O recurso Enterprise Agent Architecture and Design Patterns traz estrutura às possibilidades das arquiteturas de vários agentes, identificando e destacando como os recursos novos para agentes de IA podem ser combinados para fornecer soluções agentes confiáveis, repetíveis, escalonáveis e gerenciáveis. Tomando inspiração de "Padrões de design" para programação orientada a objeto, estabelecemos padrões que podem ser combinados e estendidos para resolver os muitos desafios incríveis que antes das tecnologias agentes estavam fora do escopo de sistemas de negócios criados em tecnologias deterministas tradicionais.

Após a discussão da fundamentação para arquiteturas de vários agentes, apresentamos vários padrões agentes, de padrões simples que aproveitam o processamento de linguagem natural para determinar a intenção do usuário, a padrões de vários agentes que fornecem a separação de preocupações entre agentes, a padrões agentes de UX que levam o raciocínio agente à apresentação e interação com sistemas, informações e conteúdo.

Primeiro de tudo, você terá uma nova maneira de pensar sobre agentes: agentes como componentes, agentes como compositores, agentes como atores, agentes como colaboradores e, mais importante, agentes em uma arquitetura maior que atuam com intenção e agem dentro de seu escopo individual de preocupações.

Você obterá os indicadores necessários para conceber soluções agentes avançadas que abrangem jornadas do usuário e informam experiências agentes significativas, experiências que nunca foram possíveis antes.

As seções iniciais deste documento fornecem a fundamentação para arquiteturas de mutirão. Leia estes para entender melhor os desafios e as oportunidades que as arquiteturas de vários agentes apresentam.

A seguir estão definições e descrições de padrões agentes, de simples a complexos, abrangendo padrões que oferecem suporte a interações, padrões para agentes especializados, padrões para operações em segundo plano e padrões de execução longa. Cada padrão inclui um diagrama dos principais componentes que realizam o padrão, além de recomendações para casos de uso representativos e de uso.

Por fim, o apêndice inclui exemplos de como esses padrões são combinados em soluções agentes holísticas que dão suporte a uma experiência agente maior, por exemplo, para dar suporte ao Atendimento ao cliente ou Vendas agendadas. Consulte esta seção para ver como uma experiência de agente avançada aproveita a decomposição e a separação de preocupações no nível de agente e ação para promover a reutilização no nível de interação, com agentes compartilhados que dão suporte a membros internos e externos, tanto em modos assistivo quanto autônomo.

Conforme os arquitetos empresariais integram a IA generativa em seus ecossistemas, eles devem lidar com um conjunto comum de perguntas de design:

• Quantos agentes são necessários?
• Como os agentes interagirão?
• Qual é a divisão de trabalho entre agentes e humanos?
• Como esses componentes são montados em um sistema coeso?

Este documento apresenta uma metodologia baseada em padrão para projetar e criar soluções agentes.

Os agentes monolíticos são o ponto de partida para a maioria das soluções agentes. Agentes – e mais especificamente, agentes Agentforce – são competentes em uma variedade de tópicos. Para casos de uso comuns, comece com um único agente.

Conforme sua organização cresce, as arquiteturas de vários agentes são a abordagem preferida. A arquitetura multifator permite maior escala, controle e flexibilidade em comparação com sistemas monolíticos de um único agente.

A arquitetura multifator oferece estes benefícios importantes:

• Aumentou o desempenho e o detalhamento de complexidade: Um sistema de vários agentes especializados oferece mais recursos e simplifica a adesão às instruções.
• Modularidade e extensibilidade: Agentes individuais podem ser adicionados, substituídos, modificados e testados com maior facilidade, o que promove agilidade.
• Resiliência e tolerância a falhas: A falha de um único componente não compromete todo o sistema, o que leva a uma melhor resiliência geral.
• Governança descentralizada: A solução de problemas e o gerenciamento podem ser isolados para agentes específicos e seus aplicativos correspondentes, o que simplifica a manutenção e a supervisão.

Racionalizar uma arquitetura de vários agentes começa com projetar os principais princípios arquitetônicos nos recursos e na estrutura dos agentes. As arquiteturas de vários agentes resultantes são, então, uma manifestação dos principais princípios de arquitetura do sistema e design do sistema alinhados à única “grana” das tecnologias de IA.

