l'agent en fonction de votre cas d'utilisation. Les trois modes disponibles sont les suivants : Fast, Pro et Custom. Fast est idéal pour les tâches simples telles que le résumé, la classification et les automatisations de gros volumes, tandis que Pro est idéal pour les tâches complexes impliquant le raisonnement et l'orchestration de plusieurs outils ou actions. Fast et Pro sont des modes entièrement gérés qui ne nécessitent aucune préconfiguration préalable. En mode personnalisé, vous aurez besoin d'un connecteur d'exécution Bedrock et pourrez sélectionner le modèle que vous souhaitez utiliser (expliqué ci-dessous). C'est idéal lorsque vous avez déjà une invite affinée pour un modèle Bedrock en particulier, si vous avez besoin d'un modèle Bedrock spécifique pour l'agent ou si vous souhaitez inclure votre propre modèle personnalisé ou affiné hébergé sur Bedrock. En mode personnalisé, étant donné que vous apportez votre propre modèle depuis Bedrock via une intégration, l'inférence du modèle est facturée séparément sur le compte associé à cette intégration Bedrock.

  • Instructions : Dans ce champ, vous écrivez l'invite pour l'agent en langage naturel. Meilleures pratiques lors de la rédaction de l'invite :

    • Soyez clair et explicite quant à ce que vous voulez.

    • Structurez l'invite. Commencez par mentionner la « tâche » ou le « rôle », puis les « instructions » pour réaliser la tâche avec des étapes numérotées

    • Pour améliorer la précision des appels d'outils et guider l'agent, spécifiez clairement dans l'invite l'outil à utiliser à chaque étape, le cas échéant.

    • Spécifiez clairement les exigences de longueur (par exemple, moins de 100 mots) ou le format de sortie (par exemple, date dans le MM/DD/YY format)

    • Mettez le texte entre guillemets (« ») pour écrire des instructions multilignes. Par exemple :

      """You are content summarization agent.
Summarize the last two paragraphs of the provided text, focusing only on the main conclusion."""

  • Actions : L'action est un outil qui permet à l'agent IA d'interagir avec des systèmes externes ou d'effectuer des tâches spécifiques. Ce nom est facultatif. Vous pouvez exécuter l'agent personnalisé sans aucune action. Vous trouverez ci-dessous les différentes actions qui peuvent être utilisées dans l'agent personnalisé

    • Actions générales

      • Créer une tâche utilisateur : s'il est activé, cet outil permet à l'agent de déclencher une tâche Human-in-the-Loop (HITL) chaque fois qu'elle est bloquée et qu'elle a besoin d'assistance lors de son exécution. L'agent fait une pause et attend l'intervention humaine. La tâche HITL est visible dans le centre de tâches. Pour de meilleurs résultats, l'auteur peut spécifier dans l'invite exactement à quel moment l'agent doit invoquer HITL. Cette option est sélectionnée par défaut. L'automatisation s'exécute jusqu'à ce que la tâche soit terminée.

      • Code - L'action Code génère et exécute du code python dans un environnement Python restreint, comme les actions de code, pour résoudre des tâches impliquant des calculs, la manipulation de données et le traitement de fichiers. Contrairement aux générateurs de code, il crée et exécute activement des scripts pour atteindre des objectifs, en travaillant avec Excel, des fichiers PDF, divers formats de données et les intégrations disponibles

        • Capacités clés :

          • Opérations sur les fichiers : traitez des fichiers Excel à onglets multiples, extrayez du contenu, effectuez des calculs de date, appliquez une mise en forme conditionnelle et téléchargez les résultats dans S3

          • Transformation des données : conversion entre le format JSON et le format de table, transpose des données, renomme des colonnes et joint des tables

          • Calculs avancés : générez des séquences numériques et effectuez une validation automatique

    • Intégrations : si vous avez ajouté des actions d'intégration spécifiques, telles que Salesforce, MS Exchange ou Bedrock, à votre groupe d'automatisation, les actions correspondantes apparaissent ici pour être utilisées dans l'agent personnalisé. L'auteur peut ensuite sélectionner les actions pertinentes à utiliser comme outils pour l'agent.

