에이전트 참조

커스텀 에이전트를 생성할 때 지침 및 출력 스키마와 같은 주요 설정에 대한 자세한 내용은 이 문서를 참조하세요. 단계별 설정은 커스텀 에이전트 생성을 참조하세요. 소개는 Braze Agents 및 자주 묻는 질문을 참조하세요.

모델

에이전트를 설정할 때 응답 생성에 사용할 모델을 선택할 수 있습니다. Braze 제공 모델을 사용하거나 자체 API 키를 사용하는 두 가지 방법이 있습니다.

중요

Braze 제공 Auto 모델은 지식 소스를 통한 카탈로그 데이터 검색, Segment 멤버십 확인 등의 작업을 수행할 수 있을 만큼 사고 능력이 충분한 모델에 최적화되어 있습니다. 다른 모델을 사용하는 경우 사용 사례에 맞게 잘 작동하는지 테스트할 것을 권장합니다. 모델마다 속도와 성능이 다르므로 지침을 조정하여 상세 수준이나 단계별 사고 방식을 다르게 제공해야 할 수도 있습니다.

옵션 1: Braze 제공 모델 사용

추가 설정이 필요 없는 가장 간단한 옵션입니다. Braze가 대규모 언어 모델(LLM)에 대한 액세스를 직접 제공합니다. 이 옵션을 사용하려면 Gemini 모델을 사용하는 Auto를 선택하세요.

옵션 2: 자체 API 키 사용

이 옵션을 사용하면 OpenAI, Anthropic, Google Gemini 같은 제공업체와 Braze 계정을 연결할 수 있습니다. LLM 제공업체의 자체 API 키를 사용하는 경우 토큰 비용은 Braze가 아닌 제공업체를 통해 직접 청구됩니다.

레거시 모델은 몇 개월 후 중단되거나 지원 중단될 수 있으므로 최신 모델을 정기적으로 테스트할 것을 권장합니다. 에이전트를 대규모로 실행할 수 있도록 제공업체에 크레딧이 충분한지 확인하세요. 또한 알림 환경설정에서 Agent Console 알림을 신청하면 Braze가 모델을 더 이상 사용할 수 없음을 감지하거나 LLM 제공업체에서 청구 문제가 발생했을 때 알림을 받을 수 있습니다.

설정 방법은 다음과 같습니다.

1. 파트너 통합 > 기술 파트너로 이동하여 제공업체를 찾습니다.
2. 제공업체에서 발급받은 API 키를 입력합니다.
3. 저장을 선택합니다.

그런 다음 에이전트로 돌아가 모델을 선택할 수 있습니다.

Braze에서 제공하는 LLM을 사용하는 경우 해당 모델의 제공업체는 고객과 Braze 간의 데이터 처리 부록(DPA) 조건에 따라 Braze 하위 처리자로서 역할을 합니다. 자체 API 키를 사용하기로 선택한 경우 LLM 구독 제공업체는 고객과 Braze 간 계약에 따른 타사 제공업체로 간주됩니다.

사고 수준

일부 LLM 제공업체에서는 선택한 모델의 사고 수준을 조정할 수 있습니다. 사고 수준은 빠르고 직접적인 응답부터 더 긴 추론 과정까지, 모델이 답변하기 전에 사용하는 사고의 범위를 정의합니다. 이는 응답 품질, 지연 시간, 토큰 사용량에 영향을 줍니다.

최소로 시작하여 에이전트의 응답을 테스트할 것을 권장합니다. 이후 에이전트가 정확한 답변을 제공하는 데 어려움을 겪는다면 사고 수준을 낮음 또는 중간으로 조정할 수 있습니다. 드물게 높음 사고 수준이 필요할 수도 있지만, 이 수준을 사용하면 토큰 비용이 높아지고 응답 시간이 길어지거나 시간 초과 오류의 위험이 커질 수 있습니다. 에이전트가 다단계 추론과 적절한 응답 시간 사이에서 균형을 잡지 못한다면, 사용 사례를 Canvas나 카탈로그에서 함께 작동할 수 있는 여러 에이전트로 나누는 것을 고려하세요.

Braze는 아웃바운드 LLM 호출에 연결된 콘텐츠와 동일한 IP 범위를 사용합니다. 해당 범위는 연결된 콘텐츠 IP 허용 목록에 나와 있습니다. 제공업체가 IP 허용 목록을 지원하는 경우 키를 해당 범위로 제한하여 Braze만 사용할 수 있도록 할 수 있습니다.