Os principais princípios que conduzem essa arquitetura incluem:

• Gerenciar a complexidade por meio da decomposição
• Melhore a resiliência e reduza a fragilidade por meio da desacoplamento
• Melhore a confiabilidade e a eficiência por meio da reutilização de código
• Melhore a confiabilidade dos agentes limitando o escopo de preocupações de qualquer agente
• Melhore a manutenção e a evolução do sistema por meio da modularidade e extensibilidade
• Simplifique o gerenciamento e a responsabilidade do agente por meio da especialização

Diferentemente de arquiteturas agentes mais primitivas (por exemplo, aquelas que se concentram em LLMs como a construção arquitetônica principal), a Agentforce foi projetada para orquestração multiagente desde a sua criação. A orquestração de vários agentes subjacente ao mecanismo de Reasoning do Atlas e ao raciocínio agentico para criar caminhos de programação dinâmicos e eficientes em uma resposta agentica para expandir dramaticamente a capacidade de fornecer um amplo e profundo aumento agentico à experiência do usuário (UX).

No Agentforce esse tipo de coordenação é habilitado por estes protocolos de chave aberta e interoperáveis e produtos do Salesforce:

• Agentforce fornece um subsistema de Agente para encapsular todos os elementos-chave de um agente: tópicos, instruções, ações, proteções, contexto, invocações, saídas, detalhes de execução, logs, etc.
• Ações: fornecer ganchos para acessar dados, fluxos de chamada, chamar sistemas externos e chamar outros agentes.
• Data 360: fornece uma camada de virtualização de dados para trazer contexto específico e individualizado ao agente (utilizando o perfil unificado e a cadeia de chaves do Data 360 para extrair informações específicas de toda a empresa).

Para agentes em toda a empresa ou para acessar agentes ou recursos, oferecemos suporte a:

• Model Context Protocol (MCP): é uma camada de comunicação segura que conecta agentes a ferramentas corporativas, dados e Knowledge para garantir a precisão contextual.
• Protocolo de agente a agente (A2A): é um apelido padronizado para delegação entre agentes que permite uma coordenação segura e regulamentada entre sistemas, organizações e fornecedores.

Esses princípios fornecem a base para criar um sistema escalonável e regulável de inteligência orquestrada.

Soluções agentes robustas exigem abordagens claras para os requisitos não funcionais que sustentam a entrega eficaz de tecnologia:

• Segurança e governança (Gerenciamento de identidade e acesso, Privacidade de dados, Segurança de dados e Modelagem de ameaças).
• Observabilidade e monitoramento (Rastreamento distribuído, Registro centralizado, Métricas e Painéis).
• Operacionalização e gerenciamento de ciclo de vida (especificação, geração de caso de teste, teste, feedback, aprendizado contínuo, descontinuação).

Estas são as principais considerações arquitetônicas para criar soluções Enterprise Agenttic que não são abordadas neste manual; no entanto, elas serão abordadas em publicações futuras.

Para gerenciar uma paisagem agente corporativa, os arquitetos devem classificar agentes por meio de dois lenses complementares: função técnica e impacto comercial.

Essa taxonomia categoriza os papéis funcionais que os agentes podem assumir em uma arquitetura.

• Papéis de canal/UX: Defina a modalidade da interação (por exemplo, Autônomo, Aviso, Chats e mensagens ou Espaços de trabalho gerenciados por IA).
• Papéis de especialista: Encapsule o Knowledge de domínio profundo (por exemplo, Especialista em domínio, Minion do Knowledge, Assistente ou Planejador).
• Papéis de serviço utilitário: Realize tarefas transacionais separadas (por exemplo, Geração, Resumo, Transformação ou Configuração).
• Papéis de manutenção e serviço proativo: Concentre-se na integridade e na qualidade dos dados (por exemplo, Curadoria, Conformação, Qualidade dos dados ou Aprimoramento de dados).
• Papéis de longa duração: Gerencie processos em períodos prolongados (por exemplo, Concierge, Project Manager, Nurturer ou Watcher/Alerter).

Para facilitar o design e a comunicação, o Agent Map é o modelo padrão para descrever soluções agentes. Ela define entidades-chave, sistemas e interações dentro de um padrão de design específico.

Aqui estão os componentes do modelo de mapa agente:

• As Caixas de usuário definem os atores humanos no sistema (por exemplo, Clientes, Funcionários autenticados (SF-Users) e Funcionários não autenticados).
• As Caixas de agente descrevem os agentes necessários, os padrões exibidos, os relacionamentos entre si e as instruções usadas para realizar padrões específicos.
• Contexto/Ações são os recursos, recursos ou ações que o agente gerencia ou acessa.
• As Fontes são os dados subjacentes, aplicativos, bases de Knowledge e outros sistemas aos quais os agentes se conectam.

Os apêndices A e B ilustram padrões agentes no nível do sistema demonstrando sua composição dentro dos nadadores do Modelo de mapa agente.

No Salesforce, usamos uma biblioteca de padrões de agente para organizar e entregar soluções agentes confiáveis e previsíveis. Esses padrões são nossos esquemas para resolver problemas arquitetônicos comuns.

