Agentforce 가이드 소개

AI 에이전트에는 효율성을 높이고, 수작업을 줄이고, 더 정교하고 적응력 있는 직장 환경을 조성하여 조직에 혁신을 가져올 수 있는 잠재력이 있습니다. 그렇기 때문에 저희는 AI 에이전트 구축 플랫폼인 Agentforce을 출시했습니다. 하지만 새로운 기술에는 새로운 개념과 새로운 구현 고려 사항이 수반됩니다.

이 가이드는 Agentforce의 핵심 요소를 살펴보며, Agentforce와 함께 발전해 나갈 일련의 가이드 중 첫 번째 가이드입니다. 이 리소스에서는 Agentforce 작동 방식, 그리고 아키텍트 및 모든 기술 실무자가 Agentforce를 통해 구축할 때 알아야 할 핵심 기능 및 트레이드오프에 대해 살펴볼 수 있습니다.

살펴볼 내용:

• 핵심 요점
• Agentforce 기본 사항
• 프롬프트와 에이전트 비교
• Agentforce가 추론하는 방식
• 필터를 사용하는 경우와 명령을 사용하는 경우에 대한 모범 사례
• 주제, 명령 및 작업에 대한 모범 사례
• Agentforce에 Data Cloud가 필요한가요?
• 맺음말
• 리소스

• 에이전트는 인간 개입 여부에 관계없이 계획, 추론하고 도구를 사용할 수 있다는 점에서 챗봇, 코파일럿 및 프롬프트 등 다른 생성형 AI 도구와 구별됩니다.
• 에이전트 구축의 핵심은 프롬프트 엔지니어링입니다. 이는 주제, 작업, 명령을 통해 에이전트의 행동을 안내하고 결과를 제어하는 기본 방식으로서, 효과적인 프롬프트 템플릿 기반 작업을 설계하는 데 필수적입니다.
• 주제, 작업 및 명령은 추론 엔진을 구동하는 프롬프트를 제어하는 방식입니다. 따라서 이들이 Agentforce를 작동하게 하는 핵심 요소입니다.
• Agentforce는 Salesforce Platform의 일부이므로 Agentforce로 구축된 에이전트는 이미 익숙하게 알고 계신 로우 코드 및 프로 코드 도구를 사용할 수 있습니다.
• Data Cloud는 Agentforce에 없어서는 안 될 부분으로, 검색 증강 생성(RAG), 에이전트 분석, 자체 모델 가져오기(BYOM), 디지털 지갑에 대한 인덱싱 및 청킹을 지원합니다.
• 에이전트가 뛰어나지만, 프롬프트 템플릿으로 충분할 때도 있습니다.

간단히 말해, 에이전트는 생성형 AI를 사용하여 다음에 무엇을 할지 그리고 어떻게 할지에 대한 결정을 내리는 소프트웨어의 일종입니다. 에이전트는 질문(흔히 발화라고 함)을 이해하고 자율적으로 추론하여 목표 달성을 위해 어떤 행동을 할지 결정하고, 필요한 데이터를 식별한 다음, 인간 개입 여부에 관계없이 조치를 취할 수 있습니다. 가장 좋은 점은 무엇인가요? 에이전트는 사전 작성된 엄격한 규칙 대신 대규모 언어 모델(LLM)을 사용합니다. 규칙 기반 자동화가 아니라 대규모 언어 모델을 사용함으로써 더 동적인 에이전트가 될 뿐 아니라, 하드코딩된 명령을 따르는 기존 소프트웨어와도 뚜렷한 차이가 있습니다.

AI 에이전트의 핵심 기능

• 에이전트는 동적이며, 다양한 상황, 환경 및 정보에 따라 대응할 수 있습니다.
• 에이전트는 자율적(인간 개입 없이 행동)일 수도 있고, 인간의 상호 작용을 포함하도록(휴먼 인 더 루프, HITL) 안내될 수도 있습니다.
• 에이전트는 계획하고 추론하고 작업할 수 있다는 점에서 다른 생성형 AI 도구와 차별화됩니다.

에이전트는 기존 소프트웨어처럼 하드코딩된 로직을 따르지 않지만 Agentforce 에서는 에이전트가 추론하는 방식에 추가적인 제어 기능을 추가할 수 있는 다양한 구성 요소를 제공합니다. Agentforce를 확장할 수 있는 여러 기능도 있습니다. 이러한 구성 요소에 대해 간단히 살펴보겠습니다.

전략 계획은 AI 에이전트 배포에 있어 매우 중요한 부분입니다. 조직에 전략이 마련되어 있지 않은 경우 Trailhead의 AI 전략 배지 를 통해 준비해 보시길 추천해 드립니다. 이후 내용은 AI 비전 정의, AI 위원회 구성, AI 거버넌스 수립, AI 사용 사례 도출, 로드맵 구축 프로세스에 이미 익숙하다는 전제를 바탕으로 진행됩니다.