      Liste des intégrations pouvant être utilisées comme tools/actions dans l'agent personnalisé

      • Amazon S3

      • Amazon Bedrock Automatisation des données

      • Amazon Comprehend

      • Amazon Textract

      • API REST personnalisée

      • Connecteur MCP personnalisé

      • Microsoft Outlook

      • Salesforce

  • Sortie structurée (facultatif)

    Configurez votre agent d'IA pour qu'il renvoie une sortie JSON structurée que les étapes en aval peuvent traiter. Cette fonctionnalité est idéale pour la synthèse de texte, la génération de rapports, la transformation des données et l'extraction de statistiques à partir de contenus non structurés. Il s'agit d'un champ facultatif. Si vous ne définissez pas de sortie structurée, l'agent renvoie la sortie en langage naturel par défaut. Utilisez une sortie structurée lorsque votre sortie possède une structure définie, telle qu'une liste, une table de données ou un fichier JSON.

    Note

    La configuration de sortie structurée pour les agents personnalisés suit le même format que les agents d'interface utilisateur. Reportez-vous à la section de sortie structurée de l'agent d'interface utilisateur pour obtenir des instructions de configuration détaillées.

  • Réponse de l'agent : nom de la variable à laquelle attribuer la sortie de l'agent. La réponse suit votre format de sortie structuré dans un schéma JSON s'il est défini, sinon il s'agit d'un texte de forme libre.

Utilisation de modèles personnalisés dans Custom Agent (apportez votre propre modèle de base)

Intégrez les modèles affinés de votre choix ou personnalisés hébergés dans AWS Bedrock avec les flux de travail d'automatisation de Quick Suite.

Avant de commencer, assurez-vous que vous disposez des éléments suivants :

  • Un modèle affiné déployé et accessible dans Bedrock AWS

  • Accès à Quick Suite Admin pour créer des connecteurs

  • Un rôle IAM avec des autorisations Bedrock pour invoquer des modèles

  • L'identifiant de votre modèle (par exemple,us.anthropic.claude-3-5-sonnet-20241022-v2:0)

Étape 1 : Créez une intégration Bedrock Runtime Action en suivant les instructions détaillées dans AWS connecteurs d'action de maintenance

Étape 2 : configurer votre groupe d'automatisation

Créez un groupe d'automatisation et connectez l'intégration :

  • Créez un groupe d'automatisation - Suivez les instructions détaillées dans Tâches de configuration

  • Configuration des intégrations : suivez les instructions détaillées dans Tâches de configuration

  • Une fois configuré, le connecteur apparaît dans votre liste de ressources disponibles

Étape 3 : Configuration d'un agent personnalisé

Ajoutez et configurez un agent personnalisé pour utiliser votre modèle personnalisé :

  • Dans votre flux de travail d'automatisation, ajoutez un agent personnalisé

  • Configurez les paramètres d'agent suivants :

    • Titre de l'agent : entrez un nom descriptif pour votre agent

    • Instructions : entrez des instructions personnalisées adaptées à votre cas d'utilisation

    • Mode : Sélectionnez Personnalisé

    • Connecteur : Choisissez votre connecteur Bedrock Runtime (obligatoire lorsque le mode personnalisé est sélectionné)

    • Modèle personnalisé : entrez l'identifiant de votre modèle (par exemple,us.anthropic.claude-3-5-sonnet-20241022-v2:0), obligatoire lorsque le mode personnalisé est sélectionné

Étapes suivantes

Une fois configuré, votre agent personnalisé utilise le modèle affiné pour traiter les demandes conformément aux instructions que vous avez fournies. Vous pouvez désormais intégrer cet agent dans vos flux de travail Quick Automate.

Note

Assurez-vous que l'identifiant de votre modèle est correctement formaté et correspond au modèle déployé dans votre compte AWS Bedrock. Vous pouvez trouver l'identifiant de votre modèle dans la console AWS Bedrock sous vos modèles approvisionnés.

Tests d'agents personnalisés

Les tests d'agents personnalisés vous permettent de tester des agents individuels indépendamment de l'ensemble du flux de travail d'automatisation. Cette fonctionnalité vous permet de valider le comportement de l'agent, de déboguer les instructions et d'itérer plus efficacement sans exécuter l'intégralité du flux de travail.

