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.

Typen benutzerdefinierter Agents

Benutzerdefinierte Agents werden je nach Typ in verschiedenen Bereichen von Braze bereitgestellt. Verwenden Sie die folgende Tabelle, um den richtigen Bereitstellungspfad für Ihren Agent zu finden.

Sie wählen den Agent-Typ in der Agent Console aus, wenn Sie den Agent erstellen. Die Einrichtungsschritte finden Sie unter Benutzerdefinierte Agents erstellen.

Best Practices

Konzentrieren Sie sich auf hochwertige Anwendungsfälle, bei denen Agents die größte Kapitalrendite (ROI) erzielen können, und wählen Sie Zielgruppen aus, die wahrscheinlich reagieren werden. Eine kleinere Zielgruppe mit hoher Opportunity übertrifft oft eine große Zielgruppe mit geringer Opportunity.

Beginnen Sie bei Canvas-Schritt-Agents mit Nutzer:innen, die starke Signale aufweisen – wie kürzliche Suchanfragen, hohes Engagement oder umfangreiche Profildaten – bevor Sie auf breitere Segmente ausweiten. Priorisieren Sie bei Catalog-Agents Zeilen, in denen die benötigten Eingabespalten bereits befüllt sind, damit jeder Aufruf genügend Kontext hat, um nützliche Ergebnisse zu liefern.

Um die ROI in kleinem Maßstab zu testen, bevor Sie einen Agent breit ausrollen, verwenden Sie einen Experimentpfade-Schritt, sodass nur ein Teil Ihrer Zielgruppe den Branch betritt, der Ihren Agent-Schritt enthält.

Nach einem erfolgreichen Test skalieren

Nachdem ein Test in kleinem Maßstab (zum Beispiel ein Experimentpfade-Branch) akzeptable Qualität und ROI gezeigt hat, planen Sie den Rollout des Agents auf Ihre gesamte Zielgruppe (nicht nur die Testgruppe), damit alle berechtigten Nutzer:innen davon profitieren.

Bevor Sie skalieren, beachten Sie Folgendes:

• Erhöhen Sie das tägliche Aufruf-Limit des Agents in der Agent Console, damit er das volle Zielgruppenvolumen bewältigen kann. Der Standardwert beträgt 250.000; Sie können ihn auf bis zu 1.000.000 erhöhen (oder mit Ihrem Customer-Success-Manager auf einen höheren Wert). Siehe Tägliche Aufruf- und Credit-Limits.
• Überprüfen Sie die Schätzung des Daily action credit cost limit und bestätigen Sie, dass Ihr Workspace über genügend Credits für Sends im vollen Umfang verfügt.
• Entfernen oder rekonfigurieren Sie das Experiment, sodass die gesamte Zielgruppe den Agent-Schritt betritt (oder stufen Sie die Gewinnervariante zum Hauptpfad hoch).

Die Skalierung auf die gesamte Zielgruppe erhöht den Credit-Verbrauch proportional. Überwachen Sie die Nutzung nach dem Launch unter Einstellungen > Abrechnung > Credits-Nutzung > Agent Console.

Canvas-Schritt-Agents verwenden

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

Funktionsweise

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

Agent-Schritte verwenden Canvas-Kontextvariablen, um relevanten Kontext aufzunehmen und eine Variable auszugeben, die im Canvas verwendet werden kann. Voraussetzungen und eine vollständige Referenz finden Sie unter Agent-Schritt.

Einen Agent-Schritt hinzufügen

So fügen Sie einen Agent zu Ihrem Canvas hinzu:

1. Ziehen Sie die Komponente Agent aus der Seitenleiste per Drag-and-Drop, oder wählen Sie den Plus-Button am unteren Rand eines Schritts und wählen Sie Agent.
2. Wählen Sie den Agent aus, der die Daten in diesem Schritt verarbeitet.
3. Definieren Sie den Namen der Ausgabevariable. Der Ausgabedatentyp wird in der Agent Console festgelegt.
4. (Optional) Fügen Sie zusätzliche Kontextwerte hinzu, auf die der Agent bei der Ausführung zugreifen kann. Dies können zusätzliche Liquid-Variablen oder Canvas-Kontext sein, die Sie nicht bereits im Agent-Setup gebunden haben – zum Beispiel Werte, die Sie nur zum Sendezeitpunkt aus diesem Schritt übergeben möchten.
5. Testen Sie den Agent mithilfe der Vorschau im Schritt oder über Canvas testen, um den vollständigen Nutzerpfad durchzugehen.

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

Anwendungsfälle

Die 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 Agents in verschiedene Canvas-Pfade. Verwenden Sie Zielgruppenpfade oder Decision-Splits mit numerischen, booleschen oder strukturierten Ausgaben.
• Personalisierung: Fügen Sie die Antwort des Agents mithilfe von Liquid direkt in einen Nachrichtenschritt ein.
• Nutzerdaten verarbeiten: Analysieren und standardisieren Sie Nutzerdaten und speichern Sie diese dann im Nutzerprofil (zum Beispiel mit einem Nutzeraktualisierung-Schritt) oder senden Sie sie über einen Webhook.

