Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
Agentes
Agente de interfaz de usuario: agente de IA para tareas del navegador web. Se utiliza para la automatización web dinámica e inteligente. Simplemente escriba instrucciones para que navegue por sitios web, extraiga datos y genere resultados estructurados.
Agente personalizado: agente de IA para tareas complejas. Cree un agente que pueda entender las instrucciones en lenguaje natural y tomar medidas con las herramientas disponibles. Se utiliza para tareas que requieren razonamiento, juicio y planificación dinámica.
Agentes de interfaz de usuario
El agente de interfaz de usuario es un agente nativo que entiende las instrucciones en lenguaje natural para realizar acciones complejas del navegador. Puede navegar por sitios web de forma autónoma, hacer clic, escribir, leer datos y producir resultados estructurados optimizados para los pasos de automatización posteriores. Algunos ejemplos de casos de uso incluyen resumir los productos en una página web o buscar datos navegando por sitios web.
Propiedades
- Title
Nombre del agente step/UI
- Instrucciones
-
En este campo se escribe el mensaje del agente en lenguaje natural. Mejores prácticas al escribir el mensaje:
Sea claro y explícito acerca de lo que quiere.
Estructura el mensaje. Comience mencionando primero la «tarea» o el «rol» y luego las «instrucciones» para realizar la tarea con pasos numerados
Añade restricciones (por ejemplo, revisa solo la sección de productos) y especifica cuándo stop/end (por ejemplo, detente cuando encuentres la información pertinente)
Da ejemplos positivos y negativos (no hagas esto)
Especifique claramente los requisitos de longitud (por ejemplo, menos de 100 palabras) o el formato de salida (por ejemplo, la fecha en el MM/DD/YY formato)
Envuelva el texto entre comillas triples («"») para escribir indicaciones de varias líneas. Por ejemplo:
"""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...""" - Salida estructurada (opcional)
Respuesta del agente: nombre de la variable a la que se va a asignar el resultado de esta operación
¿Cómo configurar los campos de salida estructurados
Añadir campos
Haga clic en Agregar campo para crear un nuevo campo de salida
Introduzca el nombre de la salida, que pasará a ser el nombre de la propiedad de JSON
Seleccione el tipo en el menú desplegable
Marque Obligatorio si el campo debe estar siempre presente
Añada una descripción para guiar al agente de IA
Tipos de campos
Cadena: valores de texto (nombres, descripciones, resúmenes)
Número: valores numéricos (recuentos, puntuaciones, porcentajes)
True/false Valores booleanos (indicadores de estado, preguntas) yes/no
Objeto: estructura anidada (agrupaciones de datos complejas)
Matriz: lista de elementos (etiquetas, categorías, valores múltiples)
Archivo: referencias de archivos (documentos adjuntos, imágenes)
Tabla de datos: datos tabulares (conjuntos de datos estructurados, informes)
Trabajar con tipos complejos
Los objetos y las matrices pueden contener campos anidados:
Haga clic en la flecha de expansión (▶) situada junto a los campos Objeto o Matriz
Utilice Añadir campo dentro de la estructura anidada
Mantenga el anidamiento a un máximo de 2 a 3 niveles para obtener un rendimiento óptimo
Configuración de ejemplo
Esta es una configuración sencilla para resumir los comentarios de los clientes:
{ "orderId": "12345", "numberOfOrders": 3, "hasShipped": true, "orderDetails": { "quantity": 2, "productName": "ABC", }, "tags": ["electronics", "urgent"] }
Esta estructura se configuraría de la siguiente manera:
OrderID (cadena, obligatorio)
numberOfOrders (Número, obligatorio)
HasShipped (booleano, obligatorio)
Detalles del pedido (objeto, obligatorio)
cantidad (número, obligatorio)
Nombre del producto (cadena, obligatorio)
etiquetas (matriz de cadenas, opcional)
Prácticas recomendadas
Usa nombres de campo descriptivos: ayuda a la IA a entender qué datos extraer
Añada descripciones claras: proporcione contexto a los campos complejos
Marque los campos críticos según sea necesario: asegúrese de que los datos esenciales estén siempre presentes
Limite la profundidad de anidación: mantenga las estructuras simples para un mejor rendimiento
Pruebe la configuración: compruebe que el resultado se ajusta a sus expectativas ejecutando el paso del agente y verificando la respuesta.
