Braze 에이전트

Braze 에이전트는 Braze 내에서 생성할 수 있는 AI 기반 도우미입니다. 상담원은 콘텐츠를 생성하고, 지능적인 의사 결정을 내리고, 데이터를 보강하여 더욱 개인화된 고객 경험을 제공할 수 있습니다.

왜 Braze 에이전트를 사용하나요?

Braze 에이전트는 팀이 추가 작업 없이 더 스마트하고 개인화된 경험을 제공할 수 있도록 도와줍니다. 단순히 프롬프트에 응답하는 것이 아니라 맥락을 이해하고, 결정을 내리고, 목표를 향해 행동하는 지능형 비서 역할을 합니다.

실제로 상담원은 제목란이나 제품 내 텍스트와 같은 메시지 문구를 자동으로 생성할 수 있으므로 모든 고객이 자신에게 맞는 커뮤니케이션을 받을 수 있습니다. 또한 선호도, 행동 또는 기타 데이터를 기반으로 사람들을 다양한 캔버스 경로로 라우팅하여 실시간으로 적응할 수 있습니다.

메시징 외에도 상담원은 제품 및 프로필 필드 값을 계산하거나 생성하여 데이터를 최신의 동적 상태로 유지함으로써 카탈로그를 강화할 수 있습니다. 반복적이거나 복잡한 작업을 대신 처리함으로써 팀이 수동 설정 대신 전략과 창의성에 집중할 수 있도록 해줍니다. Braze 에이전트는 백그라운드 프로세스가 아닌 협업자처럼 행동하여 문제를 해결하고 대규모로 영향력을 전달할 수 있도록 지원합니다.

기능

Braze 에이전트를 위한 기능은 다음과 같습니다:

• 유연한 설정: Braze에서 제공하는 LLM을 사용하거나 자체 모델 제공업체(예: OpenAI, Anthropic, Google Gemini 또는 AWS Bedrock)를 연결하세요.
• 원활한 통합: 캔버스 단계나 카탈로그 필드에 직접 상담원을 배치하세요.
• 테스트 및 로깅 도구: 시작하기 전에 샘플 입력으로 테스트하여 상담원의 출력을 미리 확인하세요. 에이전트가 실행될 때마다 해당 실행에 대한 입력 및 출력을 포함하여 로그를 봅니다.
• 사용량 제어: 내장된 호출 및 크기 제한 기능을 통해 성능/성과 및 비용을 관리할 수 있습니다.

Braze 에이전트 정보

상담원은 작동 방식을 정의하는 지침(시스템 프롬프트)으로 구성됩니다. 에이전트가 실행되면 사용자가 전달한 모든 데이터와 함께 사용자의 지시를 사용하여 응답을 생성합니다.

주요 개념

기간	정의
모델	에이전트의 ‘두뇌’, 이 경우에는 대규모 언어 모델(LLM)입니다. 입력을 해석하고, 응답을 생성하고, 추론을 수행합니다. 더 강력한 모델(더 많은 관련 데이터로 학습)은 에이전트의 능력과 활용도를 높여줍니다.
지침	상담원에게 제공하는 규칙 또는 가이드라인(시스템 프롬프트). 에이전트가 실행될 때마다 에이전트가 어떻게 작동해야 하는지 정의합니다. 명확한 지침은 상담원의 신뢰성과 예측 가능성을 높여줍니다.
컨텍스트	사용자 프로필 필드나 카탈로그 행과 같이 에이전트가 배포되는 모든 곳에서 런타임에 에이전트로 전달되는 데이터입니다. 이 입력은 상담원이 출력을 생성하는 데 사용하는 정보를 제공합니다.
출력 변수	에이전트가 캔버스 단계에서 사용될 때 생성되는 출력입니다. 출력 변수는 상담원의 결과를 저장하여 콘텐츠를 개인화하거나 워크플로 경로를 안내합니다. 출력 변수는 문자열, 숫자 또는 부울 데이터 유형일 수 있습니다.
호출	에이전트를 한 번 실행합니다. 이는 일일 한도 및 총 한도에 포함되지 않습니다.

제한 사항

상담원은 분당 약 1,000건의 요청을 처리합니다. 각 워크스페이스는 최대 1,000명의 상담원을 지원할 수 있습니다. 이 제한에 도달하면 새 상담원을 만들기 전에 기존 상담원을 제거해야 합니다.

또한 베타 기간 동안에는

• 호출은 하루에 50,000회, 총 500,000회 실행으로 제한됩니다.
• 각 실행은 30초 이내에 완료되어야 합니다. 30초가 지나면 에이전트가 사용된 곳에서 null 응답을 반환합니다.
• 입력 데이터는 요청당 10KB로 제한됩니다. 긴 입력은 잘립니다.
• 카탈로그의 경우 에이전트 필드는 처음 10,000개 행만 업데이트합니다.

다음 단계

이제 Braze 에이전트에 대해 알아봤으니 다음 단계로 넘어갈 준비가 되었습니다:

• 커스텀 상담원 만들기
• 커스텀 상담원 배치하기