AI エージェントの作成と管理

このトピックでは、Control RoomでAI エージェントを作成および管理する方法について説明します。 さまざまなアクションを実行できます。たとえば、AI エージェントの実行、移動、チェックイン、表示、編集、コピー、および削除などがあります。編集および削除には特定の権限が必要です。

Control RoomでAI エージェントを作成するには：

手順

  1. Control Room にログインし、オートメーショ > 新規作成または「+」アイコン に移動して、AI エージェント を選択します。
  2. 名前と説明を入力し、作成と編集 をクリックして、テンプレートのアウトラインを表示します。 例を作成しましょう -- 乗車予約 AI エージェント.
  3. エージェントのプロンプトを定義する: エージェント用のプロンプトを生成（クラウド限定機能）の画面が表示され、プロンプトの入力を求められることに気付くでしょう。

    AI エージェントを作成する最初のステップは、それに使命を与えることです。 あなたは、エージェントの目的を自然な言葉で説明する明確で詳細な初期画面プロンプトを提供することで、これを行います。 このプロンプトは、エージェントの全体的なロジックが構築される基礎です。

    例えば、例に示されている「乗車予約」エージェントを作成するために、ユーザーはこのような簡潔で情報量のあるメッセージから始めたかもしれません。

    You work at an ride share company. Your job is to get the city name and should be able to book a ride for a user. That includes:
* getting the details including the city name.
* checking the weather first to decide if a car or a bike is a better option. 
* reserving the ride and confirm the details with the user.

    この初期入力はコア要件を提供し、AI Agent Studioがそれを使用してより詳細で構造化されたプロンプトを生成できます。 AI Agent Studioは柔軟性を持つように設計されており、すべての詳細を事前に提供する必要はありません。 しかし、提供するコンテキストが多いほど、AI Agent Studio はあなたが洗練するための出発テンプレートをより良く生成できます。

    システムはこの初期入力を基にして、包括的なプロンプトを作成します:

    ロール: リアルタイムの天候データとユーザーの好みを活用して、安全で効率的、かつユーザー中心のライド選択を実現する、ダイナミックライド予約に特化した交通予約アシスタント。

    目標: あなたの目標は、雨が降っている場合は車を選択し、雨が降っていない場合は自転車を選択することで、ユーザーのために動的に乗車を予約することです。予約がユーザーの好みに合致し、乗車タイプ、ピックアップ時間、場所を含む詳細な予約確認を提供します。

    AI エージェント- 乗車を予約
  4. モデル接続を選択: モデル タブに移動し、選択 をクリックして、アクセス可能な モデル接続 のリストから選択します。 モデル接続の詳細については、モデル接続を参照してください。
    これらの モデル接続 はオートメーション管理者によって作成され、カスタム ロールでユーザーに割り当てられます。 Automation Anywhereから提供されたモデルまたは持ち込みライセンス（BYOL）から作成されたモデル接続のみが許可されています。 AI エージェントではカスタムモデル定義 を使用できません。
    注: gpt-4oモデルを使用する際は、2024年11月版またはそれ以降のバージョンを選択してください。 この指示は、Azure のようなサードパーティのソースからモデルを選択する際に適用されます。以前のバージョンには問題があることが知られています。 Automation Anywhereから直接提供されているモデルを使用している場合、バージョンの選択肢はありません。
  5. エージェント変数を定義: 入力 & 出力 タブに移動します。 ここでは、エージェント に入力変数としてどの情報を探すべきか、また出力変数として何を提供すべきかを伝える必要があります。 これらの変数は、LLMがコンテキストを理解し、ツールと通信するために使用されます。 表現豊かで描写的な言葉を提供するが鍵です。 説明が詳細であればあるほど、LLM はその目的を理解し、目標を達成する能力が向上します。