중요

Braze에서 제공하는 LLM을 사용하는 경우 해당 모델의 제공업체는 고객과 Braze 간의 데이터 처리 부록(DPA) 조건에 따라 Braze 하위 처리자로서 역할을 합니다. 자체 API 키를 사용하기로 선택한 경우 LLM 구독 제공업체는 고객과 Braze 간 계약에 따른 타사 제공업체로 간주됩니다.

사용할 모델 결정

LLM 제공업체마다 모델 기능, 비용, 사고 수준의 구성이 조금씩 다릅니다. 다음은 일반적인 가이드라인과 모범 사례입니다.

• 비용 효율성을 위해 토큰 비용이 높은 모델보다 낮은 모델을 우선적으로 테스트하세요. 비용이 낮은 모델이 사용 사례를 처리하는 데 어려움을 겪거나 일관성이 없거나 부정확한 출력을 생성하는 경우에만 비용이 높은 모델로 조정하세요.
• 속도 및 성능 효율성을 위해 높은 사고 수준보다 낮은 사고 수준을 우선적으로 테스트하세요. 낮은 사고 수준이 사용 사례를 처리하는 데 어려움을 겪거나 일관성이 없거나 부정확한 출력을 생성하는 경우에만 높은 사고 수준의 모델로 조정하세요.
• 비용이 낮은 모델이나 낮은 사고 수준이 사용 사례를 처리하는 데 어려움을 겪거나 일관성이 없거나 부정확한 출력을 생성한다면, 비용이 높은 모델이나 높은 사고 수준의 모델로 조정하는 것을 고려하세요.
• 테스트하는 동안 신뢰성 및 정확성과 토큰 사용량 및 호출 소요 시간 사이의 균형을 맞추세요.
• 사용 사례마다 최적의 모델과 사고 수준이 다를 수 있습니다. 시간 초과 없이 일관된 품질을 유지하는지 철저히 테스트할 것을 권장합니다.

호출 흐름 제어

다음 호출 흐름 제어는 워크스페이스별로 적용됩니다.

• Braze 제공 모델: 분당 5,000회 호출
• 자체 API 키 사용: 분당 5,000회 호출

많은 사용자가 한 번에 에이전트 단계에 진입하면 Braze는 이러한 한도에 따라 호출을 대기열에 넣으므로, 대량 발송 시에는 처리 시간이 더 오래 걸릴 수 있습니다.

일일 호출 및 크레딧 한도

각 에이전트에는 일일 호출 한도가 있습니다(기본값 250,000회, 계약상 더 높은 한도가 허용되지 않는 한 최대 1,000,000회). 모든 호출(Agent Console 미리보기 및 응답 시뮬레이션을 사용하는 테스트 Canvas 실행 포함)이 이 한도에 포함됩니다.

Agent Console에서 일일 작업 크레딧 비용 한도는 에이전트가 하루에 소비할 수 있는 최대 크레딧을 추정합니다. Braze는 선택한 모델에 대한 워크스페이스의 호출당 크레딧 비율에 일일 호출 한도를 곱하여 계산합니다.

크레딧이 소비되는 경우

Braze는 처리가 완료된 호출에 대해서만 크레딧을 청구합니다. 다음과 같은 이유로 호출이 실패하면 크레딧이 소비되지 않습니다.

• LLM 제공업체의 사용량 제한 오류(최종적으로 실패한 재시도 포함)
• 선택한 모델을 사용할 수 없는 경우
• 에이전트가 일일 호출 한도에 도달한 경우

호출이 시간 초과되면 에이전트가 사용 가능한 출력을 반환하지 않더라도 크레딧이 소비됩니다.

크레딧 사용량 모니터링

설정 > 청구 > 크레딧 사용량 > Agent Console로 이동하여 크레딧 소비량, 호출 횟수, 에이전트별 크레딧 비율을 확인하세요.

크레딧 비율은 계약에 따라 정해지며 크레딧 사용량 대시보드(크레딧 비율 탭 및 Agent Console 탭)에 표시됩니다. 모델이나 호출 한도를 변경하면 추정치가 업데이트됩니다.

