Angepasste Agenten bereitstellen

Nachdem Sie einen Agenten erstellt haben, erfahren Sie auf dieser Seite, wo und wie Sie ihn in Braze bereitstellen können. Der Agententyp, den Sie bei der Erstellung wählen – Canvas-Agent oder Katalog-Agent – bestimmt, wo der Agent ausgeführt werden kann. Eine Einführung finden Sie unter Braze Agents.

Arten angepasster Agenten

Angepasste Agenten werden je nach Typ in unterschiedlichen Bereichen von Braze eingesetzt. In der folgenden Tabelle finden Sie den passenden Bereitstellungsweg für Ihren Agenten.

Den Agententyp wählen Sie beim Erstellen des Agenten aus. Die Schritte zur Einrichtung finden Sie unter Angepasste Agenten erstellen.

Bewährte Praktiken

Konzentrieren Sie sich auf Anwendungsfälle mit hohem Wert, bei denen Agenten die größte Kapitalrendite (ROI) erzielen können. Wählen Sie dafür Zielgruppen, die voraussichtlich reagieren. Eine kleinere Zielgruppe mit hoher Opportunity schneidet oft besser ab als eine große Zielgruppe mit geringer Opportunity.

Beginnen Sie bei Canvas-Schritt-Agenten mit Nutzer:innen, die starke Signale zeigen, etwa aktuelle Suchanfragen, hohes Engagement oder umfangreiche Profildaten. Weiten Sie den Einsatz erst danach auf breitere Segmente aus. Priorisieren Sie bei Katalog-Agenten Zeilen, in denen die benötigten Eingabespalten bereits befüllt sind. So hat jeder Aufruf genug Kontext, um nützliche Ergebnisse zu liefern.

Testen Sie den ROI zunächst in kleinem Rahmen, bevor Sie einen Agenten breit einführen. Verwenden Sie dafür einen Experimentpfade-Schritt. Dann gelangt nur ein Teil Ihrer Zielgruppe in den Branch mit Ihrem Agenten-Schritt.

Nach einem erfolgreichen Test skalieren

Ein Test in kleinem Rahmen kann zum Beispiel über einen Branch mit Experimentpfaden laufen. Zeigt er eine akzeptable Qualität und einen akzeptablen ROI, sollten Sie den Agenten für Ihre gesamte Zielgruppe einführen, nicht nur für die Testgruppe. So profitieren alle berechtigten Nutzer:innen.

Beachten Sie vor dem Skalieren Folgendes:

• Erhöhen Sie das tägliche Aufruflimit des Agenten in der Agent Console, damit er das Volumen Ihrer gesamten Zielgruppe bewältigen kann. Der Standardwert liegt bei 250.000. Sie können ihn auf bis zu 1.000.000 erhöhen, mit Ihrem Customer-Success-Manager auch darüber hinaus. Siehe Tägliche Aufruf- und Credit-Limits.
• Prüfen Sie die Schätzung für das Tägliche Limit für Aktions-Credit-Kosten und vergewissern Sie sich, dass Ihr Workspace genug Credits für Sendungen im vollen Umfang hat.
• Entfernen oder konfigurieren Sie das Experiment neu, damit die gesamte Zielgruppe in den Agenten-Schritt gelangt. Alternativ können Sie die Gewinnervariante zum Hauptpfad machen.

Wenn Sie auf die gesamte Zielgruppe skalieren, steigt der Credit-Verbrauch proportional. Überwachen Sie die Nutzung nach dem Start unter Einstellungen > Abrechnung > Credit-Nutzung > Agent Console.

Canvas-Schritt-Agenten verwenden

Nachdem Sie einen Canvas-Schritt-Agenten erstellt haben, fügen Sie ihn einem Canvas als Agent-Schritt hinzu. So können Sie Nachrichten personalisieren oder Entscheidungen in Echtzeit steuern.

Funktionsweise

Wenn Nutzer:innen in einem Canvas einen Agent-Schritt erreichen, sendet Braze die von Ihnen konfigurierten Eingabedaten an Ihren Agenten. Der Agent verarbeitet die Eingabe mithilfe seines Modells und seiner Anweisungen und gibt dann eine Ausgabe zurück. Diese wird in der Ausgabevariable gespeichert, die Sie im Schritt definiert haben. Sie können diese Ausgabe für Entscheidungen, Personalisierung oder die nachgelagerte Verarbeitung verwenden.

Agent-Schritte nutzen Canvas-Kontextvariablen, um relevanten Kontext aufzunehmen. Sie geben eine Variable aus, die Sie im Canvas verwenden können. Voraussetzungen und eine vollständige Referenz finden Sie unter Agent-Schritt.

