Skip to content

커스텀 에이전트 생성

커스텀 에이전트를 생성하는 방법, 시작하기 전에 준비해야 할 사항, 그리고 메시징, 의사결정 및 데이터 관리 전반에 걸쳐 에이전트를 활용하는 방법을 알아봅니다. 더 일반적인 정보는 Braze Agents를 참조하세요.

필수 조건

시작하기 전에 다음이 필요합니다:

  • 워크스페이스에서 Agent Console에 접근할 수 있는 권한. 이 옵션이 보이지 않으면 Braze 관리자에게 확인하세요.
  • 커스텀 AI 에이전트를 생성하고 편집할 수 있는 권한.
  • Braze와 통합된 AI 모델 제공업체.
  • 에이전트가 달성하기를 원하는 목표에 대한 아이디어. Braze 에이전트는 다음과 같은 동작을 지원할 수 있습니다:
    • 메시징: 제목란, 헤드라인, 제품 내 카피 또는 기타 콘텐츠를 생성합니다.
    • 의사결정: 동작, 선호도 또는 커스텀 속성에 따라 캔버스에서 사용자를 라우팅합니다.
    • 데이터 관리: 값을 계산하고, 카탈로그 항목을 보강하거나, 프로필 필드를 새로고침합니다.

작동 방식

에이전트를 생성할 때 목적을 정의하고 동작 방식에 대한 가이드라인을 설정합니다. 라이브 상태가 되면 에이전트를 Braze에 배포하여 개인화된 카피를 생성하고, 실시간 결정을 내리거나, 카탈로그 필드를 업데이트할 수 있습니다. 대시보드에서 언제든지 에이전트를 일시 중지하거나 업데이트할 수 있습니다.

다음 활용 사례는 커스텀 에이전트를 활용하는 몇 가지 방법을 보여줍니다.

에이전트 생성

1단계: 에이전트 유형 선택

커스텀 에이전트를 생성하려면:

  1. Braze 대시보드에서 Agent Console > Agent Management로 이동합니다.
  2. 에이전트 생성을 선택합니다.
  3. 캔버스 에이전트 또는 카탈로그 에이전트 중 하나를 선택합니다.

2단계: 세부 정보 설정

다음으로 에이전트의 세부 정보를 설정합니다:

  1. 팀이 목적을 이해할 수 있도록 이름과 설명을 입력합니다.
  2. (선택 사항) 에이전트를 필터링하기 위해 태그를 추가합니다.
  3. 에이전트가 사용할 모델을 선택합니다.
  4. Braze Auto 모델을 사용하지 않는 경우, 모델의 사고 수준을 선택합니다. 최소, 낮음, 중간 또는 높음 중에서 선택할 수 있습니다. 최소로 시작하여 에이전트의 응답을 테스트한 후 필요에 따라 조정하는 것을 권장합니다.
  5. 일일 실행 한도를 설정합니다. 기본값은 250,000으로 설정되어 있지만 1,000,000까지 높일 수 있습니다. 1,000,000 이상으로 한도를 늘리려면 고객 성공 매니저에게 문의하여 자세히 알아보세요.

Braze에서 커스텀 에이전트를 생성하기 위한 Agent Console 인터페이스. 화면에는 에이전트 이름과 설명을 입력하고, 모델을 선택하고, 일일 실행 한도를 설정하는 필드가 표시됩니다.

3단계: 지침 작성

에이전트에게 지침을 제공합니다. 예기치 않거나 모호한 시나리오에서 에이전트가 수행해야 할 작업에 대한 지침을 포함하는 것이 좋습니다. 이렇게 하면 에이전트의 혼란으로 인한 오류 위험을 최소화할 수 있습니다. 예를 들어, 에이전트에게 “긍정적” 또는 “부정적” 감정 값만 요청하는 대신, 결정할 수 없는 경우 “확신 없음”을 반환하도록 요청하세요.

모범 사례는 지침 작성을 참조하고, 에이전트 프롬프트에 대한 영감은 예시를 참조하세요.

3.1단계: 리소스 추가

에이전트가 참조할 수 있는 항목을 선택하려면 리소스 추가를 선택합니다. 여기에는 다음이 포함됩니다:

  • 카탈로그 필드: 보다 정확한 응답을 위해 에이전트에게 카탈로그 데이터에 대한 액세스를 제공합니다.
  • 세그먼트 멤버십: 에이전트가 사용자가 속한 세그먼트에 따라 응답을 개인화할 수 있도록 합니다. 최대 5개의 세그먼트를 선택할 수 있습니다.
  • 브랜드 가이드라인: 에이전트가 따를 브랜드 보이스와 스타일 가이드라인을 참조합니다. 예를 들어, 에이전트가 사용자에게 체육관 회원 가입을 유도하는 SMS 카피를 생성하도록 하려면, 이 필드를 사용하여 미리 정의된 대담하고 동기 부여가 되는 가이드라인을 참조할 수 있습니다.
  • 모든 Canvas 컨텍스트: 이 에이전트가 호출될 때 지침 섹션에서 참조되지 않은 변수를 포함하여 사용자의 모든 캔버스 컨텍스트 데이터를 분석합니다.

3.2단계: 선택적 설정 추가

선택적 설정에서 에이전트가 생성하는 카피의 온도를 조정할 수 있습니다. 온도가 높을수록 에이전트가 제공된 정보를 바탕으로 더 창의적인 결과를 생성할 수 있습니다.

4단계: 출력 선택

출력 섹션에서 기본 스키마 또는 고급 스키마로 에이전트의 출력을 구성하고 정의할 수 있습니다.

