Questions fréquemment posées sur les agents
Cet article répond aux questions fréquemment posées sur Braze Agents.
Général
Quelle est la différence entre un Braze Agent et un agent décisionnel ?
Un Braze Agent raisonne à partir du contexte d’un seul utilisateur, dans une étape du Canvas ou un champ de catalogue. Un agent décisionnel dans Decisioning Studio apprend à partir des résultats mesurés sur l’ensemble de votre population. Pour en savoir plus, consultez Braze Agent ou agent décisionnel.
Quelle est la différence entre les Braze Agents et BrazeAI Operator ?
Operator vous accompagne dans le tableau de bord pendant que vous créez vos messages. Les Braze Agents s’exécutent au moment de l’envoi et produisent un résultat différent pour chaque utilisateur. Pour en savoir plus, consultez Générer du contenu.
Quelle est la différence entre les agents d’étape Canvas et les agents de catalogue ?
Lorsque vous créez un agent, vous indiquez s’il s’agit d’un agent d’étape Canvas ou d’un agent de catalogue. Ce choix détermine les types d’instructions et d’options que l’agent peut prendre en charge. Les agents d’étape Canvas traitent les utilisateurs en temps réel au sein des parcours, tandis que les agents de catalogue enrichissent les données de catalogue en ajoutant ou en mettant à jour des colonnes avec des informations traitées.
Quels sont les avantages du modèle Auto par rapport à l’utilisation de votre propre modèle (BYO) ?
Le modèle Auto de Braze offre notamment les avantages suivants :
- Aucune clé API à récupérer ou à saisir, et aucune configuration d’intégration requise
- Chaque appel est automatiquement acheminé vers le modèle le plus efficace pour la tâche
Où puis-je consulter l’utilisation actuelle de mes agents ?
Accédez à Paramètres > Facturation > Utilisation des crédits > Console des agents pour consulter la consommation de crédits, le nombre d’appels et les ratios de crédits par agent. Pour plus de détails, consultez Limites quotidiennes d’appels et de crédits.
Puis-je utiliser des instructions Liquid conditionnelles dans les instructions de l’agent ?
Non, écrire des blocs Liquid comme des instructions {% if %} peut entraîner une erreur de validation. Les agents peuvent plutôt gérer différents scénarios grâce à des descriptions en langage naturel dans le prompt.
Les agents peuvent-ils accéder à des données utilisateur au-delà des attributs Liquid ou du contexte Canvas que je leur transmets ?
Non. Les agents reçoivent uniquement les points de données utilisateur précis qui leur sont transmis via Liquid dans les instructions, les sélections + Contexte de l’agent, les étapes Contexte en amont dans le Canvas, ou le contexte supplémentaire de l’étape Agent. Les agents ne peuvent pas rechercher dans les profils utilisateurs des attributs que vous ne les avez pas configurés pour recevoir.
Les agents ne peuvent pas non plus vous avertir lorsque des données requises sont manquantes : ils poursuivent avec ce que contient le prompt. Concevez donc la configuration de l’agent comme une véritable conception des entrées et des sorties : transmettez chaque champ dont l’agent a besoin et vérifiez les entrées dans l’onglet Logs de l’agent. Pour obtenir des conseils, consultez Données reçues par les agents.
Résolution des problèmes
Pourquoi mon agent n’a-t-il pas suivi mes instructions ou mes règles ?
Dans la mesure du possible, rédigez des instructions positives et explicites. Indiquez à l’agent ce qu’il doit faire et formulez les restrictions en termes concrets. Par exemple : « Si {{product_name}} est vide, traite-le comme s’il n’avait jamais été fourni. »
Utilisez Operator pour examiner votre prompt. Operator passe en revue vos instructions et vous explique à quel endroit l’agent s’en est probablement écarté.
Pourquoi mon agent de catalogue a-t-il ignoré certaines lignes ?
Les agents de catalogue ignorent une ligne lorsqu’une colonne que vous avez marquée comme requise pour l’exécution est vide ou manquante, par exemple un champ gender qui n’a pas été renseigné. Après avoir sélectionné les colonnes d’entrée, activez le contrôle d’entrée requise pour le champ du catalogue et choisissez les colonnes qui doivent contenir des valeurs avant l’exécution de l’agent. Les colonnes sélectionnées sont requises par défaut, mais vous pouvez retirer celles qui peuvent rester vides sans bloquer l’invocation. Vous évitez ainsi de gaspiller des jetons sur des données incomplètes.
L’agent respecte également les dépendances entre colonnes. Si une colonne de sortie dépend d’autres colonnes (par exemple, la colonne D nécessite des valeurs dans les colonnes B et C), l’agent ne s’exécute pas tant que ces colonnes en amont ne sont pas renseignées pour la ligne concernée.
Pour en savoir plus, consultez les bonnes pratiques pour les agents de catalogue.
Les invocations d’agent qui échouent consomment-elles des crédits ?
Cela dépend du type d’échec :
| Échec | Consomme des crédits ? |
|---|---|
| Erreur de limite de débit | Non |
| Modèle indisponible | Non |
| Limite quotidienne d’invocations atteinte | Non |
| Délai d’expiration dépassé | Oui |
Pour plus de détails, consultez Quand les crédits sont-ils consommés.
Mon agent a du mal à accomplir une tâche complexe. Comment améliorer ses performances ?
Si votre agent peine à réaliser les tâches que vous lui confiez, envisagez une approche par sous-agents. Par exemple, vous pouvez utiliser trois agents pour effectuer les opérations suivantes :
- L’agent 1 normalise et transforme les données de contexte Canvas entrantes non structurées.