Agent-Schritt hinzufügen

So fügen Sie Ihrem Canvas einen Agenten hinzu:

1. Ziehen Sie die Komponente Agent aus der Seitenleiste per Drag-and-Drop in den Canvas, oder wählen Sie den Plus-Button unten in einem Schritt und anschließend Agent aus.
2. Wählen Sie den Agenten aus, der in diesem Schritt die Daten verarbeitet.
3. Definieren Sie den Namen der Ausgabevariable. Der Datentyp der Ausgabe wird in der Agent Console festgelegt.
4. (Optional) Fügen Sie zusätzliche Kontextwerte hinzu, auf die der Agent bei der Ausführung zurückgreifen kann. Dazu können weitere Liquid-Variablen oder Canvas-Kontext gehören, die Sie bei der Einrichtung des Agenten noch nicht eingebunden haben – zum Beispiel Werte, die Sie erst zum Zeitpunkt des Versands aus diesem Schritt übergeben möchten.
5. Testen Sie den Agenten über die Vorschau im Schritt oder mit Canvas testen, um den vollständigen Nutzerpfad zu durchlaufen.

Informationen zu Ausgabedatentypen, Liquid-Templating und Screenshots finden Sie unter Agent-Schritt.

Anwendungsfälle

Agent-Ausgabe verwenden

Nachdem der Agent ausgeführt wurde, verwenden Sie die Ausgabevariable in Ihrem Canvas:

• Journey-Routing: Leiten Sie Nutzer:innen basierend auf der Antwort des Agenten auf verschiedene Canvas-Pfade. Verwenden Sie Zielgruppenpfade oder Decision-Splits mit numerischen, booleschen oder strukturierten Ausgaben.
• Personalisierung: Fügen Sie die Antwort des Agenten mit Liquid direkt in einen Nachricht-Schritt ein.
• Verarbeitung von Nutzerdaten: Analysieren und standardisieren Sie Nutzerdaten und speichern Sie sie anschließend im Nutzerprofil (zum Beispiel mit einem Nutzer-Update-Schritt) oder senden Sie sie über einen Webhook.

Beispiele finden Sie unter Funktionsweise im Artikel zum Agent-Schritt.

Fehlerbehandlung und Fallback-Verhalten

Folgendes gilt für Canvas-Schritt-Agenten in einem Agent-Schritt.

• Wenn das verbundene Modell einen Rate-Limit-Fehler vom LLM-Anbieter zurückgibt, wiederholt Braze die Anfrage fortlaufend mit exponentiellem Backoff, bis der Aufruf erfolgreich ist oder Braze feststellt, dass er nicht abgeschlossen werden kann. Anschließend gehen die Nutzer:innen zum nächsten Canvas-Schritt über.
• Bei anderen Fehlern (etwa einem Timeout oder einem ungültigen API-Schlüssel) wird die Ausgabevariable auf null gesetzt, es sei denn, für den Agenten sind in der Agent Console Fallback-Werte konfiguriert.
• Wenn ein Agent sein tägliches Aufruflimit erreicht, wendet Braze ebenfalls konfigurierte Fallback-Werte an, sofern vorhanden. Andernfalls wird die Ausgabevariable auf null gesetzt.

Wenn Fallback-Werte konfiguriert sind, wendet Braze sie bei nicht wiederholbaren Fehlern und bei Fehlern durch das Tageslimit an. Braze rendert den Fallback pro Nutzer:in mit Liquid und speichert das Ergebnis in der Ausgabevariable des Agent-Schritts. Ohne Fallback-Werte setzen diese Fehler die Ausgabevariable auf null. Wenn Sie lieber schrittspezifische Standardwerte in Nachricht-Schritten statt Fallbacks in der Agent Console konfigurieren möchten, können Sie nachgelagert weiterhin Liquid-Standardwerte verwenden. Lassen Sie dazu die Fallbacks im Abschnitt Ausgabe der Agent-Einrichtung leer, damit die Liquid-Standardwerte greifen können, wenn der Agent null zurückgibt.

Rate-Limit-Fehler, nicht verfügbare Modelle und Fehler durch das tägliche Aufruflimit verbrauchen keine Braze-Credits. Timeouts verbrauchen dagegen Credits. Weitere Informationen finden Sie unter Wann Credits verbraucht werden.

• Antworten werden für identische Eingaben zwischengespeichert und können bei wiederholten identischen Aufrufen innerhalb weniger Minuten erneut verwendet werden. Zwischengespeicherte Antworten zählen trotzdem zu den gesamten und täglichen Aufrufen.
• Agent-Schritte können einige Zeit benötigen, um einen großen Batch von Nutzer:innen zu verarbeiten. Braze stellt Aufrufe gemäß den Steuerungen für den Aufruffluss in eine Warteschlange, sodass Nutzer:innen bei Sendungen mit hohem Volumen möglicherweise im Status „ausstehend“ verbleiben.