에이전트를 구축하려면 시간과 리소스가 필요합니다. 계획을 꼼꼼히 세우면 처음부터 올바르게 시작할 수 있습니다. 에이전트 구축을 시작하기 전에 사용 사례를 정의하고 구축하려는 각 에이전트에 대한 프로세스 맵을 만듭니다. Trailhead의 에이전트 계획 배지 에서는 '에이전트의 업무 개요 ' 유닛의 프로세스 매핑을 다룹니다. 이상적인 사용자 경험과 함께 시스템이 사용자 입력에 대응하는 방식과 잠재적인 오류나 문제를 처리하는 방법을 간략하게 설명합니다.

완성된 다이어그램은 흐름을 이해하는 데 도움이 됩니다. 이는 명령을 생성하고 작업, 변수 및 필터를 어디에서 사용해야 하는지 파악하는 데도 도움이 됩니다. 이러한 에이전트 계획 접근 방식의 이점은 다음과 같습니다.

• 비즈니스 사용자와 소통하며 범위에 대해 합의
• 작업, 명령 및 가드레일 정의
• 명확하고 구체적인 명령 생성
• 테스트 및 평가 중 디버깅
• 엔드투엔드 시나리오 평가
• 규정 준수 및 감사 내역 입증
• 예상되는 에이전트 행동 설명 및 승인

계속하기 전에, 에이전트가 Salesforce Platform에서 사용할 수 있는 유일한 생성형 AI 도구는 아니라는 점을 알아 두어야 합니다. 프롬프트 템플릿은 생성형 AI를 사용하는 애플리케이션을 구축하는 또 하나의 강력한 도구입니다. 프롬프트 빌더에 내장된 프롬프트 템플릿을 사용하면 생성형 AI 모델이 특정 출력을 생성하도록 안내하는 구조화되고 재사용 가능한 일련의 명령을 정의할 수 있습니다. 사전 정의된 필드, 데이터 그래프 및 컨텍스트에 맞는 데이터 검색 증강 생성(RAG)을 통해 Salesforce 데이터를 참조할 수 있습니다. 또한 프롬프트 템플릿은 매우 안전합니다. 모든 프롬프트는 Salesforce의 신뢰 계층을 통해 라우팅되어 권한을 존중하고, 민감한 데이터를 마스킹하고, 유해한 출력을 플래그합니다.

프롬프트 템플릿은 AI와 한 번의 발화와 응답(싱글턴)으로 상호 작용하는 것이며, 메모리나 다단계 추론이 필요하지 않은 일회성 업무에 적합합니다. 예를 들어, 프롬프트 템플릿은 한 문장을 다른 말로 바꾸거나 어떤 사례를 요약해야 할 때 이상적인데 지속적인 컨텍스트가 필요하지 않기 때문입니다. 프롬프트 템플릿으로 솔루션을 설계할 때는 프롬프트 템플릿이 무상태(대화 사이에 메모리를 유지하지 않음)이며, 결정을 내리거나 조치를 취하지 않는다는 점을 기억해야 합니다. 프롬프트 템플릿은 설계 시 제공한 입력 및 로직에 따라 응답을 생성합니다.

프롬프트 템플릿은 임베디드 AI 솔루션에서 자체적으로 사용하거나 에이전트에 프롬프트 템플릿을 에이전트 작업으로 추가할 수도 있습니다. 프롬프트 템플릿을 단독으로 사용하는 것은 다음과 같은 경우에 이상적입니다.

• 비즈니스 컨텍스트가 잘 이해되고 안정적입니다
• 바라던 출력은 예측 가능한 형식을 따르지만, 응답 자체는 결정론적이지 않습니다.
• 다른 경로를 평가하거나 자율적인 작업를 취할 필요가 없습니다
• 진행 중인 컨텍스트 또는 상태는 필요하지 않습니다
• 다단계 추론이 필요하지 않습니다.

프롬프트 템플릿 사용 사례:

• 사례 메모 요약과 같은 구조화된 기록 요약 생성
• 구조화된 회의 메모 생성
• 템플릿에 기초한 이메일 응답 생성
• 차선책 제안
• 사례의 분위기 분석 식별

프롬프트 템플릿은 런타임에 렌더링되는 동적 입력에 따라 데이터를 동적으로 채우고 응답을 생성할 수는 있지만 옵션을 추론하거나 작업를 취할 수는 없습니다.

에이전트는 계속해서 변하는 컨텍스트에 따라 수행할 일, 순서, 그 방법을 자율적으로 결정하는 소프트웨어 시스템입니다. 에이전트는 단일 프롬프트에서 더 나아가, 계획하고, 추론하고, 외부 작업(예: API 호출 또는 데이터베이스 조회)을 호출하고, 결과에 따라 반응할 수 있습니다. 중간 프로세스에서 무엇을 학습하느냐에 따라 다른 경로나 응답을 선택할 수 있습니다. 에이전트는 다음 경우에 가장 효과적입니다.

• 환경이나 컨텍스트는 동적으로 변할 수 있습니다.
• 데이터를 기반으로 여러 가지 의사 결정 또는 분기 가능
• AI는 선택이나 작업를 취할 때 인간 판단을 대체하거나 보조해야 합니다.

