Агентская архитектура предприятия и схемы проектирования привносят структуру в возможности многоагентной архитектуры, определяя и подчеркивая, как новые возможности для агентов на основе искусственного интеллекта могут сочетаться для предоставления надежных, повторяемых, масштабируемых и управляемых агентских решений. Вдохновленные «Схемами проектирования» для объектно-ориентированного программирования, мы разрабатываем схемы, которые можно объединить и расширить для решения многих увлекательных задач, которые до появления агентских технологий находились за пределами бизнес-систем, созданных на основе традиционных детерминистских технологий.

После обсуждения обоснования многоагентных архитектур мы вводим многочисленные агентские схемы, от простых схем, использующих обработку естественного языка для определения намерений пользователя, до многоагентных схем, предоставляющих разделение проблем между агентами, до агентских схем UX, которые привносят агентскую аргументацию в представление и взаимодействие с системами, информацией и содержимым.

В первую очередь вы получите новый взгляд на агентов - агентов как на компоненты, агентов как на компоновщиков, агентов как на исполнителей, агентов как на соавторов, а главное, агентов в рамках большой архитектуры, которые действуют намеренно и действуют в пределах своей индивидуальной сферы интересов.

Вы получите указатели, необходимые для разработки обогащенных агентских решений, охватывающих путешествия пользователей и сообщающих о значительных агентских взаимодействиях, взаимодействиях, которые раньше были невозможны.

Начальные разделы этого документа содержат обоснование архитектур взаимодействий. Ознакомьтесь с данными разделами для лучшего понимания проблем и возможностей, связанных с архитектурой нескольких агентов.

Ниже указаны определения и описания агентских схем, от простых до сложных, охватывающих схемы, поддерживающие взаимодействия, схемы для агентов-специалистов, схемы для фоновых операций и долгосрочные схемы. Каждая схема содержит диаграмму ключевых компонентов, реализующих схему, а также рекомендации по использованию и репрезентативные сценарии использования.

И наконец, приложение содержит примеры объединения этих схем в целостные агентские решения, поддерживающие более широкий агентский опыт, например, для поддержки обслуживания клиентов или брокерских продаж. См. этот раздел, чтобы узнать, как обогащенный агентский опыт использует разложение и разделение проблем на уровне агента и действия для стимулирования повторного использования на уровне взаимодействия, с общедоступными агентами, поддерживающими внутренние и внешние составляющие, как в ассистивном, так и в автономном режиме.

Архитекторы предприятия интегрируют генеративный искусственный интеллект в свои экосистемы, поэтому они должны решать общий набор вопросов проектирования:

• Сколько агентов требуется?
• Как агенты будут взаимодействовать?
• Какое разделение труда между агентами и людьми?
• Как эти компоненты объединяются в целостную систему?

Данный документ представляет методологию проектирования и создания агентских решений на основе схемы.

Монолитные агенты являются отправной точкой для большинства агентных решений. Агенты — а точнее, агенты Agentforce — являются способными исполнителями по целому ряду тем. Для распространенных способов использования начните с одного агента.

По мере развития организации, мультиагентные архитектуры являются предпочтительным методом. Мультиагентная архитектура обеспечивает больше масштаба, контроля и гибкости по сравнению с монолитными системами с одним агентом.

Архитектура нескольких агентов предоставляет следующие ключевые преимущества:

• Повышение производительности и сложности: Система из нескольких специализированных агентов предоставляет расширенные возможности и упрощает выполнение инструкций.
• Модульность и расширяемость: отдельные агенты могут быть добавлены, заменены, изменены и протестированы с большей легкостью, что повышает гибкость.
• Устойчивость и отказоустойчивость: Сбой отдельного компонента не влияет на всю систему, что приводит к повышению общей устойчивости.
• Децентрализованное управление: Устранение неполадок и управление ими могут быть изолированы от конкретных агентов и соответствующих приложений, что упрощает обслуживание и надзор.

Рационализация архитектуры нескольких агентов начинается с проекции базовых архитектурных принципов на возможности и структуру агентов. Итоговые многоагентные архитектуры являются в этом случае проявлением базовых принципов проектирования системы и системной архитектуры, соответствующих уникальной «грануляции» технологий искусственного интеллекта.