Beispiele finden Sie unter Funktionsweise im Agent-Schritt.

Fehlerbehandlung und Fallback-Verhalten

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

• Wenn das verbundene Modell einen Rate-Limit-Fehler vom LLM-Anbieter zurückgibt, wiederholt Braze die Anfrage kontinuierlich mit exponentiellem Backoff, bis der Aufruf erfolgreich ist oder Braze feststellt, dass er nicht abgeschlossen werden kann; Nutzer:innen fahren dann mit dem nächsten Canvas-Schritt fort.
• Bei anderen Fehlern (wie einem Timeout oder einem ungültigen API-Schlüssel) wird die Ausgabevariable auf null gesetzt, es sei denn, der Agent hat konfigurierte Fallback-Werte in der Agent Console.
• Wenn ein Agent sein tägliches Aufruf-Limit erreicht, wendet Braze ebenfalls konfigurierte Fallback-Werte an, sofern vorhanden; andernfalls wird die Ausgabevariable auf null gesetzt.

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

Rate-Limit-Fehler, Modell-Nichtverfügbarkeit und Tageslimit-Fehler verbrauchen keine Braze-Credits. Timeouts verbrauchen Credits. Siehe Wann Credits verbraucht werden.

• Antworten werden für identische Eingaben zwischengespeichert und können bei wiederholten identischen Aufrufen innerhalb weniger Minuten wiederverwendet werden. Zwischengespeicherte Antworten zählen weiterhin zu den Gesamt- und Tagesaufrufen.
• Agent-Schritte können bei der Verarbeitung einer großen Anzahl von Nutzer:innen Zeit in Anspruch nehmen. Braze reiht Aufrufe gemäß den Aufruf-Flusssteuerungen in eine Warteschlange ein, sodass Nutzer:innen bei Sendungen mit hohem Volumen möglicherweise ausstehend bleiben.

Informationen zum Agent-Schritt-Setup und Laufzeitdetails finden Sie unter Fehlerbehandlung im Agent-Schritt. Weitere Details finden Sie unter Fehlerbehandlung in Braze Agents.

Catalog Agents verwenden

Nachdem Sie einen Catalog Agent erstellt haben, wenden Sie ihn auf ein Katalogfeld an, um automatisch Werte für jede Zeile zu generieren oder zu berechnen. Der Agent wird auch für neue Zeilen ausgeführt, die dem Katalog in Zukunft hinzugefügt werden.

Funktionsweise

Nach dem Start wird der Agent ausgeführt und wertet jede Zeile aus, wobei er die ausgewählten Spalten als Kontext heranzieht, um eine Ausgabe zu erzeugen. Agents werden für alle neuen Zeilen ausgeführt, die nach der Bereitstellung des Agents hinzugefügt werden. Wenn Sie Recalculate when catalog rows update ausgewählt haben, werden alle Werte für dieses Feld aktualisiert, wenn sich vorhandene Quellfelder ändern.

Wenn Sie Eingabespalten für einen Catalog Agent konfigurieren, aktivieren Sie die produktinterne Steuerung, die kennzeichnet, welche ausgewählten Spalten erforderlich sein müssen, bevor der Agent aufgerufen wird (die Bezeichnungen können je nach Workspace leicht variieren). Wenn diese Steuerung aktiviert ist, wählen Sie die Teilmenge der Spalten aus, die Werte enthalten müssen – ausgewählte Spalten sind standardmäßig als erforderlich markiert, aber Sie können Spalten entfernen, die leer bleiben dürfen, ohne den Agent 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 gender-Feld, das noch nicht ausgefüllt wurde. Eine Ausführung ohne den erforderlichen Kontext verschwendet Token und kann zu minderwertiger Ausgabe führen.

Catalog Agents berücksichtigen auch Abhängigkeiten zwischen Spalten. Wenn Spalte D aus den Spalten B und C generiert wird, führt der Agent Spalte D für eine Zeile erst aus, wenn B und C Werte für diese Zeile enthalten.

Sie können die Felder in Ihrem Katalog, die Agents verwenden, aktualisieren und bearbeiten. Um einen Agent aus einer Spalte zu entfernen, deaktivieren Sie Apply AI agent. Dadurch wird die Spalte wieder zu einer nicht-agentischen Spalte, und die Felder behalten die letzten Werte bei, die der Agent bei seiner letzten Ausführung auf den Katalog angewendet hat.