AI 에이전트 사용 사례:

• 유입되는 지원 사례 분류 및 라우팅
• 외부 시스템 및 정책 확인을 통한 예약 문제 해결
• 피드백 루프로 다단계 워크플로우 관리
• 고객 응대 웹사이트의 가능한 솔루션과 관련 지식 문서로 고객의 문제에 대한 세부 사항에 따른 사례 응답 이메일의 초안 작성
• 서비스 담당자의 가용성 및 고객 선호도에 따라 약속 예약
• 소프트웨어 업데이트 문제와 같은 이벤트를 감지하고 API 호출을 실행하는 작업을 트리거하여 문제 해결 작업을 선제적으로 생성하거나 원격 해결을 시도합니다.

Agentforce가 어떻게 사용자 요청을 이해하고 취할 조치를 결정하는지 알고 싶으세요? 이 섹션에서는 Agentforce 의사 결정 프로세스의 핵심인 아틀라스 추론 엔진에 대해 자세히 알려드립니다. Salesforce에 레코드가 저장될 때 무슨 일이 일어나는지 이해하려면 실행 순서를 이해하는 것이 아주 중요한 것처럼, 아틀라스 추론 엔진이 백그라운드에서 어떻게 작동하는지 알면 Agentforce의 작동 방식을 이해할 수 있습니다.

아틀라스 추론 엔진은 일련의 프롬프트, 코드, LLM 호출 및 세 가지의 핵심 기초 구성 요소를 사용하여 에이전트가 효과적으로 이해하고 대응하도록 도와줍니다. 세 가지 요소인 주제, 명령 및 작업을, 에이전트를 사용자를 위해 작동하게 제어하는 손잡이라고 생각하세요. 이러한 요소를 조정하는 것은 추론 엔진이 이해하고 판단하고 행동하는 데 사용하는 프롬프트를 엔지니어링하는 일입니다. 맞습니다. Agentforce는 추론 엔진의 프롬프트를 사용하여 주제와 작업을 분류합니다. 즉, 에이전트 빌더에서 에이전트를 구축할 때마다 프롬프트 엔지니어링을 하게 되는 것입니다!

아틀라스 추론 엔진에 대해 더 자세히 살펴보기 전에 Agentforce를 통해 에이전트를 구축할 때마다 정의하는 세 가지의 중요한 메타데이터 요소인 주제, 명령 및 작업에 대해 더 자세히 살펴보겠습니다.

주제는 에이전트 기능의 기초로서, 에이전트가 할 수 있는 일과 처리할 수 있는 고객 요청의 유형을 정의합니다. 특정 전문 지식, 도구(작업) 및 가이드라인(명령)을 갖춘 전문 부서라고 생각할 수 있습니다. 고객이 메시지를 전송하면 에이전트가 요청을 처리해야 할 '부서(주제)'를 먼저 결정한 다음, 해당 부서의 가이드라인에 따라 도구를 사용하여 고객을 돕습니다. 주제에는 특정 주제 영역 내에서 에이전트가 할 수 있는 일과 할 수 없는 일을 정의하는 범위도 있습니다.

명령은 토픽 내에서 대화를 처리하는 방법을 지시하고, 작업 선택을 안내하고, 대화 패턴을 설정하고, 비즈니스 컨텍스트를 제공하는 가이드라인입니다. 명확하고 뚜렷한 토픽을 통해 중복을 방지하고 추론 엔진이 고객 요청을 정확하게 분류할 수 있습니다. 에이전트를 효과적으로 안내하려면 명령이 명확하고 구체적이며 실행 가능한 것이어야 합니다.

작업은 에이전트가 정보를 얻거나 작업을 수행하는 데 사용하는 도구의 역할을 합니다. 작업을 정의할 때는 추론 엔진이 작업을 처리하는 방식을 이해하는 것이 중요합니다. 엔진은 이름, 설명, 입력은 물론 주제 명령 및 대화 컨텍스트에 따라 사용 가능한 작업을 검토합니다. Agentforce에는 다양한 표준 에이전트 작업이 제공되며, 사용자 지정 에이전트 작업을 생성하여 구현 범위를 더욱 확장할 수 있습니다. 하지만 사용자 지정 작업을 생성하기 전에 항상 표준 작업을 사용할 수 있는지 확인해야 합니다. 작업은 여러 주제에서 사용될 수 있으므로 재사용 가능성을 염두에 두고 작업을 설계하세요. 다음은 사용 가능한 사용자 지정 에이전트 작업 목록과 사용해야 하는 시기입니다.

에이전트가 토픽, 명령 및 작업을 사용하여 업무를 완료하는 방법에 대해 정확하게 궁금할 수 있습니다. 다음은 에이전트가 호출될 때마다 Atlas 추론 엔진 내에서 어떤 일이 발생하는지 단계별로 분석한 것입니다.

사용자로부터 메시지나 쿼리가 수신되거나 이벤트, 데이터 변경 또는 API 호출로 인해 에이전트가 호출될 때 프로세스가 시작됩니다.