Eles são agrupados em quatro categorias principais:

• Padrões de interação: Foque o engajamento e a experiência do usuário (UX) agentes.
• Especialista/Padrões do Trabalhador: Encapsule Knowledge profundo ou habilidades específicas em um domínio específico.
• Padrões de Utilitário e Gerenciamento de Dados: Realize tarefas específicas frequentemente repetíveis que dão suporte a outros agentes ou processos.
• Padrões de longa duração: Gerencie processos e fluxos de trabalho que ocorrem em períodos estendidos, envolvendo várias etapas.

As seções a seguir detalham os principais padrões de cada categoria. Cada descrição de padrão fornece uma visão geral, tipo de saída, Orientação de uso de padrão, casos de uso representativos e um diagrama de solução, bem como um mapeamento para a Rubrica de maturidade de agente do Salesforce.

Os padrões de interação são projetos fundamentais que focam o engajamento agente e a experiência do usuário.

• Visão geral: O padrão Greeter é um padrão simples e fácil de implementar que usa linguagem natural para determinar a intenção do usuário. Em seguida, ele roteia o usuário para o agente humano adequado.

• Tipo de saída: Transferência/Escalonar para o próximo recurso.

• Valor comercial: Facilite um primeiro contato aprimorado e eficiente para os clientes enquanto maximiza a resolução de intenções e a coleta de contexto para provedores de serviços.

• Orientação de uso padrão: Configure o agente como o principal recurso de engajamento para canais de marca. Forneça instruções sobre marca, produtos e serviços combinados a instruções de roteamento com base na intenção do usuário. O agente coleta e resume a intenção de entregar uma transferência rápida.

• Caso de uso representativo: Imagine uma página da Web que usa um bot de chat para apresentar um menu de opções em que os usuários devem clicar em todas as opções antes de serem roteados para uma pessoa. Para melhorar a produtividade e a eficiência dos back-office, os chatbots costumam usar caminhos de trabalho e interações complexos e complicados. Isso leva a um cenário de fadiga "preencher, escolher e clicar" para clientes que geralmente resulta em frustração se o contexto deles estiver fora das opções de menu disponíveis. Ao substituir chatbots tradicionais pela Agent Front Door – que usa interações de linguagem natural – ele alivia o fardo e proporciona uma interação humana.

• Receita Agentforce:

  • Agentforce agente de serviço: Criar um agente de serviço
    • O agente de serviço empacotado tem recursos de transferência configuráveis que dão suporte à transferência:
      • Para agentes humanos
      • Para agentes de IA
      • Para agentes externos
  • Padrões específicos do setor que contêm exemplos de código

• Diagrama:

• Maturidade agência do Salesforce: Nível 1 (ou Nível 0 se você usar o agente de serviço pronto para uso com transferência e escalação integradas)

• Visão geral: O padrão Operador baseia-se no padrão Greeter, encaminhando solicitações para o agente especializado apropriado ou a intenção humana e de negociação (se necessário).

• Tipo de saída: Transferência/transferência para o próximo recurso.

• Orientação de uso padrão: Combine instruções específicas da marca e do serviço com instruções sobre onde enviar o usuário com base na intenção. Defina recursos de escalação, que podem ser humanos ou outros agentes.

• Caso de uso representativo: Use a porta frontal agente para cenários onde há um alto grau de especialização entre representantes humanos ou de IA.

• Diagrama:

• Maturidade agência do Salesforce: Nível 2

• Visão geral: O padrão Orquestrador gerencia um Agente de IA "Mutirão". Quando recebe uma solicitação do usuário, ele passa o enunciado para um ou mais agentes especializados e agrega as respostas para o usuário. Ao contrário do padrão Operador, ele continua sendo o primeiro ponto de contato (POC).

• Tipo de saída: Recolha e prepare respostas dos agentes do trabalhador.

• Orientação de uso padrão: Configurado como o engajador principal. Forneça instruções para cada agente de trabalhador de suporte (por exemplo, um Prioritizador ou um SME de domínio) que permita ao orquestrador transmitir enunciados a ele.

• Caso de uso representativo: Use o Padrão Orquestrador como a porta da frente para ajudar os clientes que podem precisar discutir vários tópicos por conversa, o que exige soluções de vários agentes e interações consistentes. Em uma arquitetura multissistema, considere o Padrão Orquestrador para coordenar respostas entre sistemas e com a colaboração de agentes externos.

• Diagrama:

• Maturidade agência do Salesforce: Nível 3

• Visão geral: O padrão Ouvidor/Feed revela contexto e percepções durante o fluxo de uma conversa. O Ouvidor é acionado durante cada turno de conversa para localizar e exibir informações relevantes para um funcionário.

