Braze Agents no Agent Console

Os Braze Agents são assistentes com tecnologia de IA que você pode criar dentro da Braze. Os agentes podem gerar conteúdo, tomar decisões inteligentes e enriquecer seus dados para que você possa oferecer experiências mais personalizadas aos clientes.

Importante

São necessários créditos de mensagem ou créditos de ação para acessar e usar os Braze Agents. Se você não tem créditos de ação no momento e deseja usar os Braze Agents, entre em contato com seu gerente de conta para saber as próximas etapas.

Assista a este vídeo para ter uma visão geral dos Braze Agents no Agent Console.

Por que usar os Braze Agents?

Os Braze Agents ajudam sua equipe a entregar experiências personalizadas sem adicionar trabalho extra. Eles entendem o contexto, tomam decisões e agem para alcançar um objetivo, em vez de só responder a um único prompt.

Na prática, os agentes podem criar automaticamente textos de mensagens, como linhas de assunto ou textos no produto. Assim, cada cliente recebe uma comunicação que parece feita sob medida. Eles também se adaptam em tempo real e direcionam as pessoas por diferentes jornadas do Canvas com base em preferências, comportamentos ou outros dados.

Além do envio de mensagens, os agentes podem enriquecer seus catálogos calculando ou gerando valores de campos de produtos e perfis. Isso mantém seus dados atualizados e dinâmicos. Ao assumir tarefas repetitivas ou complexas, eles liberam sua equipe para focar em estratégia e criatividade, em vez de configuração manual. Os Braze Agents atuam mais como colaboradores do que como processos em segundo plano: eles ajudam você a resolver problemas e gerar impacto em escala.

Quando usar os Braze Agents em vez de outros recursos de BrazeAI

Use agentes quando precisar raciocinar sobre o contexto de um usuário no momento do envio, incluindo texto livre ou uma decisão que exige julgamento. Por exemplo, se um agente sabe que o sabor de sorvete favorito de um usuário é chocolate e a cobertura favorita é jujuba de ursinho, ele pode escrever um texto de push para essa combinação enquanto o usuário passa pelo Canvas.

Os Braze Agents raciocinam sobre o contexto que você fornece. Eles não aprendem com o fato de a saída ter funcionado ou não. Portanto, não melhoram sozinhos com base nos resultados.

Use outros recursos de BrazeAI quando precisar de aprendizado a partir de resultados medidos:

Dica

Se uma regra aplicada a dados limpos já responde à pergunta, use uma etapa padrão do Canvas. As execuções de agentes consomem créditos. Para saber como os Braze Agents diferem dos agentes de decisão no Decisioning Studio, consulte Braze Agent versus agente de decisão.

Para uma comparação completa dos recursos de BrazeAI, consulte BrazeAI.

Recursos

Os recursos dos Braze Agents incluem:

• Configuração flexível: Use um LLM fornecido pela Braze ou conecte seus próprios provedores de modelos de IA (como OpenAI, Anthropic, Google Gemini ou Databricks Mosaic).
• Integração simplificada: Implante agentes diretamente em etapas do Canvas ou em campos de catálogo.
• Testes, registros e histórico de versões: Confira uma prévia da saída do seu agente testando com entradas de exemplo antes do lançamento. Veja os registros de cada execução do agente, incluindo a entrada e a saída daquela execução. Use a guia Histórico de versões para revisar versões anteriores e comparar alterações nas instruções.
• Controles de uso: Limites diários ajudam a gerenciar o desempenho e os custos.
• Padrões Agênticos: Defina regras e conjuntos de regras no Console de agentes. Depois, execute uma avaliação agêntica antes de lançar uma Campaign ou um Canvas para verificar diretrizes da marca, convenções organizacionais e requisitos técnicos.