지출을 관리하려면 일일 호출 한도를 낮추세요. 자체 API 키(BYO) 모델의 경우 비용이 더 낮은 모델을 선택하거나 사고 수준을 낮춰 제공업체 토큰 비용을 줄일 수도 있습니다. Braze Auto는 사고 수준 조정을 지원하지 않습니다.

사용량 제한 오류

Canvas 단계 에이전트 또는 카탈로그 에이전트 호출 중에 LLM 제공업체가 사용량 제한 오류를 반환하면, Braze는 호출이 성공하거나 완료할 수 없다고 판단될 때까지 지수 백오프를 사용하여 요청을 계속 재시도합니다.

Canvas 또는 카탈로그 재시도가 모두 소진되면 로그 세부 정보 패널의 출력에 Error와 제공업체 메시지(예: Rate limit exceeded)가 표시됩니다. 재시도는 최종 성공 또는 실패 여부와 관계없이 맨 처음 호출을 포함하여 로그에 표시됩니다. 예를 들어 특정 사용자에 대해 네 번의 재시도 끝에 성공했다면, 사용자 ID를 검색하여 로그에서 다섯 건(원래 호출과 네 번의 재시도)을 모두 확인할 수 있으며, 원래 호출과 처음 세 번의 재시도에는 Rate limit exceeded와 함께 Error가 표시됩니다.

사용량 제한 오류는 로그에 표시되는 실패한 재시도를 포함하여 Braze 크레딧을 소비하지 않습니다.

지침 작성

지침은 에이전트에게 제공하는 규칙 또는 가이드라인(시스템 프롬프트)입니다. 지침은 에이전트가 실행될 때마다 어떻게 동작해야 하는지를 정의합니다. 시스템 지침은 최대 25KB까지 작성할 수 있습니다.

시작 템플릿을 사용해 BrazeAI Operator로 에이전트를 만든 경우, 미리 채워진 지침을 검토하고 필요에 따라 수정하세요.

다음은 프롬프트 작성을 시작할 때 참고할 수 있는 일반적인 모범 사례입니다.

1. 최종 결과를 염두에 두고 시작하세요. 목표를 먼저 명시합니다.
2. 모델에 역할이나 페르소나를 부여하세요(“당신은 …입니다”).
3. 명확한 맥락과 제약 조건(오디언스, 길이, 어조, 형식)을 설정하세요.
4. 구조를 요청하세요(“JSON/글머리 기호 목록/표로 반환…”).
5. 말로 설명하기보다 보여 주세요. 품질 높은 예시를 몇 개 포함합니다.
6. 복잡한 작업은 순서가 있는 단계로 나누세요(“1단계… 2단계…”).
7. 추론을 유도하세요(“내부적으로 단계를 차근차근 생각한 다음 간결한 최종 답변을 제공하세요” 또는 “결정 이유를 간단히 설명하세요”).
8. 시험 운영하고, 검토하고, 반복하세요. 작은 수정만으로도 품질이 크게 향상될 수 있습니다.
9. 엣지 케이스는 긍정적이고 명시적인 규칙으로 처리하고, 필요한 경우 거부 지침을 추가하세요.
10. 효과적인 방법을 측정하고 내부적으로 문서화하여 재사용과 확장에 활용하세요.

가능하면 긍정적이고 명시적인 지침을 작성하세요. 에이전트가 무엇을 해야 하는지 알려 주고, 제한 사항은 구체적으로 명시합니다. 에이전트가 규칙을 무시하는 경우 에이전트가 지침이나 규칙을 따르지 않은 이유는 무엇인가요?를 참조하세요.

예시

에이전트 콘솔의 시작 구성은 Operator로 만든 에이전트 템플릿을 참조하세요.

복사하거나 수정해서 사용할 수 있는 전체 지침 예시는 Braze Agents 사용 사례 라이브러리를 참조하세요.

Liquid 사용

에이전트 지침에 Liquid를 포함하면 응답에 한층 더 깊은 개인화를 더할 수 있습니다. 에이전트가 받을 정확한 Liquid 변수를 지정하고 프롬프트의 맥락에 포함할 수 있습니다. 예를 들어 “이름”이라고 직접 쓰는 대신 Liquid 스니펫 {{${first_name}}}을 사용할 수 있습니다.

