カスタムエージェントを作成する

カスタムエージェントの作成方法、始める前に準備すべきこと、メッセージング、意思決定、データ管理にわたってエージェントを活用する方法を学習する。一般的な情報については、Braze Agentsを参照のこと。

前提条件

開始する前に、次のものが必要になります。

• ワークスペース内のエージェントコンソールにアクセスする。このオプションが表示されない場合は、Brazeの管理者に確認すること。
• カスタムAIエージェントの作成・編集権限。
• 代理人に何を成し遂げてほしいかのアイデア。Braze Agentsは以下のアクションをサポートできる：
  • メッセージングだ：件名、見出し、製品内コピー、その他のコンテンツを作成する。
  • 決断する：行動、好み、またはカスタム属性に基づいてキャンバスでユーザーをルーティングする。
  • データマネージャー：値の計算、カタログエントリの充実、プロファイルフィールドの更新を行う。

仕組み

エージェントを作成するとき、その目的を定義し、どのように振る舞うべきかのガードレールを設定する。本番稼動後、エージェントはパーソナライズされたコピーの生成、リアルタイムの意思決定、カタログフィールドの更新のためにBrazeに配備することができる。エージェントの一時停止や更新はダッシュボードからいつでもできる。

エージェントを作成する

カスタムエージェントを作成する：

1. ダッシュボードのAgent Console>Agent Managementに進む。
2. エージェントの作成」を選択する。
3. チームがその目的を理解できるように、名前と説明を入力する。
4. エージェントが使用するモデルを選択する。

1. 代理人に指示を出す。ライティングの手引きを参照すること。
2. エージェントの出力をテストし、必要に応じて指示を調整する。
3. 準備ができたら、Create Agentを選択してエージェントをアクティブにする。

次のステップ

これでエージェントを使用する準備が整った！詳細はエージェントのデプロイを参照のこと。

参考

モデル

エージェントを設定する際、レスポンスを生成するために使用するモデルを選択する。選択肢は2つある：

オプション 1: Braze搭載モデルを使用する

これは最もシンプルなオプションで、余分なセットアップは必要ない。Brazeは大規模言語モデル（LLM）に直接アクセスできる。このオプションを使用するには、Autoを選択する。

オプション 2: APIキーを持参する

このオプションを使えば、BrazeアカウントをOpenAI、Anthropic、AWS Bedrock、Google Geminiなどのプロバイダーに接続できる。LLMプロバイダーからAPIキーを持参する場合、費用はBrazeからではなく、プロバイダーを通して直接請求される。

これを設定する：

1. パートナー連携＞テクノロジー・パートナーと進み、プロバイダーを探す。
2. プロバイダーからのAPIキーを入力する。
3. [保存] を選択します。

その後、エージェントに戻り、モデルを選択することができる。

指示書を書く

指示とは、あなたがエージェント（システム・プロンプト）に与えるルールやガイドラインのことである。これらは、エージェントが実行されるたびにどのように振る舞うべきかを定義する。システム命令は最大10KBである。

• best practices
• examples

1
2
3
4
5
6
7
From the survey text, classify overall sentiment toward product quality, delivery, and price as Positive, Neutral, or Negative
Always output a single string with just one label.
If any category is missing or unclear, treat it as Neutral.
If sentiment across categories is mixed, return Neutral.

Example Input: “The product works great, but shipping took forever and the cost felt too high.”
Example Output: Neutral

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
You are a customer research AI for a retail brand.  
Input: one open-text survey response from a user.  
Output: A single structured JSON object with:  
- sentiment (Positive, Neutral, Negative)  
- topic (Product, Delivery, Price, Other)  
- action_recommendation (Route: High-priority follow-up | Low-priority follow-up | No action)  

Rules:  
- Always return valid JSON.  
- If the topic is unclear, default to Other.  
- If sentiment is mixed, default to Neutral.  
- If sentiment is Negative and topic = Product or Delivery → action_recommendation = High-priority follow-up.  
- Otherwise, action_recommendation = Low-priority follow-up.  

Example Input:  
"The product works great, but shipping took forever and the cost felt too high."  

Example Output:  
{  
  "sentiment": "Neutral",  
  "topic": "Delivery",  
  "action_recommendation": "High-priority follow-up"  
}  

ブランド・ガイドライン

エージェントのレスポンシブ・ガイドラインを選択することができる。例えば、ユーザーにジムの会員登録を促すSMSコピーをエージェントに生成させたい場合、このフィールドを使って、事前に定義した太字でやる気を起こさせるガイドラインを参照することができる。

温度

ユーザーがモバイルアプリにログインすることを促すコピーを生成するためにエージェントを使うことが目的であれば、エージェントがよりクリエイティブになり、コンテキスト変数のニュアンスを利用できるように、エージェントの温度を高く設定することができる。ユーザーのセンチメント分析用のコピーを生成するためにエージェントを使用している場合、ネガティブなアンケート回答に対するエージェントの推測を避けるために、温度を低く設定するのが理想的かもしれない。この設定をテストし、あなたのシナリオに合うようにエージェントが生成したコピーを見直すことをお勧めする。

カタログ

エージェントが参照するカタログのリストから選択し、メッセージをさらにパーソナライズさせる。

出力フォーマット

手動でフィールドを構造化するか、JSON を使用することによって、エージェントの出力を整理し定義するために、出力形式フィールドを使用する。

例えば、あなたのレストラン・チェーンで最近食事をしたユーザーのフィードバックを集めたいとしよう。出力形式としてJSONスキーマを選択し、以下のJSONを挿入することで、センチメント変数と推論変数を含むデータオブジェクトを返すことができる。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
{
  "type": "object",
  "properties": {
    "sentiment": {
      "type": "string"
    },
    "reasoning": {
      "type": "string"
    }
  },
  "required": [
    "sentiment",
    "reasoning"
  ]
}

エージェントをテストする

ライブプレビューペインは、コンフィギュレーションエクスペリエンス内でサイドバイサイドパネルとして表示されるエージェントのインスタンスである。エージェントの作成中や更新中のテストに使用し、エンドユーザーと同じように体験することができる。このステップを踏むことで、期待通りの動作が確認でき、本番前に微調整をするチャンスが得られる。

1. サンプル入力フィールドには、顧客データや顧客のレスポンシブなど、エージェントが扱う実際のシナリオを反映したものを入力する。
2. Run testを選択する。エージェントはあなたの設定に基づいて実行し、そのレスポンスを表示する。テストの実行は、1日および総招集回数制限にカウントされる。

批判的な目でアウトプットを見直す。次の質問を考えてみよう：

• コピーはブランドにふさわしいか？
• 意思決定ロジックは意図した通りに顧客をルーティングしているか？
• 計算値は正確か？

何かおかしいと感じたら、エージェントの設定を更新し、再度テストする。いくつかの異なる入力を実行し、エージェントがシナリオ間でどのように適応するか、特にデータなしや無効なレスポンスのようなエッジケースを確認する。

エージェントを監視する

エージェントのログタブでは、キャンバスとカタログで発生した実際のエージェントコールを監視することができる。これには、タイムスタンプ、通話場所、通話時間、トークン数などの情報が含まれる。入力、出力、ユーザーIDを見るには、特定のエージェント・コールの[表示]を選択する。