추론 엔진이 사용자의 메시지를 분석하여 관련성이 가장 높은 주제로 분류합니다. 이 분류 단계에서는 추론 엔진이 주제 이름과 주제 분류 설명만 봅니다. 일치하는 적절한 주제를 발견하지 못하면 기본적으로 '주제 외' 분류로 설정합니다.

선택한 주제와 관련된 범위, 명령 및 작업은 원래 사용자 메시지 및 대화 기록(일반적으로 마지막 6번의 대화)과 함께 프롬프트에 삽입됩니다. 이렇게 생성된 프롬프트는 LLM에 전달되어 에이전트의 다음 동작을 판단하는 데 사용됩니다.

에이전트는 결합된 입력(사용자 메시지, 명령, 잠재적 작업)을 분석하여 다음 단계를 결정합니다.

• 작업 실행: 특정 정보가 필요하거나 업무를 수행해야 하는 경우.
• 사용자에게 응답: 에이전트가 충분한 정보가 있거나 정보를 찾고 있는 경우, 답을 보낼 수 있습니다.

• 에이전트가 선택한 작업을 호출합니다.
• 실행된 작업의 출력 또는 결과가 캡처됩니다.
• 작업 출력 처리: 작업의 출력은 다시 원래 컨텍스트(명령, 작업, 대화 기록)와 결합되어 LLM으로 다시 전송됩니다.

• 에이전트가 새로운 정보(작업 출력)와 진행 중인 대화 컨텍스트에 따라 상황을 재평가합니다.
• 출력은 포커스 주제 범위, 명령, 작업과 함께 전송되며 다른 작업을 실행할지 또는 응답을 공식화할지 결정합니다
• 이 루프는 에이전트가 필요한 모든 정보를 확보하고 사용자에게 직접 응답할 준비가 되었다고 판단할 때까지 계속됩니다.

최종 응답을 전송하기 전에 에이전트는 제안된 응답이 해당 주제에 대해 제공된 명령에 그라운딩되고 이에 부합하는지 마지막으로 한 번 더 확인합니다. 이 단계는 응답이 다음과 같은지 확인하는 것입니다.

• 소스 정보에서 적절하게 그라운딩됨
• 주제의 명령 및 범위를 준수함
• 환각 정보 또는 인증되지 않은 정보는 포함하지 않음
• 잠재적인 프롬프트 주입 위험이 없음

최종적으로 검증된 응답이 사용자에게 전송됩니다. 그라운딩 단계가 실패하면 에이전트가 다시 시도하여 그라운딩 응답을 생성하려고 시도합니다. 그라운딩된 응답을 생성할 수 없는 경우, 사용자에게 요청을 도와줄 수 없음을 알리는 표준 메시지를 보냅니다.

이 워크플로를 이해하면 에이전트의 각 구성 요소(주제, 명령 및 작업)가 이 추론 프로세스와 함께 작동하도록 신중하게 설계되어야 하는 이유를 설명하는 데 도움이 됩니다. 하지만 여기서 끝이 아닙니다.

추가적인 제어 기능을 제공하고 에이전트 워크플로우에 결정론적 로직을 추가하기 위해 Agentforce에서는 조건부 필터링을 사용합니다. 이는 양식 필드에 대해서는 동적 가시성 규칙이 있지만 추론할 때 에이전트에게 적용되는 것과 같습니다.

조건부 필터는 추론 과정에서 특정 토픽 또는 작업을 고려해야 하는지 여부를 결정하는 게이트키퍼 역할을 합니다. LLM의 결정을 안내하는 명령과 달리 필터는 시스템 수준에서 작동하여 특정 조건에 따라 토픽과 작업을 완전히 제거하거나 포함시킵니다.

조건부 필터링은 두 가지 매우 중요한 방식으로 에이전트의 성능을 개선합니다.

1. 주제 분류 정확도 개선

대화 상태에 따라 관련 없는 주제를 고려 대상에서 제거함으로써 주제 분류 프로세스에서 '의미를 왜곡하는 요소'를 줄입니다. 이렇게 하면 LLM이 사용자 쿼리에 맞는 올바른 주제를 더 쉽게 선택할 수 있습니다.

예를 들어, 사용자가 아직 인증하지 않은 경우, 필터를 통해 계정별 작업과 관련된 모든 토픽을 숨길 수 있습니다. 이렇게 하면 에이전트가 일반 쿼리를 민감한 주제로 잘못 분류하여 궁극적으로 인증 오류나 부적절한 응답을 초래하는 것을 방지할 수 있습니다.

2. 컨텍스트에 맞는 작업 선택

토픽을 선택하면 필터를 통해 현재 대화 상태에 따라 해당 토픽 내에서 사용할 수 있는 작업을 더욱 세분화할 수 있습니다.

• 필수 변수(예: 주문 번호)가 채워지지 않은 경우, 이러한 변수에 의존하는 작업을 숨길 수 있습니다.
• 어떤 작업을 사용자 특성이나 자격에 따라 이용할 수 있어야 하는 경우, 필터를 사용하여 이러한 규칙을 적용할 수 있습니다

조건부 필터링 작동 방법

아틀라스 추론 엔진은 컨텍스트 변수와 사용자 지정 변수라는 두 가지 유형의 변수에 따라 필터링을 지원합니다. 다음은 각 유형의 속성에 대한 간략한 개요입니다.