1

Tell a one-paragraph short story about this user, integrating their {{${first_name}}}, {{${last_name}}}, and {{${city}}}. Also integrate any context you receive about how they are currently thinking, feeling, or doing. For example, you may receive {{context.${current_emotion}}}, which is the user's current emotion. You should work that into the story.

에이전트 콘솔의 로그 섹션에서 에이전트의 입력과 출력 세부 정보를 검토하여 Liquid에서 어떤 값이 렌더링되는지 확인할 수 있습니다.

에이전트가 받는 데이터

에이전트 컨텍스트는 제한 없는 대화형 메모리가 아닙니다. 채팅 어시스턴트와 달리 에이전트는 호출 시점에 명시적으로 전달한 데이터만 볼 수 있습니다. 고객 프로필을 탐색하거나, 누락된 필드를 추론하거나, 필요한 정보가 없다고 알려 주지 않습니다.

각 에이전트를 의도적인 입력-출력 파이프라인으로 설계하세요. 에이전트에 필요한 모든 데이터 포인트를 다음 중 하나 이상의 방법으로 연결합니다.

1. 지침의 Liquid: 사용자 속성({{${first_name}}})과 Canvas 컨텍스트 변수({{context.${variable_name}}})를 에이전트 프롬프트에 직접 템플릿으로 넣습니다.
2. + 에이전트 컨텍스트: 에이전트 콘솔에서 지식 소스, Segment 멤버십, 브랜드 가이드라인, 모든 Canvas 컨텍스트 또는 사용자 상호작용 데이터를 선택합니다.
3. 컨텍스트 단계: 에이전트 단계가 실행되기 전에 Canvas 상위 단계에서 context.* 변수를 설정하거나 업데이트합니다.
4. 에이전트 단계의 추가 컨텍스트: 다른 방법으로 아직 지정하지 않은 추가 Liquid 템플릿 값을 단계 구성에서 전송 시점에 에이전트로 전달합니다.

이러한 컨텍스트 변수를 에이전트 지침에 Liquid 템플릿으로 넣거나, 에이전트가 참고해야 할 컨텍스트 파일을 첨부하거나, 모든 Canvas 컨텍스트 추가를 선택하세요. 이 중 어느 경로로도 전달되지 않은 값은 에이전트가 받지 못합니다. 필수 입력값을 지침이나 사용 사례 사전 요구 사항에 나열하고, 테스트 후 에이전트 콘솔 > 로그에서 입력값을 확인하세요.

카탈로그 에이전트의 경우 JSON 스키마 대신 출력 섹션의 필드를 사용하세요. 이 경우에도 해당 필드 이름과 일치하는 키-값 출력을 모델에 요청하는 지침을 작성할 수 있습니다.

프롬프트 작성 모범 사례에 대한 자세한 내용은 다음 모델 제공업체의 가이드를 참조하세요.

• OpenAI
• Anthropic
• Gemini

출력

BrazeAI Operator로 시작 템플릿을 사용해 에이전트를 만들었다면, 미리 채워진 출력 스키마를 검토하고 필요에 따라 편집하세요.

기본 스키마

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

예를 들어, 고객이 제품을 받은 후 얼마나 만족하는지 파악하기 위해 간단한 피드백 설문조사에서 사용자 감정 점수를 수집하려는 경우, 기본 스키마로 숫자를 선택하여 출력 형식을 구조화할 수 있습니다.

중요

배열은 캔버스 단계 에이전트에서만 사용할 수 있으며, 카탈로그 에이전트에서는 사용할 수 없습니다.

고급 스키마

고급 스키마 옵션에는 필드를 수동으로 구조화하거나 JSON을 사용하는 방법이 있습니다.

• 필드: 일관되게 사용할 수 있는 에이전트 출력을 노코드 방식으로 적용합니다.
• JSON: 정확한 출력 형식을 만드는 코드 방식으로, JSON 스키마 안에 변수와 오브젝트를 중첩할 수 있습니다. 캔버스 단계 에이전트에서만 사용할 수 있으며, 카탈로그 에이전트에서는 사용할 수 없습니다.

단일 값 출력이 아니라 여러 값이 구조화된 방식으로 정의된 데이터 구조를 에이전트가 반환하도록 하려면 고급 스키마를 사용하는 것을 권장합니다. 이렇게 하면 출력이 일관된 컨텍스트 변수로 더 잘 형식화됩니다.