Notas importantes
Conocimientos de JSON: ¿No estás familiarizado con JSON? Aprenda los conceptos básicos en json.org
Sin validación: actualmente, el sistema no valida la estructura de salida; asegúrese de que su automatización gestione los datos faltantes o mal formados
Agentes personalizados
El agente personalizado es una acción inteligente que procesa las entradas en lenguaje natural para automatizar pasos complejos mediante funciones integradas de uso de herramientas. Utiliza principalmente integraciones como interfaz de herramientas, a la vez que ofrece extensibilidad para usar el código como herramienta y otras acciones nativas, como la tarea. human-in-the-loop El agente ofrece resultados estructurados y predecibles optimizados para una integración perfecta en los pasos de automatización posteriores.
Propiedades
-
Título: Nombre del agente step/custom
-
Modo: un modo define cómo funciona el agente en función de su caso de uso. Los tres modos disponibles son: Rápido, Pro y Personalizado. El modo rápido es ideal para tareas sencillas, como el resumen, la clasificación y las automatizaciones de gran volumen, y el modo Pro es ideal para tareas complejas que implican el razonamiento y la organización de múltiples herramientas o acciones. Fast y Pro son modos totalmente gestionados que no requieren una configuración previa necesaria. En el modo personalizado, necesitarás un conector de tiempo de ejecución Bedrock y podrás seleccionar el modelo que deseas usar (se explica a continuación). Esto es ideal si ya tiene un indicador ajustado para un modelo de Bedrock en particular, si necesita específicamente un modelo de Bedrock en particular para el Agente o si desea incluir su propio modelo personalizado o ajustado alojado en Bedrock. En el modo personalizado, dado que usted trae su propio modelo de Bedrock mediante una integración, la inferencia del modelo se factura por separado a la cuenta asociada a esa integración de Bedrock.
-
Instrucciones: En este campo se escribe el mensaje del agente en lenguaje natural. Mejores prácticas al escribir el mensaje:
Sea claro y explícito acerca de lo que quiere.
Estructura el mensaje. Comience mencionando primero la «tarea» o el «rol» y luego las «instrucciones» para realizar la tarea con pasos numerados
Para mejorar la precisión al utilizar las herramientas y guiar al agente, especifique claramente en el mensaje qué herramienta utilizar en cada paso, si procede.
Especifique claramente los requisitos de longitud (por ejemplo, menos de 100 palabras) o el formato de salida (por ejemplo, la fecha en el MM/DD/YY formato)
Envuelva el texto entre comillas triples («"») para escribir indicaciones de varias líneas. Por ejemplo:
"""You are content summarization agent. Summarize the last two paragraphs of the provided text, focusing only on the main conclusion."""
-
Acciones: la acción es una herramienta que permite al agente de IA interactuar con sistemas externos o realizar tareas específicas. Es opcional. Puede ejecutar el agente personalizado sin realizar ninguna acción. A continuación se muestran las diferentes acciones que se pueden utilizar en el agente personalizado
-
Acciones generales
Crear tarea de usuario: si está habilitada, esta herramienta permite al agente activar una tarea Human-in-the-Loop (HITL) siempre que se atasque y necesite ayuda durante su ejecución. El agente hace una pausa y espera la intervención humana. La tarea HITL está visible en el centro de tareas. Para obtener los mejores resultados, el autor puede especificar en la solicitud exactamente cuándo el agente debe invocar HITL. Está seleccionada de manera predeterminada. La automatización se ejecuta hasta que finalice la tarea.
Código: la acción Código genera y ejecuta código de Python en un entorno de Python restringido, al igual que las acciones de código, para resolver tareas que implican cálculos, manipulación de datos y procesamiento de archivos. A diferencia de los generadores de código, crea y ejecuta scripts de forma activa para lograr los objetivos y trabaja con Excel, archivos PDF, varios formatos de datos y las integraciones disponibles
Capacidades clave:
Operaciones con archivos: procese archivos de Excel con varias pestañas, extraiga contenido, realice cálculos de fechas, aplique formato condicional y cargue los resultados en S3
Transformación de datos: convierta entre los formatos JSON y de tabla, transponga datos, cambie el nombre de las columnas y combine tablas
Cómputos avanzados: genere secuencias numéricas y realice una validación automática
-
Integraciones: si ha agregado acciones de integración específicas, como Salesforce, MS Exchange o Bedrock, a su grupo de automatización, sus acciones correspondientes aparecen aquí para usarlas en el agente personalizado. A continuación, el autor puede seleccionar las acciones pertinentes para utilizarlas como herramientas para el agente.