Conditions préalables

  • Un flux de travail d'automatisation avec au moins un agent personnalisé configuré

  • Autorisations appropriées pour exécuter des automatisations dans votre espace de travail

Lancer un test

  • Dans le canevas du flux de travail, survolez la carte d'agent que vous souhaitez tester

  • Choisissez le bouton Test unitaire qui apparaît en haut de la carte

  • Dans la fenêtre de collecte de variables qui s'ouvre, passez en revue les variables détectées automatiquement à l'invite de votre agent

    • L'aperçu rapide affiche toutes les variables détectées avec surbrillance

  • Entrez une valeur pour chaque variable

    • Les valeurs doivent utiliser une syntaxe d'expression valide

    • Si une valeur contient une syntaxe non valide, un message d'erreur apparaît et empêche l'exécution du test

Surveiller l'exécution des tests

Pendant l'exécution du test, vous pouvez suivre la progression dans le panneau d'audit situé sur le côté droit de l'écran. Le test ignore toutes les étapes précédentes du flux de travail et n'exécute que l'agent sélectionné. Vous bénéficiez de la même expérience de journalisation qu'une exécution complète d'un flux de travail.

Passez en revue les résultats des tests

Une fois le test terminé, consultez les informations suivantes dans le panneau Test :

  • Carte de mesures (onglet Moniteur en haut du panneau de test)

    • Temps d'exécution total

    • Nombre d'outils utilisés

    • Nombre de tâches créées

  • Se connecte entre les deux

  • Afficher l'onglet Variables (accordéon inférieur du panneau de test)

    • Entrée - Afficher les variables d'entrée et leurs valeurs

    • Sortie : examine les résultats de sortie de l'exécution de l'agent

    • Pour les sorties structurées, cliquez sur le bouton Afficher les détails pour choisir le visualiseur JSON pour ouvrir la boîte de dialogue Afficher la sortie :

      • Onglet Champs - Parcourez les données à l'aide de la vue arborescente

      • Champs - Mettez en évidence les valeurs correspondantes en sélectionnant des nœuds d'arborescence dans l'onglet Champs

      • Champs de sortie - Valeurs correspondantes pour les clés JSON

Utilisation d'un agent personnalisé avec Build with Assistant

Le principe actuel de l'agent personnalisé est qu'il doit être spécifiquement mentionné pour qu'il soit régulièrement invoqué. Voici les éléments nécessaires dans l'invite pour le faire apparaître :

- Function names: `use_inline_agent`
- Representation names: "Custom Agent", "Inline Agent" → use `use_inline_agent`
- Generic terms: "agentic skills" → default to `use_inline_agent`

Dans le cas contraire, le modèle est préféré pour créer le flux de travail de manière déterministe.

Cependant, dans la pratique, lorsqu'aucune action appropriée n'est disponible, le planificateur peut choisir un agent personnalisé comme solution de contournement. Mais pour invoquer systématiquement un agent personnalisé dans le flux de travail, il est recommandé d'utiliser les phrases ci-dessus dans l'invite.

Exemples de cas d'utilisation d'agents

Cas d'utilisation 1 : agent de classification et d'attribution des e-mails

Rôle : Vous êtes un agent de catégorisation et d'attribution d'e-mails

Instructions : Procédez comme suit :

  • Étape 1 : Classer le courrier électronique entrant en fonction de la colonne Catégorie du tableau de référence fourni en tant que connaissance

  • Étape 2 : utilisez le système de messagerie pour envoyer une notification :

    • De : [system_email]

    • À : [team_distribution_email]

    • Sujet : [Résultat du classement]

    • Corps : inclure un bref résumé expliquant le raisonnement de classification et les points clés de l'e-mail d'origine

  • Étape 3 : Pour toutes les catégories valides (sauf « inconnue »), créez un nouveau dossier dans Salesforce avec :

    • Objet : [Objet de l'e-mail original]

    • Description : résumé du problème à partir du corps de l'e-mail

    • Priorité : basée sur l'urgence du contenu (High/Medium/Low)

    • Type : Sélectionnez le type approprié (Question/Problem/Feature Request/Other)

    • État : « Nouveau »

    • Catégorie : [Résultat du classement obtenu à l'étape 1]

  • Étape 4 : Si vous êtes classé comme « inconnu » :

    • Transférer au superviseur pour une révision manuelle

    • Ajouter une note expliquant pourquoi la classification était incertaine

    • En fonction de la catégorie reçue du superviseur, suivez les étapes 2 et 3 et arrêtez

    • Si la catégorie reçue du superviseur est inconnue ou non valide, arrêtez