대체 출력

대체 값은 캔버스 단계 에이전트에서만 사용할 수 있습니다. 캔버스 단계 에이전트의 에이전트 콘솔에 있는 출력 섹션에서 호출이 실패할 때 Braze가 사용할 값을 정의할 수 있습니다.

JSON 스키마의 경우, Braze가 스키마를 읽고 각 속성정보에 대한 입력 필드를 생성하므로 키별로 대체 값을 설정할 수 있습니다. 필드 스키마의 경우 각 필드에 대체 값을 입력합니다. 기본 스키마의 경우 하나의 대체 값을 입력합니다. 캔버스 단계 에이전트는 대체 값에서 Liquid를 지원합니다.

설정 단계는 대체 값 구성을 참조하세요. Canvas에서의 런타임 동작은 오류 처리 및 대체 동작을 참조하세요.

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

• fields
• json schema

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"
  ]
}

카탈로그 컨텍스트 및 필드

캔버스 단계 에이전트가 카탈로그 데이터에 액세스할 수 있도록 하려면, 카탈로그에서 지식 소스를 생성하고 + Agent context로 추가하세요. 에이전트는 지식 소스를 쿼리하여 일치하는 행을 검색하고 관련 카탈로그 데이터만 LLM에 전달합니다. 이렇게 하면 토큰 사용이 최소화되고 검색 정확도가 향상됩니다. 카탈로그를 에이전트 컨텍스트로 직접 첨부할 수는 없습니다. 지식 소스가 제공되기 전에 레거시 Add catalog fields 옵션으로 구성된 에이전트는 마이그레이션하기 전까지 해당 컨텍스트를 계속 사용할 수 있습니다.

Catalog Agent를 카탈로그 필드에 배포할 때 필수 입력 제어를 활성화하고, 선택한 열 중 에이전트가 실행되기 전에 반드시 값이 있어야 하는 열을 선택하세요. 에이전트는 필수 열 중 하나가 비어 있거나 누락된 경우에만 해당 행을 건너뜁니다. 예를 들어, 아직 채워지지 않은 gender 필드가 이에 해당합니다. 선택한 열은 기본적으로 필수로 설정되지만, 비어 있을 수 있는 열은 제거하여 실행이 차단되지 않도록 할 수 있습니다. 이를 통해 불완전한 데이터로 인한 토큰 낭비를 방지할 수 있습니다.

Catalog Agent는 입력 필드 간에 의존 관계가 있는 경우 열 순서도 따릅니다. 열 D를 열 B와 C로부터 생성해야 하는 경우, 에이전트는 해당 행의 B와 C에 값이 채워질 때까지 열 D에 대해 실행하지 않습니다.

배포 시나리오 및 예시는 Catalog Agent 사용하기 및 Catalog Agent 모범 사례를 참조하세요.

Segment 멤버십 컨텍스트

에이전트를 Canvas에서 사용할 때, 에이전트가 각 사용자의 Segment 멤버십을 교차 확인할 Segment를 최대 5개까지 선택할 수 있습니다. 예를 들어 에이전트에 “Loyalty Users” Segment에 대한 Segment 멤버십이 선택되어 있고, 이 에이전트를 Canvas에서 사용한다고 가정해 보겠습니다. 사용자가 에이전트 단계에 진입하면 에이전트는 각 사용자가 에이전트 콘솔에서 지정한 각 Segment의 멤버인지 교차 확인하고, 각 사용자의 멤버십 여부를 LLM의 컨텍스트로 사용할 수 있습니다.

브랜드 가이드라인

에이전트가 응답할 때 준수할 브랜드 가이드라인을 선택할 수 있습니다. 예를 들어 에이전트가 사용자에게 헬스장 멤버십 가입을 권장하는 SMS 문구를 생성하도록 하려면, 이 필드를 사용하여 미리 정의해 둔 대담하고 동기를 부여하는 가이드라인을 참조할 수 있습니다.

컨텍스트 파일

에이전트가 매번 호출될 때 참조할 수 있도록 정적 자료를 업로드하세요. 예를 들어, 톤 가이드, 정책 문서, 제품 사양서 등이 있습니다. 컨텍스트 파일은 캔버스 단계 에이전트와 카탈로그 에이전트에서 사용할 수 있습니다.

