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 에이전트를 참조하세요.

필수 조건

시작하기 전에 다음이 필요합니다:

• 워크스페이스에서 Agent Console에 접근할 수 있는 권한. 이 옵션이 보이지 않는 경우 Braze 관리자에게 문의하세요.
• 커스텀 AI 에이전트를 생성하고 편집할 수 있는 권한.
• 에이전트가 수행할 작업에 대한 아이디어. Braze 에이전트는 다음 작업을 지원할 수 있습니다:
  • 개인화된 메시징: 제목란, 헤드라인, 인앱 문구 또는 기타 콘텐츠를 생성합니다.
  • 사용자 라우팅: 행동, 선호도 또는 커스텀 속성에 따라 Canvas에서 사용자를 라우팅합니다.
  • 데이터 관리: 값을 계산하고, 카탈로그 항목을 보강하거나, 프로필 필드를 새로고침합니다.

작동 방식

에이전트를 생성할 때, 에이전트의 목적을 정의하고 동작 방식에 대한 가드레일을 설정합니다. 실시간으로 운영되면, 에이전트를 Braze에 배포하여 개인화된 카피를 생성하거나, 실시간 의사결정을 내리거나, 카탈로그 필드를 업데이트할 수 있습니다. 에이전트를 구성하면서 초안으로 저장하고 대시보드에서 언제든지 업데이트할 수 있습니다. 저장할 때마다 새 버전이 생성되며, 버전 기록 탭에서 확인할 수 있습니다.

다음 사용 사례는 커스텀 에이전트를 활용하는 몇 가지 방법을 보여줍니다.

사용 사례	설명
고객 피드백 처리	사용자 피드백을 에이전트에 전달하여 감성을 분석하고 공감이 담긴 후속 메시지를 생성합니다. 고가치 사용자의 경우, 에이전트가 응답을 에스컬레이션하거나 특전을 포함할 수 있습니다.
콘텐츠 현지화	글로벌 Campaign을 위해 카탈로그 텍스트를 다른 언어로 번역하거나, 지역별 채널에 맞게 톤과 길이를 조정합니다. 예를 들어, “Classic Clubmaster Sunglasses”를 스페인어로 “Gafas de sol Classic Clubmaster”로 번역하거나, 단문 메시지 서비스 Campaign을 위해 설명을 짧게 줄일 수 있습니다.
리뷰 또는 피드백 요약	감성이나 피드백을 새 필드로 요약합니다. 예를 들어 긍정적, 중립, 부정과 같은 감성 점수를 부여하거나, “대부분의 고객이 훌륭한 핏을 언급하지만 배송이 느리다는 점을 지적합니다.”와 같은 짧은 텍스트 요약을 생성합니다.

에이전트 만들기

1단계: 에이전트 유형 선택

에이전트를 만들려면 먼저 에이전트 유형을 선택합니다.

1. Agent Console로 이동합니다.
2. Canvas Step Agents 또는 Catalog Agents를 선택합니다.

2단계: 에이전트 구축 방법 선택

Create agent를 선택한 다음, 다음 옵션 중 하나를 선택합니다.

• Custom agent: 빈 상태에서 에이전트를 구축합니다
• Create an agent with Operator의 옵션: BrazeAI Operator를 사용하여 시작 템플릿을 적용합니다

Operator를 사용하는 경우, 다음 단계로 진행하기 전에 채팅에서 변경 사항을 검토하고 승인합니다.

3단계: 세부 사항 설정

다음으로 에이전트의 세부 사항을 설정합니다.

1. 팀이 에이전트의 목적을 이해할 수 있도록 이름과 설명을 입력합니다.
2. (선택 사항) 에이전트를 필터링할 태그를 추가합니다.
3. 에이전트가 사용할 모델을 선택합니다.
4. Braze Auto 모델을 사용하지 않는 경우, 모델의 사고 수준을 선택합니다. 최소, 낮음, 중간, 높음 중에서 선택할 수 있습니다. Minimal부터 시작하여 에이전트의 응답을 테스트하고 필요에 따라 조정하는 것을 권장합니다.
5. 일일 호출 한도를 설정합니다. 기본적으로 이 값은 250,000으로 설정되어 있지만, 1,000,000까지 높일 수 있습니다. 한도를 1,000,000 이상으로 높이고 싶다면 고객 성공 매니저에게 문의하여 자세히 알아보세요. 테스트 후 계획된 오디언스 규모에 맞게 한도를 충분히 높게 설정하세요. 한도가 너무 낮으면 일일 한도 실패가 발생합니다(크레딧을 소비하지는 않지만 대체 값이 적용되거나 출력이 null로 남게 됩니다).