• Tipo de saída: Forneça contexto relevante com base na conversa, que pode ser formatada para efeito (por exemplo, fazer comparações ou destacar pontos importantes).

• Orientação de uso padrão: Anexe o Ouvidor a um canal baseado em turno (por exemplo, chat, voz ou SMS). Defina tópicos para cada área de assunto. O agente consome a transcrição, identifica tópicos e chama ações para pesquisar e publicar conteúdo relevante em um feed em execução para o funcionário.

• Caso de uso representativo: Use o Universal Assistant para auxiliar os representantes de atendimento ao cliente ou vendas.

• Diagrama:

• Maturidade agência do Salesforce: Nível 3

• Visão geral: O padrão Workspace (Radar O’Reilly) gerencia uma interface de usuário responsiva de janela única no fluxo de uma conversa. Ele processa cada enunciado para atualizar partes da UX com conteúdo relevante.

• Tipo de saída: Forneça o contexto relevante que está localizado em um portlet em uma visualização de painel único maior.

• Orientação de uso padrão: Um agente Orchestrator envia enunciados a um conjunto de agentes Tópicos. Cada agente de Tópico avalia a declaração para determinar se uma atualização de UX é necessária. Em caso afirmativo, ele enviará por push atualizações dinâmicas para o LWC correspondente.

• Caso de uso representativo: Isso funciona como uma porta frontal avançada para agentes.

• Diagrama:

• Maturidade agência do Salesforce: Nível 3

Os padrões especializados encapsulam profundos Knowledge ou habilidades em um domínio específico e são normalmente orquestrados por padrões de interação.

• Visão geral: O padrão de Answerbot é um padrão eficaz para autoatendimento que usa GenAI para determinar linguagem natural para recuperação do Knowledge, não apenas palavras-chave.

• Tipo de saída: Knowledge resumido e referências/citações a materiais de apoio.

• Orientação de uso padrão: Organize e ingira materiais de origem confiáveis (por exemplo, lojas do Knowledge ou perguntas frequentes) para configurar o agente. Posicione o agente em sites corporativos ou em portais internos. Monitore perguntas para identificar e corrigir lacunas do Knowledge.

• Caso de uso representativo: Facilitar pesquisas de linguagem natural em um site corporativo, interagir com um Bot de benefícios de RH e fornecer componentes de autoatendimento para todos os membros.

• Diagrama:

• Maturidade agência do Salesforce: Nível 1

• Visão geral: O padrão de SME de domínio é um padrão fundamental que fornece uma linguagem natural para um domínio de negócios (por exemplo, Pedidos ou Reivindicações).

• Tipo de saída: Forneça conteúdo, tópicos, dados e informações formatadas relevantes sobre o domínio.

• Orientação de uso padrão: Use esse padrão para encapsular um assunto ou domínio de negócios. Configure o agente com a capacidade de realizar operações CRUD adequadas. Disponibilize esses agentes por meio de padrões de interação (por exemplo, - Orquestrador ou Ouvidor).

• Caso de uso representativo: Manutenção de um domínio de dados de negócios, fornecimento de um "Agente de pedidos" ou "Agente de inventário" e fornecimento de uma interface agente para um domínio de negócios.

• Diagrama:

• Maturidade agência do Salesforce: Nível 2

• Visão geral: O padrão de interrogador é um agente de PME que pode ser interrogado sobre um tópico para reunir contexto de várias fontes para responder perguntas. O principal recurso agencial aproveitado é a capacidade de capturar o contexto e conectar conceitos em um corpo de conteúdo, da maneira que um ser humano faria depois de ler e internalizar o conteúdo. Esse padrão diminui a necessidade de "integração de cadeira giratória".

• Tipo de saída: Forneça respostas para perguntas.

• Orientação de uso padrão: Geralmente é configurado como um widget de console conectado ao contexto atual do usuário para que ele possa fazer perguntas diretamente. Também é usado em conjunto com recursos do Knowledge, como perguntas frequentes, políticas e catálogos de produtos. Combine o padrão Interrogator com avisos padrão para escalar respostas comuns a perguntas comuns.

• Caso de uso representativo: Use como agente assistente de contrato; assistente de consultas de benefício ou agente de trabalhador especializado em padrões de vários agentes (por exemplo, Ouvinte ou Espaço de trabalho).

• Diagrama:

• Maturidade agência do Salesforce: Nível 2

• Visão geral: O padrão Prioritizer é usado para ordenar um conjunto de tarefas ou objetos de trabalho com base em um objetivo definido. Ele utiliza GenAI para análise qualitativa, análise de dados não estruturada ou análise integrativa em vários domínios de dados.

