Agente

El bloque Agente sirve como interfaz entre tu flujo de trabajo y los grandes modelos de lenguaje (LLM). Ejecuta solicitudes de inferencia contra varios proveedores de IA, procesa entradas en lenguaje natural según las instrucciones definidas y genera salidas estructuradas o no estructuradas para su consumo posterior.

Descripción general

El bloque Agent te permite:

Opciones de configuración

Prompt del sistema

El prompt del sistema establece los parámetros operativos y las restricciones de comportamiento del agente. Esta configuración define el rol del agente, la metodología de respuesta y los límites de procesamiento para todas las solicitudes entrantes.

You are a helpful assistant that specializes in financial analysis.
Always provide clear explanations and cite sources when possible.
When responding to questions about investments, include risk disclaimers.

Prompt del usuario

El prompt del usuario representa los datos de entrada principales para el procesamiento de inferencia. Este parámetro acepta texto en lenguaje natural o datos estructurados que el agente analizará y a los que responderá. Las fuentes de entrada incluyen:

• Configuración estática: Texto introducido directamente en la configuración del bloque
• Entrada dinámica: Datos transferidos desde bloques anteriores a través de interfaces de conexión
• Generación en tiempo de ejecución: Contenido generado mediante programación durante la ejecución del workflow

Selección de modelo

El bloque Agent admite varios proveedores de LLM a través de una interfaz de inferencia unificada. Su selector de modelos se agrupa por proveedor y refleja el catálogo integrado actual de la implementación, junto con los modelos detectados en las conexiones de OpenRouter y Ollama configuradas. Usa el selector como fuente de verdad en lugar de basarte en una lista fija de modelos.

Temperatura

Controla la creatividad y la aleatoriedad de las respuestas:

Clave de API

Cuando se muestra este campo, introduce una clave de API para el proveedor seleccionado. Los modelos alojados en el despliegue gestionado y los modelos locales de Ollama no muestran este campo.

Herramientas

Las herramientas amplían las capacidades del agente mediante integraciones con API externas y conexiones de servicios. El sistema de herramientas habilita las llamadas a funciones, lo que permite al agente ejecutar operaciones más allá de la generación de texto.

Proceso de integración de herramientas:

1. Accede a la sección de configuración de Herramientas dentro del bloque Agent
2. Selecciona una integración nativa, una herramienta MCP conectada o una herramienta personalizada
3. Configura los parámetros de autenticación y las restricciones operativas

Categorías de herramientas disponibles:

• Comunicación: Gmail, Slack, Telegram, WhatsApp, Microsoft Teams
• Fuentes de datos: Notion, Google Sheets, Airtable, Supabase, Pinecone
• Servicios web: Firecrawl, Google Search, Exa AI, automatización de navegador
• Desarrollo: GitHub, Jira, Linear, gestión de repositorios e incidencias
• Servicios de IA: OpenAI, Perplexity, Hugging Face, ElevenLabs

Control de ejecución de herramientas:

• Auto: El modelo determina la invocación de la herramienta según el contexto y la necesidad
• Force: Se indica al proveedor que use esta herramienta en la respuesta
• None: La herramienta se excluye de la solicitud al proveedor

Formato de respuesta

El parámetro Formato de respuesta solicita una salida estructurada mediante un JSON Schema:

{
  "name": "user_analysis",
  "description": "Classifies sentiment with a confidence score",
  "strict": true,
  "schema": {
    "type": "object",
    "properties": {
      "sentiment": {
        "type": "string",
        "enum": ["positive", "negative", "neutral"]
      },
      "confidence": {
        "type": "number",
        "minimum": 0,
        "maximum": 1
      }
    },
    "required": ["sentiment", "confidence"],
    "additionalProperties": false
  }
}

Cuando el modelo devuelve un JSON válido, los campos del esquema se exponen directamente en la raíz de salida del bloque Agent. Si la respuesta tiene un formato incorrecto, el bloque recurre a su salida estándar e incluye _responseFormatWarning.

Acceso a los resultados

Sin un formato de respuesta, un Agent expone estas salidas estándar:

• <agent.content>: Texto de respuesta del agente
• <agent.model>: Modelo utilizado para la respuesta
• <agent.tokens>: Estadísticas de uso de tokens reportadas por el proveedor
• <agent.toolCalls>: Detalles de las herramientas que el agente utilizó durante la ejecución
• <agent.toolResults>: Resultados devueltos por esas herramientas
• <agent.cost>: Costo estimado de la llamada a la API (si está disponible)

Con un formato de respuesta válido, haga referencia a cada campo del esquema directamente, como <agent.sentiment>. Los metadatos de tokens, herramientas, tiempos y costos permanecen disponibles junto con esos campos.

Funciones avanzadas

Memoria + Agente: Historial de conversación

Un Agent puede usar el arreglo de mensajes de Get Memory, por ejemplo <memory.memories>, en el campo Memories. Guarda los mensajes de usuario y asistente con Add Memory y recupera la conversación en ejecuciones posteriores usando el mismo ID y flujo de trabajo. Las variables del flujo no conservan por sí solas el historial entre ejecuciones. Consulta Memory.

Entradas y salidas

Casos de uso de ejemplo

Automatización de atención al cliente

Análisis de contenido con múltiples modelos

Asistente de investigación con herramientas

Buenas prácticas

• Sé específico en los prompts del sistema: Define con claridad el rol, el tono y las limitaciones del agente. Cuanto más específicas sean tus instrucciones, mejor podrá el agente cumplir su propósito previsto.
• Elige el valor de temperatura adecuado: Usa valores de temperatura bajos (0-0.3) cuando la precisión sea importante, o aumenta la temperatura (0.7-2.0) para respuestas más creativas o variadas
• Aprovecha las herramientas de forma eficaz: Integra herramientas que complementen el propósito del agente y potencien sus capacidades. Sé selectivo con las herramientas que proporcionas para no saturar al agente. Para tareas con poca superposición, usa otro bloque Agent para obtener los mejores resultados.