Details zur Einrichtung und Laufzeit von Agent-Schritten finden Sie unter Fehlerbehandlung im Artikel zum Agent-Schritt. Weitere Details finden Sie unter Fehlerbehandlung im Artikel zu Braze Agents.

Katalog-Agenten verwenden

Nachdem Sie einen Katalog-Agenten erstellt haben, wenden Sie ihn auf ein Katalogfeld an, um für jede Zeile automatisch Werte zu generieren oder zu berechnen. Der Agent läuft auch auf neuen Zeilen, die dem Katalog künftig hinzugefügt werden.

Funktionsweise

Nach dem Start läuft der Agent und wertet jede Zeile aus. Dabei nimmt er die ausgewählten Spalten in seinen Kontext auf, um eine Ausgabe zu erzeugen. Agenten laufen auf allen neuen Zeilen, die nach dem Deployment des Agenten hinzugefügt werden. Wenn Sie Neu berechnen, wenn Katalogzeilen aktualisiert werden ausgewählt haben, werden alle Werte dieses Felds aktualisiert, sobald sich bestehende Quellfelder ändern.

Wenn Sie Eingabespalten für einen Katalog-Agenten konfigurieren, aktivieren Sie die Steuerung im Produkt, die festlegt, welche der ausgewählten Spalten Werte enthalten müssen, bevor der Agent ausgeführt wird (die Bezeichnungen können je nach Workspace leicht abweichen). Wählen Sie bei aktivierter Steuerung die Spalten aus, die Werte enthalten müssen. Ausgewählte Spalten sind standardmäßig als erforderlich markiert, Sie können aber Spalten entfernen, die leer sein dürfen, ohne den Agenten zu blockieren. Der Agent überspringt eine Zeile nur dann, wenn eine Spalte, die Sie als erforderlich belassen haben, leer ist oder fehlt – zum Beispiel ein Feld gender, das noch nicht ausgefüllt wurde. Eine Ausführung ohne den erforderlichen Kontext verschwendet Token und kann zu Ausgaben von geringer Qualität führen.

Katalog-Agenten berücksichtigen auch Abhängigkeiten zwischen Spalten. Wenn Spalte D aus den Spalten B und C generiert wird, läuft der Agent für eine Zeile erst dann auf Spalte D, wenn B und C in dieser Zeile Werte enthalten.

Sie können die Felder in Ihrem Katalog, die Agenten verwenden, aktualisieren und bearbeiten. Um einen Agenten von einer Spalte zu entfernen, heben Sie die Auswahl von KI-Agent anwenden auf. Dadurch wird die Spalte wieder zu einer Spalte ohne Agenten, und die Felder behalten die letzten Werte, die der Agent bei seiner letzten Ausführung auf dem Katalog gesetzt hat.

Zirkuläre Verweise in Katalogen werden nicht unterstützt. Das folgende Szenario ist daher nicht möglich:

• Agenten-Spalte 1 verwendet Agenten-Spalte 2 als Eingabe
• Agenten-Spalte 2 verwendet Agenten-Spalte 1 als Eingabe

Einen Agenten zu einem Katalogfeld hinzufügen

So fügen Sie Ihrem Katalogfeld einen Agenten hinzu:

1. Fügen Sie in Ihrem Katalog ein neues Feld hinzu.
2. Wählen Sie KI-Agent anwenden aus.
3. Weisen Sie diesem Feld einen Agenten zu.
4. Wählen Sie aus, welche Spalten als Eingabe übergeben werden sollen. Wenn keine ausgewählt sind, hat der Agent Zugriff auf alle Spalten im Katalog.
5. (Optional) Aktivieren Sie Nur ausführen, wenn erforderliche Spalten Werte enthalten, um Zeilen zu überspringen, in denen eine oder mehrere ausgewählte Eingabespalten leer sind. Wenn diese Option aktiviert ist, wählen Sie aus, welche der Eingabespalten befüllt sein müssen, damit der Agent läuft. Alle ausgewählten Spalten sind standardmäßig als erforderlich markiert, Sie können aber alle entfernen, die leer sein dürfen, ohne eine Ausführung zu blockieren.
6. Legen Sie fest, ob der Agent Felder neu berechnen soll, wenn Katalogzeilen aktualisiert werden. Wenn Sie diese Option nicht auswählen, läuft der Agent nur einmal pro Zeile.
7. Wählen Sie Felder hinzufügen aus, um den Agenten bereitzustellen und die Kostenschätzungen zu prüfen. Das Modal Kostenschätzung zeigt, wie oft der Agent auf diesem Katalog laufen wird – ungefähr entsprechend der Gesamtzahl der Zeilen. Um fortzufahren, wählen Sie Bestätigen aus.