Lista de integraciones que se pueden usar como tools/actions en el agente personalizado
Amazon S3
Automatización de datos de Amazon Bedrock
Amazon Comprehend
Amazon Textract
API REST personalizada
Conector MCP personalizado
Microsoft Outlook
Salesforce
-
-
Salida estructurada (opcional)
Configure su agente de IA para que devuelva una salida JSON estructurada que los pasos posteriores puedan procesar. Esta función es ideal para resumir textos, generar informes, transformar datos y extraer estadísticas de contenido no estructurado. Se trata de un campo opcional. Si no define la salida estructurada, el agente devuelve la salida en lenguaje natural de forma predeterminada. Utilice la salida estructurada cuando la salida tenga una estructura definida, como una lista, una tabla de datos o un JSON.
nota
La configuración de salida estructurada de los agentes personalizados sigue el mismo formato que los agentes de interfaz de usuario. Consulte la sección de resultados estructurados del agente de interfaz de usuario para obtener instrucciones de configuración detalladas.
-
Respuesta del agente: nombre de la variable para asignar la salida del agente. La respuesta sigue el formato de salida estructurado en un esquema JSON si está definido; de lo contrario, es un texto de formato libre.
Uso de modelos personalizados en Custom Agent (traiga su propio modelo base)
Integre los modelos ajustados que desee o personalizados alojados en AWS Bedrock con los flujos de trabajo de automatización de Quick Suite.
Antes de comenzar, asegúrese de que dispone de lo siguiente:
Un modelo ajustado implementado y accesible en Bedrock AWS
Acceso rápido al administrador de Suite para crear conectores
Un rol de IAM con permisos de Bedrock para invocar modelos
Su ID de modelo (por ejemplo,)
us.anthropic.claude-3-5-sonnet-20241022-v2:0
Paso 1: Cree una integración de Bedrock Runtime Action siguiendo las instrucciones detalladas de AWS conectores de acción de servicio
Paso 2: Configure su grupo de automatización
Cree un grupo de automatización y conecte la integración:
Cree un grupo de automatización: siga las instrucciones detalladas en Tareas de configuración
Configure las integraciones: siga las instrucciones detalladas en Tareas de configuración
Una vez configurado, el conector aparece en la lista de activos disponibles
Paso 3: Configurar un agente personalizado
Agregue y configure un agente personalizado para usar su modelo ajustado:
En su flujo de trabajo de automatización, añada un agente personalizado
Configure los siguientes ajustes del agente:
Título del agente: introduzca un nombre descriptivo para su agente
Instrucciones: introduce indicaciones personalizadas adaptadas a tu caso de uso
Modo: selecciona Personalizado
Conector: elija su conector Bedrock Runtime (obligatorio cuando se selecciona el modo personalizado)
Modelo personalizado: introduzca su ID de modelo (por ejemplo,
us.anthropic.claude-3-5-sonnet-20241022-v2:0), que es obligatorio cuando se selecciona el modo personalizado
Pasos siguientes
Una vez configurado, su agente personalizado utilizará el modelo ajustado para procesar las solicitudes de acuerdo con las instrucciones que haya proporcionado. Ahora puede incorporar este agente a sus flujos de trabajo de Quick Automate.
nota
Asegúrese de que su ID de modelo tenga el formato correcto y coincida con el modelo implementado en su AWS cuenta de Bedrock. Puede encontrar su ID de modelo en la consola de AWS Bedrock, en los modelos aprovisionados.
Pruebas de agentes personalizadas
Las pruebas de agentes personalizadas le permiten probar agentes individuales de forma independiente del flujo de trabajo de automatización completo. Esta capacidad le ayuda a validar el comportamiento de los agentes, depurar las solicitudes y realizar iteraciones de forma más eficiente sin ejecutar todo el flujo de trabajo.