파일을 첨부하려면:

1. 지침 단계에서 + 에이전트 컨텍스트 > 파일 업로드를 선택합니다.
2. 하나 이상의 파일을 추가합니다. 지원되는 파일 형식은 PDF, TXT, MD, CSV입니다.
3. 에이전트를 저장합니다. 저장할 때 파일이 업로드됩니다. 파일은 브라우저에 스테이징 상태로 유지되며, 에이전트를 미리 보기할 때 포함됩니다.

에이전트당 최대 10개의 파일을 첨부할 수 있습니다. 첨부된 모든 파일의 총 크기는 최대 15 MB입니다. 컨텍스트 파일을 첨부할 때, 지침에서 에이전트에게 해당 파일을 어떻게 사용해야 하는지 알려주세요. 예를 들어, “첨부된 스타일 가이드의 톤과 용어를 따르세요.”와 같은 내용을 포함할 수 있습니다. 빈 파일 섹션은 파일을 하나 이상 첨부할 때까지 설정 필요 경고에 포함됩니다.

Braze는 에이전트 콘솔 미리 보기를 포함하여 에이전트가 호출될 때마다 첨부된 파일을 함께 전송합니다. 파일이 매 실행마다 포함되기 때문에, 첨부 파일이 클수록 토큰 사용량과 지연 시간이 증가할 수 있습니다.

컨텍스트 파일은 브랜드 가이드라인과 다릅니다. 브랜드 가이드라인은 합성된 워크스페이스 설정이고, 컨텍스트 파일은 단일 에이전트에 직접 업로드하는 문서입니다. 설정 단계는 컨텍스트 추가를 참조하세요.

사용자별 상호작용 기록

사용자의 상호작용 데이터에는 채널별로 최근 수신한 Campaign 및 Canvas 메시지, 각 메시지의 내용, 그리고 사용자가 각 메시지와 상호작용했는지 여부가 포함됩니다. 이 데이터를 사용자별 컨텍스트로 포함하면, Canvas에서 에이전트가 특정 사용자에 대해 호출될 때 참조할 수 있습니다. 사용자별 상호작용 기록은 에이전트의 역할이 개인화된 메시지 카피를 작성하는 것일 때, 각 사용자에게 공감을 이끌어내는 카피를 작성하도록 에이전트에 영향을 줄 수 있습니다.

버전 기록

에이전트 콘솔은 에이전트 변경 사항을 저장할 때마다 새 버전을 기록합니다. 버전 기록 탭에는 저장된 모든 버전과 저장 간의 편집 내용이 나열됩니다.

1. 에이전트 콘솔에서 에이전트를 엽니다.
2. 버전 기록 탭을 선택합니다.
3. 구성을 검토할 버전을 선택합니다.

버전에서 변경된 내용을 확인하려면 보기를 선택하세요. Braze는 추가 및 삭제를 강조 표시하는 코드 스타일 인라인 diff를 표시합니다. 삭제된 콘텐츠는 빨간색 취소선 스타일로 표시됩니다. 컨텍스트 파일을 추가하거나 제거하면 diff에 첨부된 파일 이름이 나열됩니다.

이전 버전의 지침을 복원해야 하는 경우, 해당 버전의 보기를 열고 지침 텍스트를 복사한 다음 현재 지침 필드에 붙여넣으세요.

팁

인라인 diff 보기에서 ⌘ + A(macOS) 또는 Ctrl + A(Windows)를 눌러 빨간색 삭제 마크업 없이 모든 지침을 선택하면 깨끗한 텍스트를 복사하여 복원할 수 있습니다.

에이전트 복제

에이전트를 복제하면 개선 사항이나 반복 버전을 원본과 나란히 테스트할 수 있습니다. 이전 구성을 검토하거나 복원하려면 버전 기록을 사용하세요. 에이전트를 복제하려면 다음 단계를 따르세요.

1. 에이전트의 행에 마우스를 올린 다음 메뉴를 선택합니다.
2. 복제를 선택합니다.

에이전트 보관

커스텀 에이전트를 더 많이 만들면서, 현재 사용하지 않는 에이전트를 보관하여 에이전트 관리 페이지를 정리할 수 있습니다. 에이전트를 보관하려면 다음 단계를 따르세요:

1. 에이전트 행 위에 마우스를 올리고 메뉴를 선택합니다.
2. 보관을 선택합니다.