• Tipo de saída: Forneça percepções generativas.

• Orientação de uso padrão: Use linguagem natural para descrever as qualidades desejadas para priorização. Baseie o agente usando um conjunto de opções selecionáveis. Combine com o padrão de Ouvidor para criar uma "Next Best Action" responsiva no fluxo de trabalho.

• Caso de uso representativo: Use como gerador de Next Best Action ou agente de trabalhadores especializados em padrões de longa duração ou de vários agentes.

• Diagrama:

• Maturidade agência do Salesforce: Nível 2

Os padrões de utilitário realizam tarefas específicas e repetíveis que dão suporte a outros agentes ou processos.

• Visão geral: O padrão do gerador é um padrão básico para criar novos conteúdos (por exemplo, resumos de caso ou rascunhos de email) a partir de entradas e padrões existentes. Geralmente é implementado como um aviso e pode ser integrado a outros agentes.

• Tipo de saída: Forneça o conteúdo gerado conforme o formato e a intenção solicitados.

• Orientação de uso padrão: O padrão do gerador pode ser usado na maioria dos outros padrões ou como independente. O contexto pode ser fornecido por meio da solicitação, da hidratação durante a execução ou de etapas de aprimoramento adicionais.

• Caso de uso representativo: Forneça resumos de caso, rascunhos de email, artigos do Knowledge ou propostas/respostas a QBRs.

• Diagrama:

• Maturidade agência do Salesforce: Nível 1

• Visão geral: O padrão Data Steward é um padrão de segundo plano autônomo que introduz um passo agente nas operações de dados para garantir a qualidade, a conformidade e o aprimoramento consistentes dos dados.

• Tipo de saída: Forneça campos de registro e dados atualizados antes de salvar.

• Orientação de uso padrão: Integre a qualidade dos dados no ponto da criação de dados adicionando controladores de dados que registram fluxos de acionador antes de salvar os dados. Ajuda a garantir a aplicação consistente de dados de categorização, resumo e estado.

• Caso de uso representativo: Garanta atualizações de estilo consistentes do "Pizza-Tracker", aprimore os dados da conta e elimine códigos postais e endereços incompatíveis.

• Diagrama:

• Maturidade agência do Salesforce: Nível 2

• Visão geral: O padrão do Zen Data Gardener é um padrão de segundo plano agendado usado para limpar e padronizar dados, aproveitando o raciocínio de baixo custo para validar, aprimorar e conformar dados em domínios de dados não conectados.

• Tipo de saída: Forneça registros atualizados e/ou tarefas de gerenciamento de dados.

• Orientação de uso padrão: Use o padrão para habilitar a revisão e validação de dados periódicos. Para alterações lentas de dados, agende o agente em um ritmo lento (por exemplo, mensal). Combine com o Data Steward Pattern para fornecer operações de qualidade de dados prospectivas e retrospectivas.

• Caso de uso representativo: Garantir o alinhamento entre os benefícios vendidos e o sistema de reivindicações, bem como a validação periódica de licenças de corretor em relação a registros nacionais.

• Diagrama:

• Maturidade agência do Salesforce: Nível 4

• Visão geral: O padrão Configurador gera artefatos de configuração (por exemplo, SQL/SOQL, JSON e CSVs) a partir de requisitos de linguagem natural. Ele também pode ser executado em reverso para validar uma configuração existente em relação aos requisitos.

• Tipo de saída: Forneça registros atualizados, tarefas de gerenciamento de dados ou crie problemas/erros para correções.

• Orientação de uso padrão: Baseie o agente usando padrões, diretrizes ou exemplos específicos. Configure os requisitos de criação usando fontes como contratos ou especificações de produto. Conecte o padrão Configurador ao sistema de destino para enviar a configuração gerada.

• Caso de uso representativo: Gerar registros de configuração de produto para produtos de seguro de saúde e validar termos de contrato/pagamento para provedores de saúde.

• Diagrama:

• Maturidade agência do Salesforce: Nível 4

• Visão geral: O padrão Judge & Jury é projetado para minimizar as alucinações usando um conjunto de agentes "Jurado" e um agente "Jurado" que avalia a congruência das respostas para garantir que elas sejam materialmente consistentes e fundamentadas.

  • A abordagem de conjunto é integrada no Agentforce e no mecanismo de Reasoning do Atlas para abordar a veracidade e a relevância das respostas. O padrão de juiz e júri se baseia nessa capacidade quando níveis elevados de precisão são essenciais.
  • A combinação de fundamentação de dados (por exemplo, “encontrar sua resposta nesses registros/documentos”) e Engenharia Pronta (por exemplo, “devolver uma resposta apenas se ela for encontrada nesses registros” ou “validar sua resposta em relação a essa fonte externa”) também são maneiras eficazes de minimizar alucinações.