    • 入力変数：

      • 名前: 詳細

      • 説明: 予約の詳細

    • 出力変数：

      • 名前: reservation_details

      • 説明: 予約の最終詳細

  6. エンドユーザー表示を定義する: このステップでは、AI エージェント の実行がユーザーにどのように表示されるかを設定できます。 目標は、ユーザーが Co-pilot インターフェースで見るタスクのために、明確で意味のあるタイトルを提供することです。 エンドユーザー表示 タブに移動します。 エージェント リクエストのタイトルに、タスクのタイトルを入力してください。 このタイトルは必須項目であり、AI エージェントが Co-pilot で実行されると表示されます。 例えば、乗車予約 エージェントの場合、タイトルは乗車予約となります。 これにより、ユーザーはエージェントが何をしているのか一目で理解できます。
  7. ツールの追加および構成:

    ツール タブで、エージェントがタスクを実行するために必要な自動化を追加してください。 この例では、WeatherChecker と ReserveRideBikeorCar の自動化をツールとして追加します。

    ツール名 目的 入力変数 出力変数
    WeatherChecker 指定された都市の現在の天気を確認します。 LLM はこのツールを使用して、雨が降っているかどうかを判断します。 名前: 都市（これは詳細入力の一部です）

    説明: 現在の天気を確認する都市。 これは天気チェックを実行するために必要な必須入力です。

    		 名前: weather_status

    説明: 天気の状態、「雨」や「晴れ」など。 この出力はエージェントの意思決定プロセスにとって重要です。
    ReserveRideBikeorCar 指定されたライドタイプに基づいて、（車または自転車の）ライドを予約します。 LLM は天候に基づいて決定を下した後、このツールを呼び出します。 名前: ridetype

    説明: 予約する乗り物の種類で、\'車\' または \'自転車\' のいずれかです。 LLM はWeatherCheckerツールの出力に基づいてこの値を決定する必要があります。

    		 名前： summary

    説明: 予約された乗車の最終的な詳細確認の概要。 この情報はエージェントの最終出力変数を埋めるために使用されます。

    ツールの構成の詳細については、AI エージェントのツールでの設定をご覧ください。

  8. アクション プランを定義する： アクション プラン セクションは、あなたのプロンプトと追加したツールに基づいてシステムによって生成されます。 それは論理の流れを概説しています：

    • 天気データの取得： 入力された詳細から抽出された都市を使用して、WeatherCheckerツールを呼び出します。

    • 乗車タイプを決定する： WeatherCheckerの出力に基づいて、車またはバイクを予約するかどうかを決定してください。

    • 乗車を予約： 決定された ridetype で ReserveRideBikeorCar ツールを呼び出します。

    • ユーザーに確認する: ReserveRideBikeorCarツールの出力を使用して、ユーザーに確認メッセージを提供します。これがreservation_details出力変数になります。

  9. テストして改善： すべての設定が完了したら、実行 をクリックして、エージェントが期待通りに動作するかテストしてください。 エージェントとの会話をシミュレートし、都市を入力して、天気、そして適切な乗車タイプを予約できるか確認できます。 変数の説明とツールのプロンプトを必要に応じて洗練し、エージェントのパフォーマンスと精度を向上させてください。

次のステップ

AI エージェントを作成して設定したら、それをビジネスプロセスに統合し、他のユーザーが利用できるようにすることができます。 次の図は、エージェントの作成からパブリック環境での実行までの一般的なワークフローを示しています。

AI エージェントワークフロー

AI エージェントを開発環境から公開環境に移行するプロセスには、いくつかの重要なステップとユーザーの役割が含まれます。

作成してテスト
プロ開発者 または オートメーション管理者 が AI エージェント を作成し、テストします。
プロセスで構成する
プロ開発者は、その後、より大きなプロセス内でAI エージェントを構成します。
チェックイン
プロセスはリポジトリにチェックインされ、使用可能になります。
パブリックで実行
プロセスはその後、パブリック ワークスペースで実行できるようになり、Automation Co-Pilot を通じて呼び出すことができます。
注:

必要なAutomation Co-Pilot ビジネスユーザー ライセンスを持つビジネスユーザーは、そのプロセスを実行し、AI エージェントと対話することができます。 この図は、これらのタスクを実行するために各ユーザーロールに必要な特定の権限も示しています。 ロールと権限の詳細については、ロールおよび権限 を参照してください。