Ключевые принципы, определяющие данную архитектуру, включают:

• Управление сложностью посредством разложения
• Повышение устойчивости и уменьшение хрупкости посредством разъединения
• Повышение надежности и эффективности посредством повторного использования кода
• Повышение надежности агента путем ограничения круга проблем любого агента
• Улучшение обслуживания и развития системы посредством модульности и расширяемости
• Упрощение управления агентами и подотчетности посредством специализации

В отличие от более примитивных агентских архитектурных структур (например, тех, которые ориентированы на LLM в качестве базовой архитектурной конструкции), Agentforce с самого начала создавалась для оркестрации нескольких агентов. Мультиагентная оркестрация лежит в основе механизма Atlas Reasoning и агентских рассуждений для создания динамических эффективных путей программирования в агентских ответах, чтобы значительно расширить возможность предоставления широкого, глубокого агентского дополнения к взаимодействию пользователя (UX).

В Agentforce этот тип координации поддерживается следующими ключевыми открытыми совместимыми протоколами и продуктами Salesforce:

• Agentforce предоставляет подсистему Agent для интеграции всех ключевых элементов агента: тем, инструкций, действий, ограждений, контекста, вызовов, результатов, сведений о выполнении, журналов и т. д.
• Действия: предоставление крюков для доступа к данным, потокам вызовов, вызова внешних систем и вызова других агентов.
• Data 360: предоставляет уровень виртуализации данных для предоставления агенту определенного индивидуального контекста (используя объединенный профиль и цепочку ключей Data 360 для извлечения конкретной информации из предприятия).

А для агентов предприятия или для доступа к агентам или ресурсам мы поддерживаем:

• Model Context Protocol (MCP): это безопасный уровень связи, связывающий агентов с корпоративными инструментами, данными и Knowledge для обеспечения точности контекста.
• Протокол A2A: это стандартное рукопожатие для делегирования полномочий между агентами, которое обеспечивает безопасную управляемую координацию между системами, организациями и поставщиками.

Эти принципы служат основой для создания масштабируемой управляемой системы организованной разведки.

Надежные агентурные решения требуют четких подходов к нефункциональным требованиям, лежащим в основе эффективного предоставления технологий:

• Безопасность и управление (управление удостоверениями и доступом, конфиденциальность данных, безопасность данных и моделирование угроз).
• Наблюдаемость и мониторинг (распределенное отслеживание, централизованная регистрация, показатели и панели мониторинга).
• Операционная деятельность и управление жизненным циклом (спецификация, создание тестовых обращений, тестирование, отзывы, непрерывное обучение, умаление).

Ниже перечислены ключевые архитектурные рекомендации по созданию решений Enterprise Agentic, которые не рассматриваются в данной справке, но будут рассмотрены в будущих публикациях.

Для управления единым агентским ландшафтом архитекторы должны классифицировать агентов посредством двух взаимодополняющих представлений Lens: технической функции и влияния на бизнес.

Данная таксономия разделяет на категории функциональные роли, которые могут выполнять агенты в архитектуре.

• Роли канала/UX: Определите модальность взаимодействия (например, «Без заголовка», «Напоминание», «Чаты и сообщения» или «Рабочие пространства под управлением искусственного интеллекта»).
• Роли специалиста: Инкапсулируйте глубокие Knowledge домена (например, «Эксперт домена», «Миньон Knowledge», «Помощник» или «Организатор»).
• Роли служебной службы: Выполнение отдельных транзакционных задач (например, создание, резюмирование, трансформация или конфигурация).
• Обслуживание и активные роли обслуживания: Сосредоточьтесь на работоспособности и качестве данных (например, кураторство, конформация, качество данных или пополнение данных).
• Долговременные роли: Управляйте процессами в течение продолжительных периодов времени (например, консьерж, менеджер проекта, медбрат или наблюдатель/алертер).

Для облегчения четкого проектирования и коммуникации агентская карта является стандартным шаблоном для описания агентских решений. Он определяет ключевые объекты, системы и взаимодействия в определенной схеме проектирования.

Ниже указаны компоненты шаблона Agentic Map:

• Слои пользователей определяют участников системы (например, клиентов, проверенных сотрудников (SF-пользователей) и непроверенных сотрудников).
• Слои агентов описывают обязательных агентов, отображаемые схемы, взаимосвязи друг с другом и инструкции, используемые для актуализации определенных схем.
• Контекст/Действия — это ресурсы, возможности или действия, управляемые или доступные агенту.
• Источники - это базовые данные, приложения, базы Knowledge и другие системы, к которым подключаются агенты.

Добавления А и Б иллюстрируют агентские схемы системного уровня, демонстрируя их компоновку в плавательных полосах шаблона карты агента.

В Salesforce мы используем библиотеку схем агентов для систематизации и предоставления надежных, предсказуемых агентских решений. Эти схемы являются нашими образцами для решения распространенных архитектурных проблем.