• Tipo de saída: Forneça percepções generativas.

• Orientação de uso padrão: Use quando houver uma forte necessidade de saídas generativas consistentes e fundamentadas. Um agente do juiz compila um aviso fundamentado e o transmite a dois ou mais agentes jurados, e depois o juiz avalia as respostas. Para obter melhores resultados, use diferentes modelos (por exemplo, um de OpenAI e outro de Anthropic) para cada agente de jurado.

• Caso de uso representativo: Forneça respostas de alta fidelidade baseadas em fatos para minimizar alucinações.

• Diagrama:

• Maturidade agência do Salesforce: Nível 2

• Visão geral: O modelo de modelos utiliza vários agentes especializados para gerar uma ampla gama de perspectivas e, em seguida, extrai o consenso. Ao contrário do padrão Judge & Jury, este padrão engloba vários pontos de vista para melhorar a riqueza.

  • Esse padrão também pode ser chamado de padrão de Painel de especialistas quando há modelos especializados com diferentes Pontos de visão (POV) que podem ser úteis para tocar.
  • Diferentemente do padrão de juiz e júri, onde a intenção é garantir que a resposta agente converge em uma “verdade” comumente acessível, o modelo de modelos estende o escopo da resposta aproveitando a diversidade no ambiente agente.
  • Esse padrão pressupõe que há agentes adicionais que têm um POV distinto. Por exemplo, em um ambiente multiorganização, multiagente ou com vários agentes fornecidos pelo fornecedor em pilhas de tecnologia, o padrão Modelo de modelos fornece uma estrutura para integrar vários POVs.
  • Ao considerar esse padrão, considere outras abordagens, geralmente mais leves:
    • Em vez de definir vários agentes especializados, especifique vários avisos e faça o sistema funcionar como um conjunto de avisos.
    • Aproveite a fundamentação por meio de ações que acessam dados contextualmente adequados.

• Tipo de saída: Forneça percepções generativas.

• Orientação de uso padrão: O papel de um agente agregador é formar e retornar um POV rico com base nos conceitos-chave que os agentes Modelo retornaram. Os agentes de modelo determinam uma resposta com base em seu POV exclusivo.

• Caso de uso representativo: Use em situações que podem se beneficiar de unir pontos de vista diferentes para aumentar a qualidade das respostas. Por exemplo, um ambiente multi-sistema agente em que agentes privilegiados (por exemplo, um agente ERP) podem ter um POV que é valioso e inacessível de outra forma.

• Diagrama:

• Maturidade agência do Salesforce: Nível 2

Os padrões de processo de longa duração gerenciam processos que ocorrem ao longo de períodos prolongados e envolvem várias etapas e atores.

• Visão geral: O padrão de gerente de projeto é um padrão complexo que supervisiona um projeto de longo prazo. Ele coordena as atividades, acompanha a conclusão, notifica os usuários e representa o status do projeto para as partes interessadas.

• Tipo de saída: Há várias saídas (por exemplo, casos, tarefas, atualizações de status e notificações).

• Orientação de uso padrão: Use como um padrão para dar suporte a atividades regulares, repetidas e de várias etapas. O padrão do Gerenciador de projetos pega um modelo/descrição de entrada de um projeto, incluindo tarefas, papéis e dependências, então instancia casos e atividades e os atribui aos usuários.

• Caso de uso representativo: Use para gerenciamento de instalação de conta e engajamento de vendas corporativas.

• Diagrama:

• Maturidade agência do Salesforce: Nível 4

Enquanto os padrões descrevem os papéis do agente, os arquétipos de orquestração definem os esquemas no nível do sistema para como uma frota de agentes colabora. Esses arquetípicos esclarecem os papéis de Agentforce como o cérebro de orquestração e MuleSoft como o conector universal e adaptador.

Archetype 1: SOMA (Única organização, vários agentes)

• Definir: Vários agentes colaboram em uma organização do Salesforce que usa dados e governança compartilhados.
• Fluxo arquitetônico: No Agentforce, um agente Supervisor atua como uma única porta inicial, encaminhando solicitações para agentes especializados dentro da organização. Para funcionalidades externas, os agentes usam o Agentforce MCP Client com o MuleSoft atuando como um MCP-wrapper para APIs não habilitadas para MCP.
• Principais considerações: Esse padrão centraliza a lógica de orquestração no Salesforce (semelhante ao CRM context e ao Data 360) para preservar a governança unificada, a identidade, as permissões e a capacidade de observação.