이러한 변수는 메시징 세션에서 파생된 변수로, 다음을 포함할 수 있습니다.

• 메시징 세션 개체의 표준 필드
• 메시징 세션 개체에 추가된 사용자 지정 필드
• 채팅 전 양식 데이터
• 이전 메시징 세션의 정보

컨텍스트 변수는 에이전트가 대화로 물어볼 필요 없이 알려진 고객 정보를 기반으로 상호 작용을 개인화하는 데 특히 유용합니다. 컨텍스트 변수를 사용하여 솔루션을 설계할 때는 세션 시작 시 설정되며 해당 세션 동안에는 변경할 수 없다는 점에 유의해야합니다.

사용자 지정 변수는 작업에서 반환된 정보를 저장합니다. 다음 용도로 사용할 수 있습니다.

• 대화 상태 추적(예: 인증 상태)
• 작업 입력에 지속되어야 하는 작업 출력 저장
• 작업 간에 종속성을 생성하여 특정 조건이 충족되는 경우에만 작업을 이용할 수 있도록 합니다.

필터는 컨텍스트 및 사용자 지정 변수의 값을 기반으로 합니다. 필터는 주제와 작업 수준 모두에 적용할 수 있습니다.

• 주제 수준 필터: 전체 주제를 분류에 사용할 수 있는지 여부 제어
• 작업 수준 필터: 토픽 자체가 선택되어 있더라도 토픽 내에서 특정 작업의 사용 가능성을 제어합니다.

다음은 주제 수준 및 작업 수준 필터가 추론 플로에 적용되는 방법을 보여주는 아틀라스 추론 엔진의 간단한 보기입니다.

필터링의 가장 일반적인 사용 사례는 민감한 작동에 대한 액세스를 제어하는 것입니다.

필터: "인증 필요"

조건: authenticationStatus = "인증됨"

적용 대상: 계정 관리 주제, 결제 처리 주제

이렇게 하면 사용자가 인증하기 전에 계정이나 결제와 관련된 질문을 하더라도 에이전트는 이러한 주제를 호출하는 것을 허용하지 않게 됩니다.

필터를 사용하여 프로세스 단계가 올바른 순서로 실행되도록 도울 수도 있습니다.

필터: "필수 주문 번호"

조건: orderNumber != null

적용 대상: 주문 상태 확인 작업, 주문 수정 작업

이렇게 하면 주문 번호가 수집되어 변수에 저장된 후에만 주문 관련 작업을 사용할 수 있습니다.

필터링과 명령의 차이점을 이해하는 것은 중요합니다.

1. 필터는 결정론적으로 작동: 필터는 변수 매칭을 사용하여 주제와 작업을 포함/제외합니다.
2. LLM에 의한 명령 해석: 명령은 LLM의 이해에 의존하며 결정론적이지 않습니다. 즉, 모델의 이해와 해석에 따라 결과가 달라질 수 있습니다.
3. 필터에 의한 에이전트 결정 제한: 필터는 옵션을 고려할 대상에서 완전히 제거하여 검색 공간을 최소화하므로 정확도가 개선됩니다.

아틀라스 추론 엔진의 또 다른 기능은 인용입니다. 인용을 사용하여 LLM이 응답을 생성하는 데 사용한 소스를 검증할 수 있습니다. 아래 다이어그램은 추론 엔진 플로에서 인용이 어디에 적합한지 보여줍니다.

또한 이 다이어그램에서 추론 엔진의 구성 가능한 아키텍처를 잘 볼 수 있습니다. 에스컬레이션, 출처 표기 및 가드레일은 서비스 템플릿용 Agentforce를 사용하여 에이전트를 구축할 때 추론 엔진에서 사용하는 모듈식 구성 요소입니다. 오늘날 추론 엔진에서 사용하는 모듈식 구성 요소는 템플릿별로 설정됩니다. Salesforce는 향후 고객이 이러한 구성 요소를 마치 레고 블록처럼 에이전트에서 넣었다 빼었다 할 수 있게 만들려고 노력하고 있습니다.

이미 많은 내용을 살펴보았습니다. 이제 한 걸음 물러나 고객이 에이전트에게 질문할 때 토픽, 명령 및 작업이 추론 엔진과 함께 어떻게 작동하는지 전체적인 예를 살펴보겠습니다.

고객 메시지: "어제 빨간 스웨터를 주문했는데 배송 주소를 변경해야 합니다."

• 엔진이 메시지를 모든 주제 이름 및 분류 설명과 비교합니다.
• 분류 설명에 '주문 변경'이 언급되어 있으므로 '주문 변경(Change Order)' 주제를 선택합니다.