- L’agent 2 consulte un catalogue contenant les détails des articles et identifie ceux qui pourraient être pertinents.
- L’agent 3 consulte un autre catalogue proposant plusieurs descriptions possibles pour chaque article et identifie la description la plus pertinente pour l’utilisateur, à insérer dans un e-mail.
Pourquoi un agent personnalisé dépasse-t-il fréquemment le délai d’expiration ?
Un agent personnalisé peut dépasser le délai d’expiration dans les cas suivants :
- Les instructions de l’agent sont incomplètes ou contradictoires.
- Les instructions de l’agent ne couvrent pas tous les scénarios ou n’incluent pas de condition de repli (par exemple : « Si toutes les entrées sont vides, renvoie “Personnalisation impossible” »).
- Les instructions de l’agent demandent un format de sortie différent de celui défini dans l’onglet Sortie (par exemple, les instructions demandent une chaîne de caractères alors que la sortie est définie comme un nombre dans l’onglet Sortie).
- La tâche de l’agent est trop complexe et gagnerait à suivre une approche par sous-agents.
Comment réduire les dépassements de délai
Si votre agent dépasse souvent le délai d’expiration, essayez les solutions suivantes avant de contacter votre gestionnaire de compte pour demander une limite plus élevée :
- Choisissez un modèle plus simple ou moins coûteux : Les modèles plus rapides terminent généralement dans le délai par défaut. Consultez Déterminer le modèle à utiliser.
- Réduisez le niveau de réflexion (modèles BYO uniquement) : Commencez par Minimal et n’augmentez le niveau que si la qualité de la sortie en pâtit. Consultez Niveaux de réflexion.
- Simplifiez le prompt : Supprimez les instructions redondantes, raccourcissez les exemples et restreignez le schéma de sortie. Utilisez Operator pour examiner et affiner vos instructions.
- Répartissez les workflows complexes entre plusieurs agents : Si le cas d’usage comporte plusieurs sous-étapes (par exemple, classer l’intention, puis générer le texte), utilisez des agents distincts à la suite dans un Canvas ou un catalogue plutôt qu’un seul agent qui fait tout. Consultez l’approche par sous-agents.

Les dépassements de délai consomment des crédits Braze, même lorsque l’agent ne renvoie aucune sortie exploitable. Consultez Quand les crédits sont-ils consommés.
Pour les agents d’étape Canvas, configurez des valeurs de repli dans Agent Console afin que les utilisateurs reçoivent tout de même une sortie en cas d’échec d’une invocation.
Pourquoi mon agent fonctionnait-il bien lors des tests, mais ne reçoit-il aucune donnée propre à l’utilisateur une fois lancé dans un Canvas ?
Si votre agent fonctionne correctement pendant les tests, mais ne reçoit pas de données propres à l’utilisateur dans un Canvas en production, essayez les étapes de résolution des problèmes suivantes :
- Assurez-vous que les données propres à l’utilisateur que l’agent doit recevoir sont saisies sous forme de variables Liquid dans les instructions de l’agent.
- Si des données importantes se trouvent dans le contexte Canvas, utilisez l’option Ajouter tout le contexte du Canvas dans la configuration de l’agent pour que celui-ci reçoive l’intégralité du contexte Canvas.
- Assurez-vous que tout contexte Canvas auquel l’agent doit accéder est bien stocké en tant que contexte Canvas. Utilisez une étape Contexte avant l’étape de l’agent pour stocker ces données.
Conformité
Agent Console est-il conforme au RGPD et au CCPA ?
Oui. Lorsqu’un client utilise le modèle Braze Auto (basé sur Gemini), Google agit en tant que sous-traitant ultérieur de Braze, conformément aux conditions de l’avenant relatif au traitement des données (DPA) conclu entre le client et Braze.
Agent Console est-il conforme à la loi HIPAA ?
Oui. Pour l’utilisation du modèle Braze Auto, nous avons conclu avec Google un accord HIPAA spécifique, le Business Associate Addendum (BAA). Il couvre Gemini, qui alimente notre modèle Auto.
Notre BAA s’applique uniquement aux clients qui utilisent le modèle Braze Auto. Si les clients utilisent leur propre clé LLM, Braze n’envoie pas en leur nom d’informations de santé protégées (PHI) soumises à la loi HIPAA à un LLM : ce sont les clients qui les envoient directement. Dans ce cas, le BAA entre Braze et Google ne s’applique pas. Le traitement des données effectué avec leur propre clé LLM est régi par le contrat du client et par tout BAA qu’il a conclu directement avec son fournisseur de LLM.
Qu’advient-il des logs d’agent lorsqu’un utilisateur est supprimé ?
Lorsque vous supprimez un profil utilisateur, Braze masque le contenu de cet utilisateur dans les Logs de vos agents. Cela s’applique lorsque vous supprimez un seul utilisateur, un Segment d’utilisateurs ou un espace de travail.
Dans chacune des entrées de log de cet utilisateur, Braze remplace ou efface :
- L’entrée de l’agent, y compris le Liquid rendu et le contexte du Canvas
- Les données de profil ajoutées par Braze à l’entrée
- La sortie de l’agent et toute valeur de repli
- Les arguments et les sorties des appels d’outils
Braze supprime également l’ID utilisateur : une recherche de cet utilisateur dans les Logs ne renvoie donc plus ces entrées. Les instructions de votre agent ne changent pas.
Les entrées de log elles-mêmes sont conservées, si bien que le nombre d’invocations de l’agent et la consommation de crédits les incluent toujours. Les logs exportés avant la suppression restent inchangés.