Archetype 2: MOMA (Multi Org, vários agentes)

• Definir: Os agentes colaboram em várias organizações do Salesforce, o que exige uma coordenação segura entre dados e limites de permissão.
• Fluxo arquitetônico: Um agente supervisor em uma organização delega uma tarefa a um agente em outra organização por meio do protocolo padronizado agente a agente (A2A). Esse aperto de mão garante Trust no nível da organização, fluxo de identidade do usuário e contexto compartilhado da conversa.
• Principais considerações: Esse padrão preserva a autonomia da organização enquanto habilita fluxos de trabalho corporativos, o que fornece uma base para operações agentes coerentes em propriedades complexas de várias organizações.

Archetype 3: Multi-fornecedor A2A (Orquestração conduzida pela Salesforce)

• Definir: Um agente supervisor no Salesforce coordena o trabalho em uma combinação de agentes nativos do Salesforce e agentes de outros fornecedores (por exemplo, Google/Vertex ou LangGraph) por meio do protocolo A2A.
• Fluxo arquitetônico: O agente supervisor processa a solicitação e orquestra um plano, invocando agentes do fornecedor internos e externos por meio do protocolo A2A. Para sistemas externos que não são compatíveis com A2A, a MuleSoft pode expor uma "facada de agente leve" que envolve a ferramenta existente e se comunica com o A2A.
• Principais considerações: Esse arquetípico mantém o cérebro da orquestração perto do CRM e do Data 360 usando A2A para produzir uma composição limpa e regulável sem um nível de orquestração separado.

Archetype 4: Multi-fornecedor A2A (Orquestração conduzida pela MuleSoft)

• Definir: A orquestração é iniciada de um ponto de entrada que não seja do Salesforce, que requer um orquestrador externo neutro para realizar o raciocínio e o roteamento.
• Fluxo arquitetônico: Um agente de UI em um sistema externo encaminha a solicitação para um serviço de orquestração (conceitualizado como MuleSoft Conductor), que interpreta a intenção e planeja a tarefa. O condutor então usa o A2A para encaminhar chamadas para agentes do fornecedor, incluindo agentes Agentforce para ações de CRM ou serviço.
• Principais considerações: Esse padrão é para pontos de entrada que não sejam do Salesforce em que um orquestrador neutro é arquitetonicamente preferível. Ele mantém a UX no sistema de domínio enquanto centraliza o raciocínio, a governança, a política e a capacidade de observação no MuleSoft.

Esses padrões individuais e arquetípicos de orquestração são blocos de construção arquitetônicos projetados para serem compostos em soluções completas. O Mapa de soluções agente é usado para visualizar como esses componentes são conectados.

• Uma Solução de serviços de membro para um provedor de saúde é uma implementação padrão do arquetipo SOMA. Ele usa um Answerbot para usuários anônimos, um Orchestrator para membros autenticados e vários agentes de PME de domínio (por exemplo, Caso, Reivindicações e Benefícios) para lidar com solicitações específicas.
• Um B2C Broker Portal é uma composição complexa que usa um agente Portal Orchestrator para invocar um agente Gerente de projeto de longa duração para um processo RFP, que, por sua vez, usa Headless, Data Steward e agentes Interrogator para operações de dados de back-office.

Uma metodologia de padrão de design agente fornece a disciplina arquitetônica necessária para criar sistemas de IA corporativa robustos, escalonáveis e mantidos. Ao reduzir a complexidade e promover a modularidade, esses padrões permitem que os arquitetos forneçam soluções agentes confiáveis e previsíveis.

A escolha do arquetipo de orquestração é uma decisão estratégica com base em onde os usuários trabalham, onde o contexto reside e como a empresa controla a interação entre humanos, agentes e sistemas. Compreendendo a distinção entre a criação de agentes e a orquestração deles – e aproveitando protocolos abertos como MCP e A2A – os arquitetos podem ir além da criação de bots isolados para a engenharia de um sistema de raciocínio corporativo coeso, governado e distribuído. Essa abordagem fornece uma linguagem compartilhada e um conjunto de esquemas reutilizáveis para criar uma arquitetura agente sustentável.

Este anexo fornece exemplos concretos de como os padrões agentes são compostos em soluções no nível do sistema.

Este diagrama ilustra como cinco padrões fundamentais podem ser conectados para criar um fluxo de trabalho de atendimento ao cliente comum.

1. Answerbot: Um usuário anônimo faz uma pergunta, que é tratada por um agente baseado no Knowledge.
2. Operador: A pergunta de um funcionário é analisada por um Operador, que realiza o campo da conversa e a encaminha para um agente mais especializado.
3. Orquestrador: Um usuário autenticado (Usuário SF) interage com um Orquestrador que coordena vários agentes para lidar com uma consulta potencialmente multifator.
4. SMEs do domínio: Os agentes especializados (por exemplo, Agentes de RH ou Agentes de benefícios) são chamados pelo orquestrador para realizar atualizações de assunto e recuperar dados específicos.
5. Gerador: Os agentes de utilitários são usados para resumir os detalhes da conta ou encerrar um caso após a conclusão da interação.