• 추론 엔진은 '배송 시간 변경(Change Delivery Time)' 또는 '주소 변경(Change Address)' 주제를 중점 유도 프롬프트에 가져오고 주제의 범위, 명령 및 이용 가능한 작업을 대화 기록 및 사용자 메시지와 함께 포함합니다.
• 이 범위는 에이전트가 주문을 수정할 수 있지만, 주문이 처리된 후에는 주문을 취소할 수 없음을 나타냅니다.
• 이 명령에는 주문 수정 처리에 대한 지침이 포함되어 있습니다.

• 주제 지침과 작업 설명에 따라 엔진은 다음과 같이 필요한 사항을 결정합니다.
  • 먼저 주문 식별('설명으로 주문 찾기' 작업 사용)
  • 그런 다음, 배송 주소 업데이트('주문 배송 업데이트' 작업 사용)

• 엔진이 주문을 찾기 위해 고객에게 이메일을 요청
• 주문의 위치가 확인되면 새 배송 주소를 수집합니다
• 주문 ID와 새로운 주소로 '주문 배송 업데이트' 작업 실행
• 고객과 주소 변경을 확인합니다

이제 추론 엔진의 작동 방식과 토픽, 작업 및 명령이 중요한 이유를 이해했으니 이제 이를 생성하기 위한 몇 가지 모범 사례를 살펴보겠습니다.

토픽은 에이전트 역량의 기초가 됩니다. 에이전트가 수행할 수 있는 작업과 처리할 수 있는 고객 요청의 종류를 정의합니다. 토픽의 세 가지 요소는 토픽 이름, 분류 설명 및 범위입니다.

• 생각해 보세요. "나는 에이전트가 '해야 할 일'을 어떻게 분류할 것인가?"
• 쉽게 인식할 수 있는 이름 사용
• 짧고 설명적인 이름 사용
• 이름은 제공(provide), 변경(change) 또는 취소(cancel)와 같은 동사로 시작
• 다른 주제 이름의 의미가 서로 겹치지 않도록 함
• 새 주제를 생성하기 전에 기존 주제 검토
• 에이전트당 주제를 10~15개로 제한합니다. 주제가 너무 많거나 겹치면 에이전트가 일관적이지 못하거나 부정확해질 가능성이 높아집니다.

• 사용자가 이러한 유형의 도움을 요청할 수 있는 다양한 방법을 포함합니다.
• 고객이 일반적으로 사용하는 특정 키워드 및 문구를 나열합니다.
• 이 주제에서 다루어야 할 모든 범위의 질문 다루기
• 기술 용어가 아닌 자연어로 작성
• 다른 토픽의 설명과 구별되게 작성합니다.

에이전트가 사용자 쿼리에 대해 지속적으로 올바른 토픽을 선택하지 못하는 경우 가장 먼저 토픽 이름과 설명을 조사하고 개선해야 합니다.

• 신입 직원에게 업무를 설명하는 것처럼 작성합니다. "귀하의 업무는... ...할 수 없습니다."
  • 권한과 제한 사항을 모두 명시합니다.
• 경계에 대해 명확하고 모호하지 않은 언어 사용

에이전트가 사용자의 비밀번호 재설정을 도와줄 수 있도록 설계 시, 주제를 구성하는 방법에 대해 살펴보겠습니다. 주제, 명령 및 작업은 다음과 같습니다.

그런 다음 실행 시, 고객이 회사의 웹사이트에서 에이전트와 상호 작용할 때 다음과 같은 일이 일어납니다.

1. 고객이 "내 로그인 세부 정보를 잊어버렸습니다"라고 말합니다.
2. 분류 설명에 '비밀번호 분실, 로그인 문제, 계정 액세스 문제'가 언급되어 있기 때문에 추론 엔진이 이를 비밀번호 재설정 주제와 매칭합니다.
3. 범위가 에이전트에게 비밀번호 재설정을 지원할 수는 있지만, 계정 정보에 액세스하거나 계정을 변경할 수는 없다고 알려줍니다.
4. 에이전트는 명령에 따라 먼저 고객의 신원을 인증한 다음, 비밀번호 재설정 링크를 전송하겠다고 제안합니다.
5. 에이전트는 비밀번호 재설정 이메일 전송 작업을 사용하여 업무를 완료합니다.

명령은 에이전트에게 토픽 내에서 대화를 처리하는 방법을 알려주는 가이드라인입니다. 명령은 에이전트가 취해야 할 작업과 대응 방법에 대한 결정을 내리는 데 도움이 됩니다.

명령은 에이전트의 의사 결정 프로세스에서 몇 가지 매우 중요한 역할을 합니다.

1. 작업 선택 안내: 에이전트가 특정 상황에 사용할 작업을 선택하는 데 도움이 됩니다.
2. 대화 패턴 설정: 에이전트가 고객과 상호 작용하는 방식을 설정합니다.
3. 비즈니스 컨텍스트 제공: 에이전트가 회사의 프로세스와 용어를 이해하는 데 도움이 됩니다.

명확한 명령이 없으면 에이전트가 잘못된 작업을 선택하거나, 사용자 요청을 잘못 이해하거나, 일관성 없는 응답을 제공할 수 있습니다. 하지만 명령은 프롬프트에 병합되어 LLM으로 전송되므로 결정론적이지 않다는 점을 기억하세요. 작업 내에 코딩된 비즈니스 규칙에 대한 필요성을 대체하지는 않습니다.

