Skip to content

エージェントステップ

エージェントステップを使用すると、AI を活用した意思決定やコンテンツ生成をキャンバスワークフローに直接組み込むことができます。一般的な情報については、Braze エージェントを参照してください。

キャンバスのユーザージャーニーにおけるエージェントステップ。

前提条件

エージェントステップは、キャンバスコンテキスト変数を使用して関連するコンテキストを取り込み、キャンバスで活用できる変数を出力します。

仕組み

ユーザーがキャンバスのエージェントステップに到達すると、Braze は設定した入力データ（完全なコンテキストまたは選択したフィールド）を選択したエージェントに送信します。エージェントはそのモデルと指示を使用して入力を処理し、出力を返します。その出力は、ステップで定義した出力変数に保存されます。

この変数は主に3つの方法で使用できます。

  • 意思決定: エージェントの応答に基づいて、ユーザーを異なるキャンバスパスにルーティングします。たとえば、リードスコアリングエージェントが1から10の数値を返す場合、このスコアを使用してユーザーへのメッセージングを続行するか、ジャーニーから除外するかを判断できます。
  • パーソナライゼーション: エージェントの応答をメッセージに直接挿入します。たとえば、エージェントが顧客のフィードバックを分析し、顧客のコメントに言及して解決策を提案する共感的なフォローアップメールを生成できます。
  • ユーザーデータの処理: ユーザーデータを分析・標準化し、ユーザープロファイルに保存するか、Webhook を使用して送信します。たとえば、エージェントがセンチメントスコアや製品アフィニティの割り当てを返すことができます。そのデータをユーザープロファイルに保存して、将来の利用に活用できます。

エージェントステップの作成

ステップ 1: ステップを追加する

サイドバーからエージェントコンポーネントをドラッグ＆ドロップするか、ステップの下部にある プラスボタンを選択してエージェントを選択します。

ステップ 2: エージェントを選択する

このステップでデータを処理するエージェントを選択します。既存のエージェントから選択してください。セットアップのガイダンスについては、カスタムエージェントの作成を参照してください。

ステップ 3: エージェントの出力を設定する

エージェントの出力は「出力変数」と呼ばれ、簡単にアクセスできるようにコンテキスト変数に保存されます。出力変数を定義するには、変数に名前を付けます。

出力変数のデータタイプはエージェントコンソールから設定されます。エージェントの出力は、文字列、数値、ブール値、またはオブジェクトとして保存できます。これにより、キャンバスでのテキストパーソナライゼーションと条件ロジックの両方に柔軟に対応できます。各タイプの一般的な用途は以下のとおりです。

出力変数は、コンテキスト変数と同じテンプレート構文を使用してキャンバス全体で使用できます。コンテキスト変数セグメントフィルターを使用するか、Liquid を使用してエージェントの応答を直接テンプレート化します: {{context.${response_variable_name}}} 。

オブジェクト出力変数から特定のプロパティを使用するには、Liquid でドット記法を使用してそのプロパティにアクセスします: {{context.${response_variable_name}.field_name}}

変数「agent_output」のオブジェクトデータタイプ出力を持つ Body HTML Writer のエージェントステップ。

ステップ 4: 追加のコンテキストを追加する（オプション）

エージェントステップの実行時に参照する追加のコンテキスト値を含めることができます。キャンバスで通常使用する任意の Liquid テンプレート値を入力できます。

Liquid を使用してエージェントステップに追加のコンテキストを追加するオプション。

ステップ 5: エージェントをテストする

エージェントステップを設定した後、このステップの出力をテストしてプレビューできます。

ランダムなユーザーとしてエージェントの出力をプレビューします。

エラー処理

  • 接続されたモデルがレート制限エラーを返した場合、Braze はエクスポネンシャルバックオフで最大5回リトライします。
  • エージェントがその他の理由（タイムアウトエラーや無効な API キーなど）で失敗した場合、出力変数は null に設定されます。
    • エージェントが1日の呼び出し上限に達した場合、出力変数は null に設定されます。
  • エラーに対するバッファとしてデフォルトの Liquid 値を使用してください。たとえば、パーソナライゼーションを追加モーダルで、{{context.${response_variable_name}.push_title | default: 'Hello friend!'}} や {{context.${response_variable_name}.push_body | default: 'Open our app to get your prize!'}} のようなデフォルトの Liquid 値を入力できます。
  • 同一の入力に対する応答はキャッシュされ、数分以内の同一の呼び出しに再利用される場合があります。
    • キャッシュされた値を使用する応答も、合計および1日の呼び出し回数にカウントされます。
  • エージェントステップは、大量のユーザーバッチの処理に時間がかかる場合があります。このステップで保留中のユーザーが表示される場合は、ログを確認して呼び出しが行われていることを確認してください。

分析

エージェントステップのパフォーマンスを追跡するには、以下の指標を参照してください。

よくある質問

エージェントステップはいつ使用すべきですか？

一般的に、特定の文脈に応じたデータを LLM に入力し、人間には不可能な規模でキャンバスコンテキスト変数をインテリジェントにエージェント的に割り当てたい場合に、エージェントステップの使用をお勧めします。

たとえば、以前にチョコレートとストロベリーを注文したユーザーに、新しいアイスクリームフレーバーをおすすめするパーソナライズされたメッセージを送信するとします。エージェントステップと AI 項目のレコメンデーションの違いは以下のとおりです。

  • エージェントステップ: LLM を使用して、エージェントに与えられた指示とコンテキストデータポイントに基づいて、ユーザーが何を望むかについて定性的な判断を行います。この例では、エージェントステップはユーザーが異なるフレーバーを試したいという可能性に基づいて、新しいフレーバーをおすすめする場合があります。
  • AI 項目のレコメンデーション: 機械学習モデルを使用して、購入などの過去のユーザーイベントに基づいて、ユーザーが最も欲しいと思われる製品を予測します。この例では、AI 項目のレコメンデーションは、ユーザーの過去2回の注文（チョコレートとストロベリー）と、ワークスペース内の他のユーザーの動作との比較に基づいて、フレーバー（バニラ）を提案します。

エージェントステップは入力データをどのように使用しますか？

エージェントステップは、エージェントが使用するように設定されたコンテキストデータと、エージェントに提供された追加のコンテキストを分析します。

関連記事
New Stuff!