Esse mapa de soluções detalha uma arquitetura agente para um caso de uso de Serviços do membro, demonstrando a composição de vários padrões.

• Perfis de usuário: A solução atende a três tipos de usuário distintos: Usuário anônimo, Membro autenticado e Usuário SF (por exemplo, um CSR humano).
• Padrões de interação: Um Answerbot lida com consultas "Find-A-Doc" anônimas, enquanto um Orquestrador (Agent Front Door) lida com consultas de usuário autenticadas. Um padrão de Ouvidor/Feed auxilia o Usuário SF.
• Reutilização do agente de domínio: Os agentes de PME especializados (por exemplo, Agente de caso, Agente de reivindicações ou Agente de benefícios) são reutilizados em diferentes fluxos de interação.
• Autônomo & Auxiliar: O sistema combina agentes autônomos (para direcionar a interação do usuário) e agentes auxiliares (para aumentar as CSRs humanas).
• Fonte de dados: A arquitetura integra uma mistura de fontes de dados públicas e empresariais, com amplo uso do Data 360 e MuleSoft para conectividade.

Este diagrama ilustra uma arquitetura lógica para uma solução de IA assistiva em uma Central de contato, organizada em camadas funcionais.

• Agentes de Orquestração: Gerencie as experiências do usuário para diferentes personas (por exemplo, Anônimo, Membro externo ou CSR) e orquestre o fluxo geral da interação.
• Agentes de trabalho: Múltiplos agentes de PME estão focados em domínios de negócios principais, como Knowledge, Caso/Reivindicações/Benefícios e Diretório do provedor. Um agente de Next Best Action também está incluído.
• Agentes de utilitários: Realize tarefas específicas reutilizáveis, como Tradução, Encerramento de caso e Resumo da chamada. Sistemas integração e principais: Todo o sistema agente é conectado por meio de uma camada de integração entre plataformas a recursos de dados não estruturados, recursos de dados estruturados e sistemas corporativos principais.
• Governance: Uma camada de governança fornece observabilidade, avaliação e gerenciamento para os LLMs/SLMs usados pelos agentes.

Esse mapa de soluções detalha uma interação agente complexa e de longa duração para um portal de corretores de seguro de saúde B2B. O modelo inclui um agente portal (Orchestrator) que facilita a jornada do corretor através de várias etapas (por exemplo, enviar um RFP e receber uma proposta). Esse orquestrador chama um agente de gerente de projeto, que, por sua vez, coordena vários agentes autônomos para a qualidade e as transformações de dados de back-office, como um extrator de RFP, uma transformação de censo e um administrador de dados.

Este diagrama mostra uma arquitetura lógica para uma solução do Broker B2C, que demonstra uma abordagem em camadas semelhante à Central de contato. Inclui agentes Orquestrador para diferentes personalidades do usuário, agentes Trabalhadores reutilizáveis para domínios-chave (por exemplo, Knowledge, Serviços do membro ou Comissões) e agentes Utilitários para funções específicas, como tradução e resumo.

Este diagrama mostra uma arquitetura lógica para uma solução de Contratação do provedor. Os agentes de Orchestrator gerenciam interações completas, os agentes de Trabalhadores gerenciam intenções específicas em um domínio (por exemplo, um agente de PME contratante) e os agentes de Utilitários realizam tarefas discretas, como comparar contratos ou gerar percepções.

A tabela a seguir resume vários principais padrões de interação, experiências de usuário típicas e propósitos arquitetônicos principais.

David Harshbarger é um empresário e líder de tecnologia bem-sucedido que trabalhou para muitas empresas de software líderes, arquitetando soluções que alinham a granulação da arquitetura à granulação do negócio para que os técnicos estejam trabalhando com, não contra, sua tecnologia de capacitação. Hoje, David trabalha como arquiteto corporativo principal no Salesforce, oferecendo suporte a Health & Life Sciences.

Chacha Choudhury é um CTO de TI/architecto-chefe altamente bem-sucedido e visionário com décadas de experiência, atualmente servindo como um arquiteto corporativo principal liderando o Programa de arquitetura do Salesforce e a Comunidade global de arquitetos. Ele é reconhecido por sua experiência na definição de uma estratégia de tecnologia corporativa, impulsionando a modernização da arquitetura e pioneirando soluções inovadoras, incluindo aplicativos de IA generativa e IA agente.