최상의 결과를 얻으려면 출력 섹션에서 지정한 내용이 3단계에서 입력한 에이전트 지침과 일치하는지 확인하세요. 예를 들어, 에이전트 지침에서 두 개의 문자열이 있는 오브젝트를 원한다고 언급한 경우, 출력 섹션에서도 두 개의 문자열이 있는 오브젝트를 지정해야 합니다. 에이전트 지침이 지정한 출력과 일치하지 않으면 에이전트가 혼란스러워하거나 시간 초과되거나 원하지 않는 출력을 생성할 수 있습니다.

기본 스키마

기본 스키마는 에이전트가 반환하는 간단한 출력입니다. 문자열, 숫자, 부울, 문자열 배열 또는 숫자 배열일 수 있습니다.

예를 들어, 제품을 받은 후 고객의 만족도를 파악하기 위해 간단한 피드백 설문조사에서 사용자 감정 점수를 수집하려는 경우, 출력 형식을 구조화하기 위해 기본 스키마로 숫자를 선택할 수 있습니다.

기본 스키마로 숫자가 선택된 Agent Console.

고급 스키마

고급 스키마 옵션에는 필드를 수동으로 구조화하거나 JSON을 사용하는 방법이 있습니다.

  • 필드: 일관되게 사용할 수 있는 에이전트 출력을 강제하는 노코드 방식입니다.
  • JSON: 정확한 출력 형식을 생성하는 코드 방식으로, JSON 스키마 내에 변수와 오브젝트를 중첩할 수 있습니다. 캔버스 에이전트에서만 사용할 수 있으며, 카탈로그 에이전트에서는 사용할 수 없습니다.

에이전트가 단일 값 출력이 아닌 구조화된 방식으로 정의된 여러 값을 가진 데이터 구조를 반환하도록 하려면 고급 스키마를 사용하는 것이 좋습니다. 이렇게 하면 출력을 일관된 컨텍스트 변수로 더 잘 형식화할 수 있습니다.

예를 들어, 사용자가 제출한 양식을 기반으로 샘플 여행 일정을 생성하는 에이전트에서 출력 형식을 사용할 수 있습니다. 출력 형식을 통해 모든 에이전트 응답이 tripStartDate, tripEndDate, destination 값을 포함하여 반환되도록 정의할 수 있습니다. 이러한 각 값은 컨텍스트 변수에서 추출되어 Liquid를 사용한 개인화를 위해 메시지 단계에 배치할 수 있습니다.

레스토랑의 최신 아이스크림 맛을 추천할 가능성을 파악하기 위한 간단한 피드백 설문조사의 응답을 형식화하려면, 출력 형식을 구조화하기 위해 다음 필드를 설정할 수 있습니다:

가능성 점수, 설명 및 신뢰 점수를 위한 세 개의 출력 필드를 보여주는 Agent Console.

레스토랑 체인에서의 최근 식사 경험에 대한 사용자 피드백을 수집하려면, 출력 형식으로 JSON Schema를 선택하고 감정 변수와 이유 변수를 포함하는 데이터 오브젝트를 반환하기 위해 다음 JSON을 삽입할 수 있습니다.

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

{
  "type": "object",
  "properties": {
    "sentiment": {
      "type": "string"
    },
    "reasoning": {
      "type": "string"
    }
  },
  "required": [
    "sentiment",
    "reasoning"
  ]
}

5단계: 에이전트 테스트 및 생성

미리보기 창은 구성 화면 내에서 나란히 패널로 표시되는 에이전트의 인스턴스입니다. 에이전트를 생성하거나 업데이트하는 동안 테스트하는 데 사용할 수 있으며, 최종 사용자와 유사한 방식으로 경험해 볼 수 있습니다. 이 단계는 에이전트가 예상대로 동작하는지 확인하는 데 도움이 되며, 라이브로 전환하기 전에 미세 조정할 기회를 제공합니다.

  1. 에이전트 테스트 필드에 예시 고객 데이터 또는 고객 응답을 입력합니다. 에이전트가 처리할 실제 시나리오를 반영하는 내용이면 됩니다.
  2. 무작위 사용자, 기존 사용자 또는 커스텀 사용자에 대한 에이전트의 응답을 미리 봅니다.
  3. 응답 시뮬레이션을 선택합니다. 에이전트가 구성에 따라 실행되고 응답을 표시합니다.

커스텀 에이전트를 테스트하기 위한 미리보기 창을 보여주는 Agent Console. 인터페이스에는 예시 고객 데이터가 포함된 샘플 입력 필드, 테스트 실행 버튼, 에이전트 출력이 나타나는 응답 영역이 표시됩니다.

출력을 비판적인 시각으로 검토하세요. 다음 질문을 고려해 보세요:

  • 카피가 브랜드에 맞게 느껴지나요?
  • 결정 로직이 고객을 의도한 대로 라우팅하나요?
  • 계산된 값이 정확한가요?

무언가 이상하게 느껴지면 에이전트의 구성을 업데이트하고 다시 테스트하세요. 에이전트가 시나리오에 따라 어떻게 적응하는지 확인하기 위해 다양한 입력을 실행해 보세요. 특히 데이터가 없거나 잘못된 응답과 같은 엣지 케이스도 포함해야 합니다.

6단계: 에이전트 사용

에이전트를 사용할 준비가 완료되었습니다! 자세한 내용은 에이전트 배포를 참조하세요.

관련 문서
Github   GitHub 에서 이 페이지를 편집합니다.
New Stuff!