추론 엔진은 고객 요청을 처리할 때 명령을 사용하여 다음과 같이 처리합니다.

1. 실행할 작업 결정: 명령은 엔진이 특정 상황에 가장 적합한 작업을 결정하는 데 도움이 됩니다.
2. 단계의 순서 결정: 명령을 통해 특정 단계를 다른 단계보다 먼저 실행해야 하는지 여부를 엔진에 안내할 수 있습니다. 결정성을 높이려면 작업 변수와 조건부 필터를 사용할 수 있습니다.
3. 응답 형식 지정: 명령은 고객에게 정보가 표시되는 방식을 결정합니다.
4. 예외 처리: 명령은 표준 프로세스가 적용되지 않을 때 엔진이 수행해야 할 작업을 알려줍니다. (예를 들어, 엣지 케이스가 발생하면 에이전트에게 에스컬레이션을 요청합니다.)

명령이 명확하고 구체적일수록 에이전트가 더 일관성 있게 수행할 수 있습니다.

에이전트를 구축할 때, 기능을 구현하기 위해 언제 명령을 사용하고 언제 작업을 사용해야 하는지 이해하는 것이 매우 중요합니다. 일관되게 적용되어야 하는(예: 복잡한 계산, 민감한 정보 처리, 특정 순서가 필요한 다단계 작동) 매우 중요한 비즈니스 로직에는 작업을 사용합니다. 반대로 대화 플로를 안내하고, 에이전트가 컨텍스트에 따라 적절한 작업을 선택하도록 돕고, 응답 서식 지정과 어조를 정의하고, 정보가 모호할 때 명확화 전략을 수립하기 위해서는 명령을 사용합니다.

• 잘못된 예: "30일이 지난 주문에 대해서는 절대로 환불하지 마시오"(명령으로)
• 더 나은 접근 방식: 날짜 입력을 사용하여 환불 주문 작업 자체에 이 로직을 빌드하고 작업에 대한 검증을 수행합니다.

환불 주문 작업 예:

public with sharing class RefundOrderHandler {

public class RefundResult {

@AuraEnabled public Boolean canReturn;

@AuraEnabled public String message;

}

@AuraEnabled

public static RefundResult processRefund(Id orderId, Date orderDate) {

RefundResult result = new RefundResult();

if (orderDate == null || orderId == null) {

result.canReturn = false;

result.message = '잘못된 입력: 주문 ID와 주문 날짜가 필요합니다.';

return result;

}

Date today = Date.today();

Integer daysSinceOrder = today.daysBetween(orderDate);

if (daysSinceOrder > 30) {

result.canReturn = false;

result.message = '주문을 반품할 수 없습니다. 30일 이상 경과했습니다.';

} else {

result.canReturn = true;

result.message = '주문을 반품할 수 있습니다. 반품 전표를 전송합니다.';

sendReturnEmail(orderId);

}

return result;

}

• 용어 정의: 에이전트가 산업 용어의 의미를 알고 있다고 가정하지 마세요.
  • 예: "프로모션 코드는 결제 시 할인에 사용되며, 등록 코드는 보증을 위해 제품을 등록하는 데 사용됩니다."
• 순서에 대해 구체적 명시: 단계가 특정 순서로 진행되어야 한다면 이를 명확하게 명시하고 하나의 명령 상자에 포함합니다.
  • 예: "먼저 고객 인증 작업을 사용하여 고객의 신원을 인증한 다음, 계정 정보를 제공하시오."
• 일관된 용어 사용: 모든 명령에서 동일한 용어를 사용합니다.
  • 잘못된 예: 한 명령에서는 "고객의 정보 확인"을, 다른 명령에서는 "고객의 세부 정보 검증"
  • 좋은 예: "고객"을 일관되게 사용하고 정확한 이름으로 작업 참조
• 절대적인 표현조심: "항상", "절대" 같은 단어는 문자 그대로 받아들여집니다.
  • 절대값은 에이전트의 상호 작용 방식에 상당한 영향을 미칠 수 있습니다. 명령에 어떻게 사용되는지 의도적으로 고려해야 합니다.
• 작업을 상황에 할당: 어떤 작업을 어떤 상황에 사용할지 명확하게 지정합니다.
  • 예: "고객이 패키지 위치 또는 배송 날짜에 대해 문의할 때 주문 추적 작업을 사용합니다."
• 결정 기준 제공: 에이전트는 유사한 옵션 중에서 선택하도록 도와줍니다.
  • 예: "고객이 이메일에 액세스할 수 있는 경우, 이메일 비밀번호 재설정 작업을 사용하세요. 사용자가 이메일에 액세스할 수 없는 경우, 보안 질문 인증 작업을 사용하세요."

작업은 에이전트가 정보를 얻거나 작업을 수행하는 데 사용하는 도구입니다.

에이전트가 고객 요청을 처리하면 추론 엔진은 다음을 수행합니다.