Best Practices für Katalog-Agenten

Planen Sie, welche Spalten der Agent benötigt, bevor Sie ihn auf ein Katalogfeld anwenden. Nachdem Sie die Steuerung für erforderliche Eingaben für das Feld aktiviert haben, wählen Sie die Spalten aus, die die Daten enthalten, die Ihr Agent lesen soll. Entfernen Sie anschließend jede Spalte, die leer bleiben darf, ohne eine Ausführung zu blockieren. Der Agent überspringt eine Zeile nur dann, wenn eine Spalte, die Sie als erforderlich markiert gelassen haben, leer ist.

Lassen Sie eine Spalte nicht als erforderlich markiert, wenn Sie erwarten, dass sie für einige Zeilen leer bleibt, der Agent aber trotzdem laufen soll – entfernen Sie sie stattdessen aus den erforderlichen Spalten. Das Überspringen unvollständiger Zeilen verhindert unnötigen Token-Verbrauch und sorgt für eine hohe Ausgabequalität.

Anwendungsfälle

Antwortfelder definieren

Wenn Ihr Agent Felder als Ausgabeformat verwendet, können Sie unter Antwortfeld das entsprechende Feld des Agenten auswählen, das im Katalogfeld verwendet werden soll.

Angenommen, Sie haben einen Agenten, der einem Katalog Produktbeschreibungen hinzufügt und das Ausgabeformat mit den folgenden Feldern strukturiert:

Sie können einem Katalog ein Feld namens product_description hinzufügen und description als Antwortfeld auswählen, um die Spalte mit den Beschreibungen des Agenten zu befüllen.

Sie können die vom Agenten generierte Zelle auch manuell überschreiben, indem Sie Artikel bearbeiten auswählen und die vom Agenten generierte Beschreibung mit Ihren Änderungen aktualisieren. Um zur vom Agenten generierten Beschreibung zurückzukehren, wählen Sie das Aktualisierungssymbol in der Zelle aus.

Fehlerbehandlung

• Wenn der LLM-Anbieter einen Rate-Limit-Fehler zurückgibt, wiederholt Braze die Anfrage kontinuierlich mit exponentiellem Backoff, bis der Aufruf erfolgreich ist oder Braze feststellt, dass er nicht abgeschlossen werden kann.
• Bei anderen Fehlern (etwa einem Timeout oder einem ungültigen API-Schlüssel) wird der Wert des Katalogfelds nicht aktualisiert. Katalog-Agenten unterstützen keine Konfiguration von Fallback-Werten in der Agent Console.
• In den Logs des Agenten finden Sie Details zu fehlgeschlagenen Ausführungen.
• Katalog-Agenten können Eingabewerte von bis zu 25 KB pro Zeile verarbeiten.

Ihren Agenten überwachen

Die Überwachung funktioniert gleich, unabhängig davon, ob Ihr Agent in Canvas oder in Katalogen ausgeführt wird.

Im Bereich Nutzung Ihres Agenten sehen Sie, wo der Agent in Katalogen und Canvases aktiv verwendet wird, und können direkt dorthin navigieren.

Im Bereich Protokolle Ihres Agenten können Sie die tatsächlichen Agent-Aufrufe überwachen, die in Ihren Canvases und Katalogen stattfinden. Sie können nach Informationen wie Zeitraum, Ergebnis (Erfolg oder Fehler) oder Aufrufort filtern. Außerdem können Sie CSV exportieren auswählen, um nur die auf der aktuellen Seite angezeigten Protokolle zu exportieren.

Tipp

Fehler aufgrund des täglichen Aufruflimits können Sie auch im Nachrichtenaktivitätsprotokoll überwachen.

Wählen Sie bei einem bestimmten Agent-Aufruf Ansehen aus, um die Eingabe, die Ausgabe und die Nutzer-ID anzuzeigen.

Bei Agenten in Canvas-Schritten enthalten die Protokolle einen Abschnitt Fallback-Ausgabe, der jede Fallback-Ausgabe anzeigt, die verwendet wurde, wenn beim Aufruf ein Fehler aufgetreten ist.

Currents verwenden

Sie können außerdem die folgenden Currents-Events nutzen, um auf die Kafka-Datensatzschemata zuzugreifen:

• Events zu ausgeführten Agenten
• Events zu Tool-Aufrufen

Weitere Details finden Sie im Glossar der Message-Engagement-Events.

Ähnliche Artikel

• Agenten-Schritt
• Referenz für Agenten
• Häufig gestellte Fragen