Agentforce 컨텍스트 엔지니어링 가이드

_{이 가이드는 최신 Agentforce 빌더(앱 시작 관리자 를 통해 제공)를 지원합니다. 설정을 통해 에이전트를 유지 관리하는 경우 레거시 가이드 를 참조하세요.}

AI 에이전트는 효율성을 높이고, 수작업을 줄이며, 더 정교하고 적응력 있는 작업 환경을 조성함으로써 조직에 혁신을 일으키고 있습니다.

이 가이드는 AI 에이전트 구축을 위한 Salesforce Platform인 Agentforce의 핵심 요소를 살펴봅니다. 실무자는 컨텍스트 엔지니어링을 사용하여 Agentforce 에이전트에게 목표 달성에 필요한 구체적인 정보, 작업 및 명령을 제공합니다. Agentforce Script가 하이브리드 추론을 사용하여 생성형 AI와 결정론적 제어를 어떻게 결합하는지 살펴보겠습니다.

Salesforce는 개발자가 여러 상이한 환경에서 에이전트를 구축한다는 점을 잘 알고 있습니다. 이에 Salesforce는 작업에 적합한 선호 모델과 환경을 선택할 수 있는 유연성을 지원합니다.

Claude Code, Labs, Agentforce Studio 등 어떤 환경에서 개발하든, Agentforce가 백그라운드에서 로직과 연결을 어떻게 관리하는지를 파악하고 있으면 많은 도움이 됩니다.

살펴볼 내용:

• II. 핵심 요점
• III. Agentforce 기본 사항
• IV. Agentforce Script
• V. 프롬프트와 에이전트 비교
• VI. 컨텍스트 엔지니어링
• VII. Agentforce가 추론하는 방식
• VIII. 신뢰할 수 있는 컨텍스트
• IX. 모범 사례
• X. Agentforce에 Data 360가 필요한가?
• XI. 결론
• XII. 자세히 알아보기

• 하이브리드 추론은 Agentforce의 추론 엔진을 구동합니다. 이 접근 방식은 LLM의 유연성과 Agentforce Script의 결정론적 안정성을 결합합니다.
• Agentforce Script는 과부하된 시스템 프롬프트를 구조화된 비즈니스 로직으로 대체하여 에이전트 행동을 완전히 결정론적으로 제어할 수 있게 해줍니다.
• Data 360은 Agentforce의 필수적인 부분입니다. 검색 증강 생성(RAG), 에이전트 분석, Digital Wallet을 위한 인덱싱 및 청킹을 지원합니다.

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.

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 대규모 언어 모델(LLM)을 사용하여 자연어와 의도를 처리하는 반면, Agentforce는 또한 특정 비즈니스 로직을 따르는 데도 Agentforce Script를 사용합니다. 이 하이브리드 추론 모델은 에이전트가 하드코딩 소프트웨어 수준의 신뢰성을 유지하면서도, 기존 자동화보다 훨씬 동적으로 작동할 수 있게 합니다.

Agentforce Studio

Agentforce Studio는 에이전트의 수명 주기 전체를 아우르는 통합 워크스페이스입니다.

Agentforce Studio는 에이전트 행동을 구축, 테스트 및 관리하는 데 필요한 모든 작업을 통합합니다. Agentforce Studio의 세 가지 핵심 구성 요소는 에이전트 개발 수명 주기를 관리하는 데 도움을 줍니다.

• Agentforce 빌더: AI 네이티브 빌더를 사용하여 평이한 언어로 규칙 초안을 작성할 수 있습니다. 구성, 비즈니스 로직 및 명령을 통합하여 신뢰할 수 있는 에이전트 행동을 표현하는 언어인 Agentforce Script를 사용하세요.
• 테스트 센터: 배포하기 전에 에이전트 행동을 검증하세요.
• Agentforce 가시성: 에이전트 성능을 모니터링하고 분석하여 로직을 개선할 부분을 파악하세요.

Agentforce Studio는 기술 사용자와 비기술 사용자 간의 격차를 해소합니다. Conagra Brands 의 Katherine Mains는 이를 "디자인의 골디락스 존(Goldilocks Zone), 즉 아키텍트에게는 충분히 고급스럽지만, 관리자들도 바로 사용할 수 있을 만큼 직관적"이라고 설명합니다.

Agentforce는 단순한 FAQ를 넘어 고가치 업무로 나아가는 데 필요한 예측 가능성을 비즈니스에 제공하는 프레임워크입니다. 하이브리드 추론과 Agentforce Script는 제어력과 창의성을 결합합니다. 인텔리전트 컨텍스트는 적시에 적절한 데이터를 에이전트에게 제공합니다. Agentforce 스튜디오는 전체 시스템을 관리할 수 있는 통합 워크스페이스를 제공합니다.

Data 360은 Agentforce가 확장성을 갖출 수 있도록 다양한 기능을 제공합니다. 이러한 구성 요소에 대해 간단히 살펴보겠습니다.

에이전트의 추론 프로세스에 대한 청사진인 Agentforce Script에 대해 자세히 살펴보겠습니다.