Sobre os Braze Agents

Os agentes são configurados com instruções (prompts de sistema) que definem como eles se comportam. Quando um agente é executado, ele usa suas instruções e os dados que você passa explicitamente para gerar uma resposta. Os agentes não acessam dados de usuários além do que você configura: variáveis Liquid, seleções de contexto do agente, variáveis de contexto do Canvas e valores da etapa de Contexto. Os agentes não pesquisam perfis nem avisam quando faltam dados. Consulte Quais dados os agentes recebem.

Principais conceitos

O que acontece em uma invocação

Uma invocação é uma execução de um agente. A Braze passa suas instruções e o contexto para o modelo, o modelo raciocina sobre eles e o agente retorna uma saída. Cada invocação conta para o limite diário de invocações do agente.

Prévias no Console de agentes e execuções de teste do Canvas que usam Simulate response também contam como invocações. Respostas em cache para entradas idênticas repetidas continuam contando para o total de invocações e para as invocações diárias.

O que entra

• Modelo: O modelo Auto fornecido pela Braze (Google Gemini) ou o seu próprio provedor de modelo de IA, como OpenAI, Anthropic, Google Gemini, Amazon Bedrock, Microsoft Foundry ou Databricks Mosaic.
• Instruções: O prompt de sistema, aplicado em todas as execuções.
• Contexto do usuário (agentes de etapa do Canvas): Atributos de usuário e variáveis de contexto do Canvas referenciados com Liquid, associação a segmentos, All Canvas Context e histórico de interações do usuário.
• Dados de catálogo (agentes de catálogo): Os campos da linha do catálogo que está sendo processada.
• Contexto do espaço de trabalho: Fontes de conhecimento (como dados de catálogo), diretrizes da marca e arquivos de contexto.

Como é executado

O agente interpreta as entradas e o contexto, raciocina sobre eles e gera uma resposta. Em cada execução:

• O agente não tem memória entre execuções: Cada execução é independente e não aproveita nada das execuções anteriores.
• O agente vê apenas o que você passa: Se um valor não for passado por uma das entradas em O que entra, o agente não o recebe. Consulte Quais dados os agentes recebem.
• Considere que cada execução pode levar até 20 segundos: Por padrão, a Braze aguarda até 20 segundos por cada resposta do modelo. Agentes que pesquisam catálogos ou fontes de conhecimento podem trocar informações com o modelo várias vezes em uma única execução, e cada troca tem seu próprio limite de 20 segundos. Se qualquer troca exceder o tempo limite, a execução inteira falha e não é repetida. Nos agentes de etapa do Canvas, o agente retorna null ou o valor de fallback que você configurou.
• Cada agente tem um limite diário de 250.000 invocações por padrão, podendo chegar a 1.000.000: Se quiser aumentar o limite para mais de 1.000.000, entre em contato com seu gerente de sucesso do cliente.

Para saber mais sobre limites de tempo e de volume, consulte Limitações.

O que sai

Cada invocação retorna uma saída no formato de Saídas que você define: uma string, um número, um booleano ou (apenas para agentes de etapa do Canvas) um array ou um esquema JSON avançado. Você pode usar a saída para:

• Personalizar o texto da mensagem
• Direcionar um usuário para uma jornada do Canvas
• Armazenar um valor no contexto do Canvas para etapas posteriores
• Preencher um campo do catálogo

Limitações

Estas são as limitações:

• Cada agente tem um limite diário padrão de 250.000 invocações, que pode ser aumentado até o máximo de 1.000.000 de invocações por dia. Para aumentar esse limite, entre em contato com seu gerente de sucesso do cliente.
• O Console de agentes mostra um Limite diário de custo em créditos de ação para cada agente. Esse valor é o máximo estimado de créditos por dia. Ele é calculado com base na proporção de créditos por invocação do seu modelo e no limite diário de invocações. Para saber mais, consulte Limites diários de invocação e de créditos.
• Por padrão, a Braze aguarda até 20 segundos por cada resposta do modelo. Agentes que pesquisam catálogos ou fontes de conhecimento podem fazer várias solicitações em uma única execução, e cada uma tem seu próprio limite de 20 segundos. Se alguma solicitação atingir o tempo limite, a execução inteira falha e não é repetida. Nesse caso, o agente retorna uma resposta null no local em que é usado.
  • Se seus agentes atingirem o tempo limite com frequência, entre em contato com o gerente da sua conta Braze para aumentar esse limite.
• Os dados de entrada são limitados a 25 KB por solicitação. Entradas maiores são truncadas.