Zirkuläre Referenzen in Katalogen werden nicht unterstützt, d. h. das folgende Szenario kann nicht auftreten:

• Agentische Spalte 1 verwendet agentische Spalte 2 als Eingabe
• Agentische Spalte 2 verwendet agentische Spalte 1 als Eingabe

Einen Agent zu einem Katalogfeld hinzufügen

So fügen Sie einen Agent zu Ihrem Katalogfeld hinzu:

1. Fügen Sie in Ihrem Katalog ein neues Feld hinzu.
2. Wählen Sie Apply AI agent aus.
3. Weisen Sie diesem Feld einen Agent 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 Only run when required columns have values, um Zeilen zu überspringen, in denen eine oder mehrere ausgewählte Eingabespalten leer sind. Wenn diese Option aktiviert ist, wählen Sie aus, welche der Eingabespalten ausgefüllt sein müssen, damit der Agent ausgeführt wird – alle ausgewählten Spalten sind standardmäßig als erforderlich markiert, aber Sie können alle entfernen, die leer bleiben dürfen, ohne eine Ausführung zu blockieren.
6. Entscheiden Sie, ob der Agent Felder neu berechnen soll, wenn Katalogzeilen aktualisiert werden. Wenn Sie diese Option nicht auswählen, wird der Agent nur einmal pro Zeile ausgeführt.
7. Wählen Sie Add fields aus, um den Agent bereitzustellen und Kostenschätzungen zu überprüfen. Das Modal Cost estimation zeigt an, wie oft der Agent auf diesem Katalog ausgeführt wird, was ungefähr der Gesamtzahl der Zeilen entspricht. Um fortzufahren, wählen Sie Confirm aus.

Best Practices für Catalog Agents

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, und deaktivieren Sie dann alle Spalten, die leer bleiben dürfen, ohne eine Ausführung zu blockieren. Der Agent überspringt eine Zeile nur dann, wenn eine Spalte, die Sie als erforderlich markiert belassen haben, leer ist.

Lassen Sie eine Spalte nicht als erforderlich markiert, wenn Sie erwarten, dass sie für einige Zeilen leer bleibt und der Agent trotzdem ausgeführt werden soll – entfernen Sie sie stattdessen aus der erforderlichen Menge. Das Überspringen unvollständiger Zeilen vermeidet unnötigen Token-Verbrauch und hält die Ausgabequalität hoch.

Anwendungsfälle

Antwortfelder definieren

Wenn Ihr Agent Felder als Ausgabeformat verwendet, können Sie das entsprechende Feld des Agents für Response Field auswählen, um es im Katalogfeld zu verwenden.

Angenommen, Sie haben einen Agent, der Produktbeschreibungen zu einem Katalog hinzufügt, mit den folgenden Feldern zur Strukturierung des Ausgabeformats:

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

Sie können die vom Agent generierte Zelle auch manuell überschreiben, indem Sie Edit Item auswählen und die vom Agent generierte Beschreibung mit Ihren Änderungen aktualisieren. Um zur vom Agent 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 (wie einem Timeout oder einem ungültigen API-Schlüssel) wird der Katalogfeldwert nicht aktualisiert. Catalog Agents unterstützen keine Konfiguration von Fallback-Werten in der Agent Console.
• Sie können die Protokolle des Agents überprüfen, um Details zu fehlgeschlagenen Ausführungen zu erhalten.
• Catalog Agents sind auf die Verarbeitung von Eingabewerten bis zu 25 KB pro Zeile beschränkt.

Ihren Agenten überwachen

Die Überwachung funktioniert unabhängig davon, ob Ihr Agent in Canvas oder in Katalogen ausgeführt wird, auf die gleiche Weise.

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

Im Abschnitt Protokolle Ihres Agenten können Sie die tatsächlichen Agentenaufrufe überwachen, die in Ihren Canvases und Katalogen stattfinden. Sie können nach Informationen wie dem Datumsbereich, dem Ergebnis (Erfolg oder Fehler) oder dem Aufrufstandort filtern. Sie können auch CSV exportieren auswählen, um nur die auf der aktuellen Seite angezeigten Protokolle zu exportieren.

Tipp

Sie können Fehler beim täglichen Aufruflimit auch im Nachrichtenaktivitätsprotokoll überwachen.

Wählen Sie Anzeigen für einen bestimmten Agentenaufruf aus, um die Eingabe, die Ausgabe und die Nutzer-ID zu sehen.

Bei Canvas-Schritt-Agenten enthalten die Protokolle einen Abschnitt Fallback-Ausgabe, der jede Fallback-Ausgabe anzeigt, die verwendet wurde, wenn der Aufruf fehlgeschlagen ist.

Currents verwenden

Sie können auch diese Currents-Ereignisse nutzen, um auf die Kafka-Datensatzschemata zuzugreifen:

• Ereignisse zu ausgeführten Agenten
• Ereignisse zu Tool-Aufrufen

Weitere Informationen finden Sie im Glossar der Nachrichteninteraktionsereignisse.

Verwandte Artikel

• Agent-Schritt
• Referenz für Agents
• Häufig gestellte Fragen