Они сгруппированы в четыре основные категории:

• Схемы взаимодействия: Сосредоточьтесь на агентской занятости и взаимодействии пользователя (UX).
• Схемы специалиста/работника: Внедрите глубокие Knowledge или определенные навыки в определенный домен.
• Схемы управления служебными программами и данными: Выполнение определенных, часто повторяемых задач, поддерживающих других агентов или процессы.
• Долговременные схемы: Управление процессами и бизнес-правилами, происходящими в течение продолжительных периодов, включительно с несколькими этапами.

Следующие разделы содержат ключевые схемы из каждой категории. Каждое описание схемы предоставляет общие сведения, тип вывода, рекомендации по использованию схемы, репрезентативные сценарии использования и диаграмму решения, а также соотнесение с рубрикой Salesforce Agentic Maturity.

Схемы взаимодействия представляют собой основополагающие схемы, ориентированные на агентскую занятость и взаимодействие пользователей.

• Общие сведения: Большая схема — это простая и понятная схема, использующая естественный язык для определения намерений пользователя. Потом он перенаправляет пользователя соответствующему агенту-человеку.

• Тип вывода: Раздача/Расширение до следующего ресурса.

• Business Value: Упростите безупречный и эффективный первый контакт для клиентов, увеличив разрешающую способность при намерениях и сбор контекста для поставщиков услуг.

• Рекомендации по использованию схемы: Настройте агента в качестве основного ресурса занятости для каналов фирменного стиля. Предоставьте инструкции по фирменному стилю, продуктам и услугам в сочетании с инструкциями маршрутизации на основе намерений пользователя. Агент собирает и суммирует намерение предоставить теплую передачу.

• Представительный сценарий использования: Представьте веб-страницу, использующую бот чата для отображения меню параметров, где пользователи должны нажать на все параметры, прежде чем они будут перенаправлены человеку. Для повышения производительности и эффективности офиса чатботы часто используют сложные рабочие пути и взаимодействия. Это приводит к сценарию усталости «Заполните, выберите и нажмите» для клиентов, что часто приводит к разочарованию, если их контекст выходит за пределы доступных параметров меню. Замена традиционных чатботов Agentic Front Door, использующей естественно-языковые взаимодействия, облегчает нагрузку и обеспечивает взаимодействие, похожее на человеческое.

• Agentforce Recipe:

  • Агент обслуживания Agentforce: Создание агента обслуживания
    • Пакетный агент обслуживания имеет настраиваемые возможности передачи, поддерживающие передачу:
      • Людям-агентам
      • Агентам на основе искусственного интеллекта
      • Внешним агентам
  • Отраслевые схемы, содержащие примеры кода

• Диаграмма:

• Agentic Maturity Salesforce: Уровень 1 (или уровень 0, если вы используете готового агента обслуживания со встроенными функциями передачи и расширения)

• Общие сведения: Схема оператора основывается на схеме Большого посредством маршрутизации запросов соответствующему агенту-специалисту или человеку и намерения переговоров (при необходимости).

• Тип вывода: Передача/Передача следующему ресурсу.

• Рекомендации по использованию схемы: Сочетайте инструкции по фирменному стилю и обслуживанию с инструкциями по отправке пользователя на основе намерения. Определите ресурсы расширения, которыми могут быть люди или другие агенты.

• Представительный сценарий использования: Используйте агентскую входную дверь для сценариев высокой специализации представителей людей или искусственного интеллекта.

• Диаграмма:

• Agentic Maturity Salesforce: Уровень 2

• Общие сведения: Схема организатора управляет агентом искусственного интеллекта "Групповая обработка". При получении запроса пользователя он передает реплику одному или нескольким агентам-специалистам, а потом агрегирует ответы для пользователя. В отличие от схемы оператора, он остается первым контактным лицом (КК).

• Тип вывода: Сбор и подготовка ответа (ответов) от агентов-работников.

• Рекомендации по использованию схемы: Настраивается в качестве основного участника. Предоставьте инструкции для каждого агента вспомогательного сотрудника (например, SME «Приоритизатор» или «Домен»), позволяющие оркестранту передавать им реплики.

• Представительный сценарий использования: Используйте схему организатора в качестве входной двери агента для помощи клиентам, которым может понадобиться обсуждение нескольких тем в разговоре, что требует многоагентных решений и последовательного взаимодействия. В многосистемной архитектуре рекомендуем использовать шаблон организатора для координации ответов между системами и в сотрудничестве с внешними агентами.

