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 personalizados
El agente personalizado es una acción inteligente que procesa las entradas en lenguaje natural para automatizar pasos complejos mediante funciones integradas de llamada a herramientas. Utiliza principalmente las integraciones como interfaz de herramientas, a la vez que ofrece extensibilidad para utilizar el código como herramienta y otras acciones nativas, como las tareas informales. El agente ofrece resultados estructurados y predecibles optimizados para una integración perfecta en los pasos de automatización posteriores.
Propiedades
-
Cargo: 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, escriba 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 se dispone de 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
Uso de bases de conocimiento con agentes personalizados
En Amazon Quick Automate, puede conectar las bases de conocimiento con los agentes personalizados para permitir la AI-powered recuperación y la respuesta a las preguntas de los documentos de su organización. Al vincular un espacio rápido a su grupo de automatización, los agentes personalizados pueden buscar y recuperar información de las bases de conocimientos de ese espacio.
Úselo para las automatizaciones que necesitan hacer referencia a los conocimientos de la organización, como responder a preguntas de documentos de políticas, resumir informes o clasificar el contenido en función de los datos de referencia.
Las bases de conocimiento indexan los documentos para realizar búsquedas semánticas, de modo que el agente personalizado recupera solo los pasajes más relevantes en lugar de procesar archivos completos. Esto hace que la recuperación sea más rápida y precisa, especialmente en conjuntos de documentos de gran tamaño.
Requisitos previos
Un espacio rápido con una o más bases de conocimiento configuradas. Para obtener más información, consulte Organice, colabore y comparta recursos con los espacios de Amazon Quick.
Un grupo de automatización del que usted es propietario
Owner-level acceso al espacio que quieres vincular
Vincula un espacio a tu grupo de automatización
Antes de que un agente personalizado pueda acceder a las bases de conocimiento, debe vincular el espacio que contiene esas bases de conocimiento a su grupo de automatización. Al vincular un espacio, se otorga al grupo de automatización permiso para acceder a las bases de conocimiento y los archivos de ese espacio.
Para vincular un espacio a un grupo de automatización:
En la pestaña Automatizaciones, vaya a la página Proyectos.
Elija Grupos y seleccione el grupo al que desee adjuntar el espacio.
sugerencia
También puedes elegir Crear grupo en la parte derecha para crear un nuevo grupo de automatización.
En la sección Activos, selecciona Añadir y, a continuación, selecciona Espacios.
Seleccione el espacio que contiene las bases de conocimiento que desee usar y, a continuación, elija Agregar.
El espacio ahora aparece en la lista de conexiones del grupo de automatización. Los agentes personalizados de este grupo de automatización pueden acceder a las bases de conocimiento y los archivos del espacio vinculado. Los demás recursos del espacio no están disponibles para las automatizaciones.
nota
Si el espacio muestra Acceso limitado después de añadirlo, significa que no todas las bases de conocimiento se comparten con el grupo de automatización. Esto puede suceder si las bases de conocimiento se agregaron al espacio después de vincularlas o si inicialmente no se compartieron todas las bases de conocimiento. Para resolver este problema, actualice la conexión del espacio para compartir todos los recursos con el grupo de automatización. No es necesario volver a configurar la pestaña Conocimientos en los agentes personalizados individuales.
Añada conocimientos a un agente personalizado
Tras vincular un espacio a su grupo de automatización, puede configurar un agente personalizado para que utilice las bases de conocimiento de ese espacio. El flujo de trabajo debe estar en el mismo grupo de automatización en el que adjuntó el espacio.
Para añadir conocimientos a un agente personalizado:
En el generador de flujos de trabajo, añada un paso de agente personalizado. Puedes arrastrar y soltar un nodo de agente personalizado en el lienzo o chatear con el asistente de automatización para crear este paso.
En el panel de propiedades del agente, selecciona Knowledge y, a continuación, selecciona Añadir.
Se abre un selector que muestra los espacios disponibles vinculados al grupo de automatización. Seleccione uno o más espacios que contengan las bases de conocimiento que desea que utilice el agente.
Seleccione Save.
El agente personalizado ahora puede buscar y recuperar contenido de las bases de conocimiento de los espacios seleccionados cuando se ejecuta la automatización.
Al adjuntar un espacio, todas las bases de conocimiento que se encuentren dentro de ese espacio pasan a estar disponibles automáticamente para el agente. No es necesario adjuntar cada base de conocimientos de forma individual. En tiempo de ejecución, el agente consulta cada base de conocimientos de forma independiente y combina los resultados en su respuesta.
nota
Si el propietario del grupo de automatización pierde el acceso a una base de conocimientos específica del espacio, dicha base de conocimientos se omite durante las consultas y el editor de flujo de trabajo muestra un distintivo de advertencia en el anexo del espacio.
Instrucciones de redacción para las consultas a la base de conocimientos
Cuando un agente personalizado tiene bases de conocimiento adjuntas, busca y recupera automáticamente el contenido relevante según sus instrucciones. Escriba instrucciones que describan claramente qué información debe encontrar el agente o cómo debe utilizar el contenido de la base de conocimientos.
Prácticas recomendadas:
Sea específico en cuanto a la información que debe recuperar o resumir
Haga referencia al tipo de contenido que espera que encuentre el agente (por ejemplo, «Busque en los documentos de política...» o «Busque información sobre...»)
Especifique cómo debe usar el agente la información recuperada en su respuesta
Incluya instrucciones alternativas para cuando la base de conocimientos no contenga contenido relevante
Ejemplo: agente de consultas de clientes con base de conocimientos
El siguiente ejemplo muestra cómo configurar un agente personalizado que utiliza una base de conocimientos para responder a las consultas de los clientes en función de la documentación de la empresa.
Configuración:
Un espacio que contiene una base de conocimientos con documentación del producto y contenido de preguntas frecuentes
El espacio está vinculado al grupo de automatización
El espacio se agrega como conocimiento al agente personalizado
Instrucciones:
"""You are a customer support agent. Task: Answer the customer inquiry using information from the knowledge base. Instructions: 1. Search the knowledge base for information relevant to the customer's question. 2. Provide a clear, concise answer based on the retrieved content. 3. If the knowledge base does not contain relevant information, respond with: "I don't have enough information to answer this question. Please escalate to a human agent." Constraints: - Only use information found in the knowledge base. Do not make up answers. - Keep responses under 200 words. - Include the source document name when referencing specific information."""
Salida estructurada:
{ "answer": "The response to the customer inquiry", "sourceDocument": "Name of the document used", "confidence": "high/medium/low", "escalationNeeded": false }