Práticas recomendadas

Priorize casos de uso de alto valor, em que os agentes podem gerar o maior retorno sobre o investimento (ROI). Escolha públicos com maior probabilidade de resposta. Um público menor e com alto potencial costuma ter desempenho melhor que um público grande com baixo potencial. Por exemplo, faça o redirecionamento de usuários que pesquisaram recentemente, mas não converteram, em vez de enviar textos gerados pelo agente para toda a sua base de usuários.

Para validar o ROI antes de escalar, use uma etapa de Jornadas experimentais para enviar apenas parte do seu público por uma etapa de agente. Se o teste em pequena escala tiver bons resultados, expanda o agente para todo o seu público-alvo e aumente o limite diário de invocações. Assim, as invocações não são limitadas no meio do envio. Antes de escalar para todo o público, confirme que o consumo estimado de créditos está dentro do esperado. Para saber mais sobre a implantação, consulte Implantar agentes personalizados.

Tratamento de erros

Às vezes, o modelo conectado retorna um erro de limite de frequência do provedor de LLM durante a invocação de um agente de etapa do Canvas ou de um agente de catálogo. Nesse caso, a Braze tenta a solicitação novamente de forma contínua, usando backoff exponencial.

Em outras falhas (como um tempo limite esgotado ou uma chave de API inválida), a saída do agente de etapa do Canvas é definida como null. A exceção é quando o agente tem valores de fallback configurados no Console de agentes (apenas para agentes de etapa do Canvas). Os agentes de catálogo não repetem tentativas em falhas que não sejam de limite de frequência. Se um agente atingir o limite diário de invocações, a Braze aplica os valores de fallback configurados, quando existirem. Caso contrário, a saída é definida como null.

Erros de limite de frequência, indisponibilidade do modelo e falhas por limite diário de invocações não consomem créditos da Braze. Já os tempos limite esgotados consomem créditos. Consulte Quando os créditos são consumidos.

Quando muitos usuários entram em uma etapa de agente ao mesmo tempo, o processamento pode demorar mais por causa dos controles de fluxo de invocação. Configure valores de fallback no Console de agentes para os agentes de etapa do Canvas. Assim, os usuários continuam recebendo uma saída mesmo quando uma invocação falha. Outra opção é usar valores padrão do Liquid nas etapas de Mensagem seguintes.

Como meus dados são usados e enviados aos LLMs fornecidos pela Braze?

Para gerar resultados de IA por meio dos recursos de IA da Braze que a Braze identifica como baseados em LLMs fornecidos pela Braze (“Resultado”), a Braze enviará seu prompt de sistema ou qualquer outra entrada, conforme aplicável (“Entrada”), ao LLM fornecido pela Braze. Os dados enviados ao LLM aplicável fornecido pela Braze não são usados para treinar ou aprimorar esse LLM. Entre você e a Braze, o Resultado é sua propriedade intelectual. A Braze não reivindicará direitos autorais sobre esse Resultado. A Braze não oferece nenhum tipo de garantia em relação a qualquer conteúdo gerado por IA em geral, incluindo o Resultado.

O LLM fornecido pela Braze para os Braze Agents, identificado como “Auto”, usa modelos do Google Gemini. O Google pode reter as Entradas e os Resultados enviados por meio da Braze por até 90 dias. Depois desse período, os dados são excluídos permanentemente.

Próximas etapas

Agora que você já conhece os Braze Agents, está pronto para as próximas etapas:

• Criar agentes personalizados
• Implantar agentes personalizados
• Padrões Agênticos
• Conversational Agents