• Диаграмма:

• Agentic Maturity Salesforce: Уровень 3

• Общие сведения: Шаблон «Слушатель/Лента» отображает контекст и важные данные во время разговора. Слушатель запускается во время каждого разговора для поиска и отображения соответствующей информации для сотрудника.

• Тип вывода: Предоставьте соответствующий контекст на основе разговора, который можно отформатировать для эффекта (например, сравнение или выделение ключевых моментов).

• Рекомендации по использованию схемы: Вложите «Слушателя» в пошаговый канал (например, чат, голосовой режим или SMS-сообщение). Определите темы для каждой области темы. Агент использует транскрипт, определяет темы и вызывает действия для поиска и публикации актуального содержимого в выполняемую ленту сотрудника.

• Представительный сценарий использования: Используйте универсальный помощник для помощи представителям службы поддержки или сбыта.

• Диаграмма:

• Agentic Maturity Salesforce: Уровень 3

• Общие сведения: Схема рабочего пространства (Radar O’Reilly) управляет адаптивным UX из одного стекла в потоке разговора. Он обрабатывает каждую реплику для обновления частей UX соответствующим содержимым.

• Тип вывода: Предоставьте актуальный контекст, расположенный в портплете в более крупном представлении одного стекла.

• Рекомендации по использованию схемы: Агент Оркестратора передает реплики в набор агентов Темы. Каждый агент темы оценивает оператор для определения необходимости обновления UX. В таком случае динамические обновления переносятся в соответствующий LWC.

• Представительный сценарий использования: Это работает как расширенная агентская входная дверь.

• Диаграмма:

• Agentic Maturity Salesforce: Уровень 3

Шаблоны специалистов инкапсулируют deep Knowledge или skills в определенной области, и они обычно оркеструются схемами взаимодействия.

• Общие сведения: Шаблон Answerbot - это эффективная схема самообслуживания, использующая GenAI для определения естественного языка для извлечения Knowledge, а не только ключевых слов.

• Тип вывода: Резюмированные Knowledge и ссылки/ссылки на вспомогательные материалы.

• Рекомендации по использованию схемы: Систематизируйте и принимайте надежные исходные материалы (например, Knowledge Stores или вопросы и ответы) для настройки агента. Разместите агента на корпоративных веб-сайтах или на внутренних порталах. Отслеживайте вопросы для определения и устранения пробелов Knowledge.

• Представительный сценарий использования: Упрощение естественно-языкового поиска на корпоративном веб-сайте, взаимодействие с ботом HR-преимуществ и предоставление компонентов самообслуживания для всех участников.

• Диаграмма:

• Agentic Maturity Salesforce: Уровень 1

• Общие сведения: Схема МСП домена является базовой схемой, предоставляющей естественно-языковую основу для бизнес-домена (например, заказы или претензии).

• Тип вывода: Предоставьте актуальное содержимое, темы, данные и отформатированные сведения о домене.

• Рекомендации по использованию схемы: Используйте эту схему для инкапсуляции темы или бизнес-домена. Настройте агента с возможностью выполнения соответствующих операций CRUD. Предоставьте этим агентам доступ посредством схем взаимодействия (например, - Orchestraator или Listener).

• Представительный сценарий использования: Сохранение домена бизнес-данных, предоставление «агента заказа» или «агента запаса» и предоставление агентского интерфейса для бизнес-домена.

• Диаграмма:

• Agentic Maturity Salesforce: Уровень 2

• Общие сведения: Шаблон «Допрашивающий» — это агент МСП, которого можно допросить по теме для сбора контекста из нескольких источников для ответа на вопросы. Ключевая агентская возможность, используемая для извлечения контекста и связывания концепций в тексте содержимого, как это сделал бы человек после прочтения и интернализации содержимого. Такая схема смягчает необходимость "интеграции поворотного кресла".

• Тип вывода: Предоставьте ответы на вопросы.

• Рекомендации по использованию схемы: Он часто настраивается как виджет консоли, подключенный к текущему контексту пользователя, чтобы он мог задавать вопросы напрямую. Он также используется совместно с ресурсами Knowledge, например, с каталогами вопросов и ответов, политик и продуктов. Сочетайте схему «Допрашивающий» со стандартными напоминаниями для масштабирования распространенных ответов на распространенные вопросы.

• Представительный сценарий использования: Используйте в качестве агента помощника по контрактам; помощника по запросам выгод или агента специалиста по работе с несколькими агентами (например, слушатель или рабочее пространство).