Daily action credit cost limit 필드는 이 에이전트가 하루에 소비할 수 있는 최대 크레딧 수를 지정합니다. Braze는 선택한 모델에 대한 워크스페이스의 호출당 크레딧 비율(계약서에 명시되어 있으며, Credit Ratios 페이지에 표시됨)에 일일 호출 한도를 곱하여 이를 계산합니다. 모델이나 호출 한도를 변경하면 추정치가 업데이트됩니다.

비용을 관리하려면 일일 호출 한도를 낮추세요. 자체 키 사용(BYO) 모델의 경우, 더 저렴한 모델로 전환하거나 사고 수준을 낮출 수도 있습니다. Braze Auto는 사고 수준 조정을 지원하지 않습니다. Settings > Billing > Credits Usage > Agent Console에서 실제 사용량을 추적하세요.

4단계: 지침 작성

에이전트에 지침을 제공합니다. Operator 템플릿을 사용한 경우, 미리 채워진 지침을 검토하고 필요에 따라 편집합니다.

예상치 못하거나 모호한 시나리오에서 에이전트가 어떻게 해야 하는지에 대한 지침을 포함하세요. 이를 통해 에이전트의 혼란으로 인한 오류 위험을 최소화할 수 있습니다. 예를 들어, 에이전트에게 “긍정적” 또는 “부정적” 감성 값만 요청하는 대신, 판단할 수 없는 경우 “unsure”를 반환하도록 요청하세요.

모범 사례는 지침 작성을, 에이전트 프롬프트 작성에 대한 영감은 예시를 참조하세요.

컨텍스트 추가

+ Agent context를 선택하여 에이전트가 참조할 수 있는 항목을 선택합니다. 여기에는 다음이 포함됩니다.

• 카탈로그 필드: 에이전트가 더 정확한 응답을 제공할 수 있도록 카탈로그 데이터에 대한 접근 권한을 부여합니다.
• 지식 소스: 카탈로그를 직접 연결하는 것보다 더 정확한 검색을 위해 지식 소스를 통해 카탈로그 데이터에 대한 접근 권한을 부여합니다.
• Segment 멤버십: 사용자가 속한 Segment를 기반으로 에이전트가 응답을 개인화할 수 있도록 합니다. 최대 5개의 Segment를 선택할 수 있습니다.
• 브랜드 가이드라인: 에이전트가 따를 브랜드 보이스 및 스타일 가이드라인을 참조합니다. 예를 들어, 에이전트가 사용자에게 체육관 회원 가입을 권유하는 SMS 카피를 생성하도록 하려면, 이 필드를 사용하여 미리 정의된 대담하고 동기 부여적인 가이드라인을 참조할 수 있습니다.
• 전체 Canvas 컨텍스트: 이 에이전트가 호출될 때 지침 섹션에서 참조되지 않는 변수를 포함하여 사용자에 대한 모든 Canvas 컨텍스트 데이터를 분석합니다.
• 사용자 상호작용 데이터: 에이전트에 각 사용자의 최근 Campaign 및 Canvas 열람, 클릭, 전환 데이터를 제공합니다.

5단계: 출력 선택

Output 섹션에서 에이전트의 출력을 기본 스키마 또는 고급 스키마로 구성하고 정의할 수 있습니다. Operator 템플릿을 사용한 경우, 미리 채워진 출력 스키마를 검토하고 필요에 따라 편집합니다.

최상의 결과를 위해, Output 섹션에서 지정하는 내용이 4단계에서 입력한 에이전트 지침과 일치하는지 확인하세요. 예를 들어, 에이전트 지침에서 두 개의 문자열이 있는 객체를 원한다고 언급했다면, Output 섹션에서도 두 개의 문자열이 있는 객체를 지정해야 합니다. 에이전트 지침이 지정된 출력과 일치하지 않으면, 에이전트가 혼란스러워하거나, 시간 초과가 발생하거나, 원하지 않는 출력을 생성할 수 있습니다.

대체 값 구성

대체 값은 Canvas Step Agent에만 사용할 수 있습니다. Canvas Step Agent의 Output 섹션에서 에이전트 호출이 실패할 때(예: LLM 시간 초과 또는 잘못된 API 키 오류 반환 시) Braze가 사용하는 값을 정의할 수 있습니다. 대체 값은 개인화 기본값처럼 작동합니다. 에이전트가 실행할 수 없을 때에도 사용자에게 유용한 출력을 제공하는 정적 제목란이나 짧은 메시지를 설정할 수 있습니다.