1. 고객의 메시지와 선택한 주제를 분석합니다.
2. 해당 토픽에서 사용 가능한 작업을 검토합니다.
3. 다음을 기반으로 어떤 작업을 사용할지 결정합니다.
   - 작업 이름, 작업 설명 및 작업 입력
   - 작업을 참조하는 주제 지침
   - 대화의 컨텍스트
4. 적절한 입력을 통해 선택한 작업 실행
5. 작업의 출력을 사용하여 응답을 공식화하거나 다음 단계 결정

이 프로세스가 효과적으로 작동하려면 추론 엔진이 작업을 언제, 어떻게 사용하는지 이해하는 데 도움이 되는 명확하고 설명적인 작업 이름과 명령이 필요합니다. 지연 시간을 최소화하고 성능을 개선하려면 한 주제에 15개가 넘는 작업을 배정하지 말고, 작업은 여러 주제에서 재사용될 수 있다는 점을 기억하시기 바랍니다!

에이전트의 각 작업에는 구성해야 하는 세 가지 중요한 부분, 즉 작업 이름, 작업 명령 및 작업 입력 명령이 있습니다.

• 고객이 작업을 설명하는 방식과 일치하는 평이한 언어를 사용합니다.
• 작업 API 이름은 추론 엔진으로 전송되므로 API 이름이 명확하고 기능성을 설명하는지 확인합니다.

작업 지침에 대한 모범 사례:

• 작업의 기능을 정확히 설명하는 1~3개의 문장을 작성합니다
• 이 작업을 사용해야 하는 시기(고객 요청 유형)를 지정합니다
• 작업을 성공적으로 실행하는 데 필요한 정보 나열
• 작업이 처리하는 모든 특수 조건 또는 예외적인 사례 언급
• 이 작업을 트리거할 수 있는 고객 문구 예를 포함합니다.

작업 입력 명령을 위한 핵심 팁

• 입력 내용과 목적을 명확하게 설명합니다
• 예상 형식(길이, 문자, 구조) 지정
• 검증 기준 또는 서식 설정 요구 사항을 포함합니다

고객으로부터 자주 듣는 질문입니다. 짧은 답변은 "예"입니다. Data Cloud 아키텍처는 에이전트 애널리틱스 및 디지털 지갑과 같은 Agentforce의 특정 기능에 활용되므로 Data Cloud는 Agentforce의 필수적인 부분입니다. 또한 Data Cloud 인프라는 비정형 데이터에 대한 인덱싱 및 검색뿐만 아니라 피드백 로깅 및 감사 내역도 지원합니다. Data Cloud는 Agentforce에도 추가적인 확장성을 제공할 수 있습니다. 고객은 Agentforce에 구축된 에이전트를 통해 Salesforce 외부 플랫폼에 구축된 데이터와 모델을 사용할 수 있는 BYOL(Bring Your Own Lake) 및 BYO-LLM(Bring Your Own Large Language Model)과 같은 기능을 활성화할 수도 있습니다.

데이터 페더레이션을 통한 다른 데이터 레이크의 데이터 액세스부터 페타바이트급 데이터를 위한 하이퍼스케일 인프라 활용까지, Data Cloud의 아키텍처와 Agentforce를 활용하면 고객은 지금 바로 더 나은 AI 결과를 경험하며, 에이전트를 구동하는 기본 데이터 세트가 아무리 크거나 복잡하더라도 성공적인 에이전트 도입을 위한 장기적인 실행 가능성을 보장할 수 있습니다.

Data Cloud으로 구동되는 특정 Agentforce 기능이 무엇인지 궁금하신가요? 아래에는 디폴트로 Data Cloud에서 지원되는 Agentforce 기능과 구현을 확장하려는 고객이 설정할 수 있는 옵션 Data Cloud 기능에 대한 요약을 살펴볼 수 있습니다.

Atlas 추론 엔진, 그리고 토픽, 명령 및 작업 사용 방법 등 Agentforce를 작동하게 하는 핵심 요소에 대해 살펴보았습니다. 이러한 구성 요소를 이해해야 Agentforce를 효과적으로 사용할 수 있습니다. Agentforce 결과를 개선하기 위해 Agentforce 구현 시작 시, 이 가이드를 활용하시기 바랍니다. 자세한 내용은 제공된 리소스를 확인하시기 바랍니다.

에이전트 계획: 에이전트의 업무 개요
https://trailhead.salesforce.com/content/learn/modules/agentforce-agent-planning/outline-the-agents-work

작업 지침:
https://help.salesforce.com/s/articleView?id=ai.copilot_actions_instructions.htm&type=5

주제 명령:
https://help.salesforce.com/s/articleView?id=ai.copilot_topics_instructions.htm&type=5

에이전트 문제 해결:
https://help.salesforce.com/s/articleView?id=ai.copilot_troubleshoot.htm&type=5

Agentforce 변수:
https://developer.salesforce.com/blogs/2025/04/agentforce-variables-a-new-way-to-structure-agent-memory

https://developer.salesforce.com/blogs/2025/04/control-agent-access-and-decision-making-with-variables-and-filters