• Диаграмма:

• Agentic Maturity Salesforce: Уровень 2

• Общие сведения: Шаблон «Приоритизатор» используется для упорядочения набора задач или рабочих объектов на основе определенной цели. Он использует GenAI для качественного анализа, анализа неструктурированных данных или комплексного анализа в нескольких доменах данных.

• Тип вывода: Предоставьте генеративные важные данные.

• Рекомендации по использованию схемы: Используйте естественный язык для описания нужных качеств для расстановки приоритетов. Запретите агенту использовать набор выбираемых параметров. Совместно со схемой Listener создайте адаптивный «Next Best Action» в потоке работы.

• Представительный сценарий использования: Используйте в качестве генератора Next Best Action или агента специалиста-работника в долгосрочных или мультиагентных схемах.

• Диаграмма:

• Agentic Maturity Salesforce: Уровень 2

Схемы служебных программ выполняют определенные повторяемые задачи, поддерживающие других агентов или процессы.

• Общие сведения: Схема генератора является базовой для создания нового содержимого (например, сводки обращений или черновики электронной почты) на основе существующих вводных данных и стандартов. Он часто внедряется как напоминание и может быть встроен в других агентов.

• Тип вывода: Предоставьте созданное содержимое, соответствующее запрошенному формату и намерению.

• Рекомендации по использованию схемы: Схема генератора может использоваться в большинстве других схем или как отдельная. Контекст может быть предоставлен посредством запроса, гидратации во время выполнения или дополнительных этапов обогащения.

• Представительный сценарий использования: Предоставьте сводки обращений, черновики электронной почты, статьи Knowledge или предложения/ответы в QBR.

• Диаграмма:

• Agentic Maturity Salesforce: Уровень 1

• Общие сведения: Шаблон «Стюард данных» — это автономная фоновая схема, которая вносит агентский этап в операции над данными для обеспечения согласованного качества данных, соответствия и пополнения.

• Тип вывода: Предоставьте обновленные поля записи и данных перед сохранением.

• Рекомендации по использованию схемы: Встройте качество данных на этапе создания данных, добавив распорядителей данных, которые инициируют потоки записи перед сохранением данных. Помогает обеспечить последовательное применение категорий, сводки и данных состояния.

• Представительный сценарий использования: Обеспечение последовательных обновлений стиля «Pizza-Tracker», пополнение данных организаций и устранение несовпадений почтовых индексов и адресов.

• Диаграмма:

• Agentic Maturity Salesforce: Уровень 2

• Общие сведения: Шаблон Zen Data Gardener - это запланированная фоновая схема, используемая для подготовки и стандартизации данных, используя недорогостоящие аргументы для проверки, пополнения и соответствия данных в других неподключенных доменах данных.

• Тип вывода: Предоставьте обновленные записи и/или задачи управления данными.

• Рекомендации по использованию схемы: Используйте схему для включения регулярного периодического просмотра и проверки данных. Для медленно меняющихся данных запланируйте агента в медленной каденции (например, ежемесячно). Совместно с шаблоном распорядителя данных предоставьте потенциальные и ретроспективные операции качества данных.

• Представительный сценарий использования: Обеспечение соответствия между проданными льготами и системой требований, а также периодическая проверка лицензий брокеров по национальным реестрам.

• Диаграмма:

• Agentic Maturity Salesforce: Уровень 4

• Общие сведения: Схема конфигуратора создает артефакты конфигурации (например, SQL/SOQL, JSON и CSV) на основе требований естественного языка. Он также может выполняться в обратном порядке для проверки существующей конфигурации на соответствие требованиям.

• Тип вывода: Предоставьте обновленные записи, задачи управления данными или создайте проблемы/ошибки для исправлений.

• Рекомендации по использованию схемы: Запретите агенту использовать определенные стандарты, рекомендации или примеры. Настройте требования к сборке посредством источников, например, контрактов или спецификаций продуктов. Подключите схему конфигуратора к целевой системе, чтобы ускорить создание конфигурации.

• Представительный сценарий использования: Создание записей конфигурации продукта для продуктов медицинского страхования и проверка условий контракта/оплаты для поставщиков медицинских услуг.

• Диаграмма:

• Agentic Maturity Salesforce: Уровень 4

• Общие сведения: Шаблон «Судья и присяжные» предназначен для минимизации галлюцинаций посредством набора агентов «присяжных» и агента «судьи», оценивающих совпадение ответов на предмет их материальной последовательности и обоснованности.