Catalog Agent는 Agent Console에서 대체 값 구성을 지원하지 않습니다.

Canvas 에이전트의 경우, 대체 값은 Liquid 템플릿을 지원하므로 대체 텍스트에서 사용자 속성이나 컨텍스트 변수를 참조할 수 있습니다.

대체 필드는 Canvas Step Agent의 출력 형식에 맞게 조정됩니다.

출력 형식	대체 구성
문자열, 숫자 또는 불리언	단일 대체 값을 입력합니다(Liquid 지원).
필드(고급 스키마)	에이전트 출력에 정의된 각 필드에 대해 대체 값을 입력합니다.
JSON 스키마(고급 스키마)	Braze가 JSON 스키마를 읽고 각 속성에 대한 입력 필드를 생성하여 키별로 대체 값을 정의할 수 있습니다.

대체 값이 있는 Canvas Step Agent가 Agent 단계에서 실행되면, Braze는 사용자별로 대체를 렌더링하고 null 대신 출력 변수에 저장합니다. 대체 값을 구성하지 않으면, 실패한 호출은 Canvas 출력을 설정하지 않은 상태(null)로 남겨둡니다.

런타임 동작에 대해서는 오류 처리 및 대체 동작을 참조하세요.

6단계: 에이전트 테스트

Preview 창은 구성 경험 내에서 나란히 패널로 표시되는 에이전트의 인스턴스입니다. 에이전트를 만들거나 업데이트하는 동안 이 섹션을 사용하여 최종사용자와 유사한 방식으로 에이전트를 테스트할 수 있습니다. 이 단계는 에이전트가 예상대로 동작하는지 확인하고, 실시간으로 전환하기 전에 미세 조정할 기회를 제공합니다.

1. Test your agent 필드에 예시 고객 데이터나 고객 응답을 입력합니다. 에이전트가 처리할 실제 시나리오를 반영하는 내용이면 됩니다.
2. 임의 사용자, 기존 사용자 또는 커스텀 사용자에 대한 에이전트 응답을 미리 봅니다.
3. Simulate response를 선택합니다. 에이전트가 구성에 따라 실행되고 응답을 표시합니다.

비판적인 시각으로 출력을 검토하세요. 다음 질문을 고려해 보세요.

• 카피가 브랜드에 맞는 느낌인가요?
• 의사결정 로직이 고객을 의도한 대로 라우팅하나요?
• 계산된 값이 정확한가요?

무언가 이상하게 느껴지면, 에이전트의 구성을 업데이트하고 다시 테스트하세요. 데이터 없음이나 잘못된 응답과 같은 엣지 케이스를 포함하여 다양한 입력을 실행하여 에이전트가 시나리오 전반에 걸쳐 어떻게 적응하는지 확인하세요.

7단계: 에이전트 사용

이제 에이전트를 사용할 준비가 되었습니다! 자세한 내용은 에이전트 배포를 참조하세요.

Operator로 구축된 에이전트 템플릿

Operator는 다음 에이전트 콘솔 시작 템플릿에 대해 지침, 출력 필드 및 컨텍스트를 미리 구성할 수 있습니다. Operator에서 템플릿을 선택하거나 Operator에게 이름으로 적용하도록 요청하세요.

캔버스 단계 에이전트 템플릿

템플릿	설명	예시 출력
개인화된 카피라이터	사용자 속성, Canvas 컨텍스트 및 브랜드 가이드라인을 기반으로 채널별 메시지 카피를 생성합니다	이메일 제목란과 프리헤더, 푸시 제목과 본문
피드백 분석가	개방형 설문조사 또는 고객지원 피드백을 Canvas 분기를 위한 구조화된 필드로 구문 분석합니다	감정, 주제, 권장 다음 동작
여정 라우터	프로필 및 여정 컨텍스트를 기반으로 각 사용자를 가장 관련성 높은 Canvas 경로로 라우팅합니다	경로 이름 또는 결정 분할 단계를 위한 부울 값

카탈로그 에이전트 템플릿

템플릿	설명	예시 출력
설명 작성기	기존 카탈로그 열에서 짧은 마케팅 설명을 작성합니다	제품 또는 목적지 설명
항목 분류기	행 데이터에서 카테고리 또는 태그를 할당합니다	필터링 및 추천을 위한 카테고리 레이블
현지화 번역기	문자 수 제한 내에서 카탈로그 문자열을 대상 로케일로 번역합니다	로케일별 현지화된 텍스트

관련 리소스

• 에이전트 레퍼런스
• 자주 묻는 질문
• Braze 웨비나: AI in Action: 1:1 개인화를 위한 3가지 새로운 사용 사례