Requisitos previos
Un flujo de trabajo de automatización con al menos un agente personalizado configurado
Permisos adecuados para ejecutar las automatizaciones en su espacio de trabajo
Inicie una prueba
En el lienzo del flujo de trabajo, coloca el cursor sobre la tarjeta de agente que quieres probar
Selecciona el botón de prueba unitaria que aparece en la parte superior de la tarjeta
En la ventana de recopilación de variables que se abre, revise las variables detectadas automáticamente en el mensaje de su agente
La vista previa del mensaje muestra todas las variables detectadas resaltadas
Introduzca un valor para cada variable
Los valores deben usar una sintaxis de expresión válida
Si un valor contiene una sintaxis no válida, aparece un mensaje de error que impide la ejecución de la prueba
Supervisa la ejecución de las pruebas
Durante la ejecución de la prueba, puede supervisar el progreso en el panel de auditoría situado en el lado derecho de la pantalla. La prueba omite todos los pasos anteriores del flujo de trabajo y ejecuta solo el agente seleccionado. Se obtiene la misma experiencia de registro que cuando se ejecuta un flujo de trabajo completo.
Revise los resultados de las pruebas
Una vez finalizada la prueba, revise la siguiente información en el panel de pruebas:
Tarjeta de métricas (pestaña de monitoreo en la parte superior del panel de prueba)
Tiempo total de ejecución
Número de herramientas utilizadas
Número de tareas creadas
Inicia sesión en el medio
Vea la pestaña Variables (acordeón inferior del panel de pruebas)
Entrada: vea las variables de entrada y sus valores
Salida: examine los resultados de salida de la ejecución del agente
Para obtener resultados estructurados, haga clic en el botón Ver detalles para elegir el visor JSON y abrir el cuadro de diálogo Ver resultados:
Pestaña Campos: navegue por los datos mediante la vista de estructura en árbol
Campos: resalte los valores correspondientes seleccionando los nodos del árbol en la pestaña Campos
Campos de salida: valores correspondientes a las claves JSON
Uso del agente personalizado con Build with Assistant
El principio actual del agente personalizado es que debe mencionarse específicamente para que se invoque de manera coherente. Estos son los elementos necesarios en el mensaje para que aparezca:
- Function names: `use_inline_agent` - Representation names: "Custom Agent", "Inline Agent" → use `use_inline_agent` - Generic terms: "agentic skills" → default to `use_inline_agent`
De lo contrario, se prefiere el modelo para crear el flujo de trabajo de forma determinista.
Sin embargo, en la práctica, cuando no hay disponibles las acciones adecuadas, el planificador puede elegir un agente personalizado como solución alternativa. Sin embargo, para invocar el agente personalizado de forma coherente en el flujo de trabajo, se recomienda utilizar las frases anteriores en el mensaje.
Ejemplos de casos de uso de agentes
Caso de uso 1: agente de clasificación y asignación de correo electrónico
Función: Usted es un agente de categorización y asignación de correo electrónico
Instrucciones: Siga estos pasos:
Paso 1: Clasifique el correo electrónico entrante según la columna de categoría de la tabla de referencia proporcionada como conocimiento
Paso 2: Usa el sistema de correo electrónico para enviar una notificación:
Desde: [system_email]
Para: [team_distribution_email]
Asunto: [Resultado de la clasificación]
Cuerpo: incluye un breve resumen que explique el razonamiento de la clasificación y los puntos clave del correo electrónico original
Paso 3: Para todas las categorías válidas (excepto las «desconocidas»), cree un nuevo caso en Salesforce con:
Asunto: [Asunto del correo electrónico original]
Descripción: Problema resumido del cuerpo del correo
Prioridad: se basa en la urgencia del contenido (High/Medium/Low)
Tipo: Seleccione el tipo apropiado (Question/Problem/Feature Request/Other)
Estado: «Nuevo»
Categoría: [Resultado de la clasificación del paso 1]
Paso 4: Si se clasifica como «desconocido»:
Diríjase al supervisor para su revisión manual
Agregue una nota que explique por qué la clasificación era incierta
Según la categoría recibida del supervisor, siga los pasos 2 y 3 y deténgase
Si la categoría recibida del supervisor es desconocida o no válida, deténgase