  • Подход ансамбля встроен в Agentforce и механизм Atlas Reasoning для проверки точности и актуальности ответов. Схема судей и присяжных основывается на этом потенциале, когда высокий уровень точности имеет существенно важное значение.
  • Сочетание «Заземление данных» (например, «найдите ответ в этих записях/документах») и «Инженерно-поисковые работы» (например, «возврат ответа, только если он найден в этих записях» или «проверка ответа по внешнему источнику») также являются эффективными способами минимизации галлюцинаций.

• Тип вывода: Предоставьте генеративные важные данные.

• Рекомендации по использованию схемы: Используйте, когда существует острая необходимость в последовательных и приземленных генерирующих выводах. Агент судьи составляет обоснованное напоминание и передает его двум или более агентам присяжного, а потом судья оценивает ответы. Для достижения лучших результатов используйте разные модели (например, из OpenAI и из Anthropic) для каждого агента присяжного.

• Представительный сценарий использования: Предоставьте высокоточные, обоснованные факты ответы, чтобы минимизировать галлюцинации.

• Диаграмма:

• Agentic Maturity Salesforce: Уровень 2

• Общие сведения: Схема модели использует несколько экспертов для формирования широкого спектра перспектив, а затем извлекает консенсус. В отличие от схемы «Судья и присяжные», эта схема охватывает несколько точек зрения для улучшения обогащения.

  • Эту схему можно также назвать схемой Группы экспертов при наличии моделей экспертов с разными точками зрения, которые, возможно, было бы полезно использовать.
  • В отличие от схемы «Судья и присяжные», когда цель заключается в обеспечении того, чтобы агентский ответ сходился на общедоступной «истине», модель моделей расширяет сферу охвата ответа, используя разнообразие агентской среды.
  • Эта схема предполагает наличие дополнительных агентов с определенным POV. Например, в мультиорганизационной среде с несколькими агентами, предоставленными поставщиком в технологических ярусах, схема модели предоставляет структуру для интеграции нескольких POV.
  • При рассмотрении данной схемы также учитываются другие, часто более легкие подходы:
    • Вместо определения нескольких агентов-экспертов укажите несколько напоминаний и система должна работать как набор напоминаний.
    • Используйте «заземление» посредством действий, открывающих контекстно соответствующие данные.

• Тип вывода: Предоставьте генеративные важные данные.

• Рекомендации по использованию схемы: Роль агента агрегатора заключается в создании и возврате обогащенного POV на основе ключевых концепций, возвращенных агентами модели. Агенты модели определяют ответ на основе уникального POV.

• Представительный сценарий использования: Используются в ситуациях, которые могут выиграть от объединения разных точек зрения для повышения качества ответов. Например, многосистемная агентская среда, где привилегированные агенты (например, агент ERP) могут иметь ценный и недоступный POV.

• Диаграмма:

• Agentic Maturity Salesforce: Уровень 2

Долгосрочные схемы процессов управляют процессами, происходящими в течение продолжительных периодов времени и включающими несколько этапов и исполнителей.

• Общие сведения: Схема менеджера проектов - это сложная схема, которая контролирует долгосрочный проект. Он координирует действия, отслеживает завершение, уведомляет пользователей и представляет статус проекта заинтересованным лицам.

• Тип вывода: Существует несколько результатов (например, обращения, задачи, обновления статуса и уведомления).

• Рекомендации по использованию схемы: Используйте в качестве зонтичной схемы для поддержки регулярных, повторяющихся, многоэтапных действий. Шаблон менеджера проекта использует шаблон/схему ввода проекта, включительно с задачами, ролями и зависимостями, затем обрабатывает обращения и действия и назначает их пользователям.

• Представительный сценарий использования: Используются для управления установкой организации и взаимодействия с корпоративными продажами.

• Диаграмма:

• Agentic Maturity Salesforce: Уровень 4

Хотя схемы описывают роли агентов, архетипы оркестрации определяют системные схемы сотрудничества флота агентов. Эти архетипы разъясняют роль Agentforce как оркестрационного мозга и MuleSoft как универсального коннектора и адаптера.

Архетип 1: SOMA (единая организация, несколько агентов)

• Определение: Несколько агентов сотрудничают в одной организации Salesforce, использующей общедоступное управление и данные.
• Архитектурный поток: В Agentforce агент администратора действует как единый вход, перенаправляя запросы агентам-специалистам в организации. Для внешних функций агенты используют Agentforce MCP Client с MuleSoft, действующим в качестве MCP-оболочки для API без поддержки MCP.
• Ключевые рекомендации: Эта схема централизует логику оркестрации в Salesforce (подобно контексту CRM и Data 360), чтобы сохранить объединенное управление, удостоверение, полномочия и доступность для наблюдения.

Архетип 2: MOMA (множественная организация, несколько агентов)

• Определение: Агенты сотрудничают в нескольких организациях Salesforce, что требует безопасной координации между данными и границами полномочий.
• Архитектурный поток: Агент администратора в одной организации делегирует задачу агенту в другой организации посредством стандартизированного протокола от агента к агенту. Это рукопожатие обеспечивает Trust уровня организации, поток удостоверения пользователя и общий контекст разговора.
• Ключевые рекомендации: Эта схема сохраняет автономность организации, создавая возможности для единых бизнес-правил, что обеспечивает основу для последовательных агентских операций в сложных, многоорганизационных структурах.

Архетип 3: Многопоставщиковый A2A (оркестрация под руководством Salesforce)

• Определение: Агент-администратор Salesforce координирует работу с агентами Salesforce и другими поставщиками (например, Google/Vertex или LangGraph) посредством протокола A2A.
• Архитектурный поток: Агент администратора обрабатывает запрос и оркеструет план, вызывая внутренних и внешних поставщиков посредством протокола A2A. Для внешних систем, не поддерживающих A2A, MuleSoft может открыть « облегченный фасад агента», который дополняет существующий инструмент и взаимодействует с A2A.
• Ключевые рекомендации: Этот архетип поддерживает мозг оркестрации вблизи CRM и Data 360, используя A2A для создания чистой управляемой композиции без отдельного уровня оркестрации.

Архетип 4: Многопоставщиковая оркестрация A2A (MuleSoft)

• Определение: Оркестрация инициируется из точки входа, не относящейся к Salesforce, что требует наличия нейтрального внешнего оркестранта для выполнения рассуждений и маршрутизации.
• Архитектурный поток: Агент пользовательского интерфейса во внешней системе перенаправляет запрос в службу оркестрации (концептуально MuleSoft Conductor), которая обрабатывает намерение и планирует задачу. Затем проводник использует A2A для маршрутизации вызовов агентам поставщика, включая агентов Agentforce для действий CRM или обслуживания.
• Ключевые рекомендации: Эта схема для точек входа, не принадлежащих Salesforce, где нейтральный оркестрант предпочтительнее с архитектурной точки зрения. Он поддерживает UX в системе домена, централизируя рассуждения, управление, политику и наблюдаемость в MuleSoft.

Эти отдельные узоры и оркестрационные архетипы являются архитектурными структурными элементами, которые созданы для создания комплексных решений. Карта агентного решения используется для визуализации соединения этих компонентов.

• Решение служб участников для поставщика медицинских услуг - это стандартное внедрение архетипа SOMA. Он использует Answerbot для анонимных пользователей, Оркестратор для проверенных участников и несколько агентов МСП домена (например, обращение, претензии и преимущества) для обработки определенных запросов.
• B2C Broker Portal — это сложная компоновка, использующая агента Orchestrator портала для вызова долгосрочного агента Project Manager для процесса RFP, который, в свою очередь, использует агентов Headless, Data Stuard и Insrogator для бэк-офисных операций над данными.

Методология схемы агентского проектирования предоставляет архитектурную дисциплину, необходимую для создания надежных, масштабируемых и обслуживаемых корпоративных систем искусственного интеллекта. Разрушая сложность и поощряя модульность, эти схемы позволяют архитекторам предоставлять надежные, предсказуемые агентские решения.

Выбор архетипа оркестрации - это стратегическое решение, основанное на том, где работают пользователи, где находится контекст и как предприятие управляет взаимодействием между людьми, агентами и системами. Понимая различие между созданием агентов и их оркестрацией, а также используя открытые протоколы, такие как MCP и A2A, архитекторы могут перейти от создания изолированных ботов к созданию целостной, управляемой и распределенной системы корпоративного резона. Этот подход обеспечивает общий язык и набор многоразовых образцов для создания устойчивой агентурной архитектуры.

Данное добавление содержит конкретные примеры компоновки агентских схем в решения системного уровня.

Эта диаграмма иллюстрирует, как пять базовых схем могут быть соединены вместе для создания общего бизнес-правила обслуживания клиентов.

1. Ответбот: Анонимный пользователь задает вопрос, который обрабатывается агентом на основе Knowledge.
2. Оператор: Вопрос сотрудника сортируется оператором, который отправляет разговор и передает его более специализированному агенту.
3. Оркестратор: Проверенный пользователь (пользователь SF) взаимодействует с оркестратором, который координирует несколько агентов для обработки потенциально многогранного запроса.
4. SME домена: Агенты-специалисты (например, агенты по персоналу или агенты по льготам) вызываются оркестрантом для выполнения обновлений темы и извлечения определенных данных.
5. Генератор: Служебные агенты используются для резюмирования сведений об организации или завершения обращения после завершения взаимодействия.

Эта карта решений содержит сведения об агентской архитектуре для сценария использования служб участников, демонстрируя состав нескольких схем.

• Профили пользователей: Решение обслуживает три разных типа пользователей: Анонимный пользователь, проверенный участник и пользователь SF (например, CSR-код пользователя).
• Схемы взаимодействия: Ансвербот обрабатывает анонимные запросы «Найти-документ», а оркестрант (агентская входная дверь) управляет проверенными запросами пользователей. Шаблон «Прослушиватель/Лента» помогает пользователю SF.
• Повторное использование агента домена: Специализированные агенты МСП домена (например, агент обращения, агент претензии или агент бонусов) повторно используются в разных потоках взаимодействия.
• Автономный и вспомогательный: Система объединяет автономных агентов (для прямого взаимодействия с пользователем) и ассистирующих агентов (для дополнения человеческих CSR).
• Источники данных: Архитектура объединяет разные общедоступные и корпоративные источники данных, широко используя Data 360 и MuleSoft для подключения.

Данная диаграмма иллюстрирует логическую архитектуру решения на основе искусственного интеллекта в контактном центре, сгруппированного по функциональным уровням.

• Агенты оркестратора: Управляйте взаимодействиями пользователей для разных персон (например, анонимных, внешних участников или CSR) и оркестрируйте общий поток взаимодействия.
• Агенты-работники: Несколько субъектов МСП сосредоточивают свое внимание на таких основных бизнес-доменах, как Knowledge, Case/Claims/Benefits и каталог поставщиков. Также добавлен агент Next Best Action.
• Служебные агенты: Выполняйте определенные многоразовые задачи, например, перевод, завершение обращений и сводка вызовов. Интеграция и базовые системы: Вся агентская система подключена посредством уровня межплатформенной интеграции к неструктурированным ресурсам данных, структурированным ресурсам данных и базовым корпоративным системам.
• Управление: Уровень управления предоставляет возможность наблюдения, оценки и управления для LLM/SLM, используемых агентами. Архитектура системы контактного центра

Эта карта решений содержит сведения о сложном долгосрочном агентском взаимодействии для портала брокера медицинского страхования B2B. Модель включает агента портала (Оркестратора), который облегчает брокеру работу в несколько этапов (например, отправку ЗП и получение предложения). Этот оркестратор вызывает агента Project Manager, который, в свою очередь, координирует несколько агентов без заголовка для качества офисных данных и трансформаций, например, RFP Extractor, Census Transform и Data Stuard.

Данная диаграмма отображает логическую архитектуру решения B2C Broker, демонстрирующую аналогичный многоуровневый подход к контактному центру. Она содержит агентов Orchestrator для разных пользователей, многоразовых агентов Worker для ключевых доменов (например, Knowledge, Member Services или Commissions) и агентов Utility для определенных функций, например, перевода и резюмирования.

Данная диаграмма отображает логическую архитектуру решения «Подряд поставщика». Агенты организатора управляют полными взаимодействиями, агенты сотрудника управляют определенными намерениями в домене (например, агент МСП-контрактников), а агенты коммунальных служб выполняют отдельные задачи, например, сравнение контрактов или создание важных данных.

Следующая таблица резюмирует несколько ключевых схем взаимодействия, типичные взаимодействия пользователей и основные архитектурные цели.

Дэвид Харшбаргер - успешный предприниматель и технологический лидер, который работал на многие ведущие компании, работающие с программным обеспечением, создавая решения, которые выравнивают зерно архитектуры с зерном бизнеса, чтобы технологи работали со своими стимулирующими технологиями, а не против них. Сегодня Дэвид работает главным корпоративным архитектором в Salesforce, поддерживает Health & Life Sciences.

Чача Чоудхури является высокоэффективным и дальновидным ИТ-технологом/главным архитектором с многолетним опытом работы, в настоящее время являющимся главным корпоративным архитектором, возглавляющим программу архитектуры Salesforce и Глобальное сообщество архитекторов. Он признан за опыт в разработке единой технологической стратегии, стимуляции модернизации архитектуры и новаторских решений, включая приложения на основе искусственного интеллекта и искусственного интеллекта Agentic.