Agentforce Script는 에이전트 구축 및 관리를 위한 텍스트 기반 역할을 하는 당사의 Agentforce 전용 스크립팅 언어입니다. 이것은 에이전트의 모든 행동을 표현하는 통합 언어로 기능합니다. 이 단일 파일은 구성, 비즈니스 로직, 작업, 추론 지침을 모두 통합합니다. 실무자는 자연어와 코드를 별개의 요소로 다루는 대신, 이 청사진을 사용하여 전체 에이전트 아키텍처를 한곳에서 관리합니다.

생성형 AI 만 사용하는 에이전트 작업에서 사용자는 긴 자연어 프롬프트에 의존하며, 이는 일관되지 않고 예측 불가능한 작업 결과로 이어질 수 있습니다. Agentforce Script가 이 문제를 해결합니다. 스크립트를 사용한 하이브리드 추론은 자연어와 결정론적 규칙 기반 명령이 혼합되어 있습니다.

리더들은 이러한 수준의 통제력을 통해 즉각적인 결과를 확인합니다. Equitable Trust의 파트너 겸 COO인 Scott Van Dusen은 Agentforce Script가 놀랍도록 강력하다고 말합니다. 그는 플로와 작업을 제어하는 능력이 LLM을 단독으로 사용하는 것보다 훨씬 뛰어나다고 평가합니다. "에이전트를 훨씬 더 효과적으로 제어할 수 있게 되었습니다."라고 Van Dusen은 밝힙니다.

Datasite의 Agentforce 관리자인 Grant Roberson 은 스크립트가 프롬프트 엔지니어링된 에이전트보다 "비교할 수 없을 정도로 우수하다"고 말했습니다.

"예전에는 에이전트의 행동을 강제로 유도하기 위해 곳곳에 명령어 문단을 다수 작성하곤 했습니다."라고 Roberson은 전했습니다. "Script를 사용한 덕분에 그런 불필요한 부분을 없애고, 에이전트가 원하는 대로 정확히 행동하도록 신뢰할 수 있는 조건부 로직으로 손쉽게 대체할 수 있습니다."

Script는 프롬프트 작성 방식에서 벗어나 확장성 있는 오케스트레이션으로 전환할 수 있도록 해줍니다. 구조화된 텍스트 기반 형식을 사용하기 때문에, 팀은 기존 코드와 마찬가지로 에이전트 행동에 대해 버전 관리, 검토, 거버넌스를 수행할 수 있습니다.

Agentforce Script는 선언적 구문을 통해 에이전트 기능을 구성합니다. 명령, 작업 및 하위 에이전트를 모듈식 구성 요소로 취급합니다. 이 구조는 추론 엔진에 명확한 리소스 맵을 제공하는 동시에, 에이전트가 의도된 범위 내에 머물도록 경계를 설정합니다. 이러한 스크립트는 LLM 호출을 줄이고 로직 오류를 방지함으로써 워크플로를 확률적 추론에서 보장된 결과로 전환합니다.

아키텍처 및 모듈성

다음은 유지 관리가 가능하고 예측 가능한 에이전트를 구축하는 데 도움이 되도록 모듈식 설계 원칙에 따라 구성된 구조적 모범 사례 목록입니다.

• 신원 확인과 같은 특정 작업을 위해 소규모의 분리된 스크립트를 생성하세요. 이렇게 하면 비즈니스 정책이 변경될 때 에이전트의 다른 부분에 영향을 주지 않고 단일 스크립트를 업데이트할 수 있으므로 시스템 유지 관리가 더 쉬워집니다. 또한 이러한 공통 스크립트를 여러 하위 에이전트에 적용하여 일관된 경험을 보장할 수 있습니다.
• 스크립트 안에서 각 작업이 수행하는 구체적인 의도에 따라 작업을 체계화합니다. 추론 엔진이 최적의 경로를 선택하기 위해 이러한 이름을 사용하므로, 하위 에이전트와 액션에 기능을 명확히 설명하는 이름을 지정하세요.
• 모든 상호 작용의 시작과 끝을 코드가 처리하는 결정론적 샌드위치 접근 방식을 채택하세요. 중간 부분에는 AI의 자연스러운 음성을 사용하여 대화 진입과 해결에 대한 완전한 통제권을 확보하세요.

데이터 및 컨텍스트 관리

다음은 지연 시간을 줄이고 개인화를 개선하는 데 도움이 되도록 세션 처리 방식으로 구성된 데이터 관리 기법 목록입니다.

• 스크립트 블록 시작 부분에 필요한 데이터 입력값을 정의하여 에이전트가 작업을 실행하기 전에 컨텍스트를 수집하도록 하세요. 속도 향상을 위해 에이전트가 본격적인 작업에 들어가기 전에 필요한 모든 데이터를 사전에 가져와야 합니다. LLM 호출을 할 때마다 상호작용 시간이 늘어나기 때문에, 초반에 구체적인 규칙으로 정보를 모아두면 불필요한 호출을 방지할 수 있습니다.
• 채팅 중 데이터를 관리하려면 사용자 이름이나 상태와 같은 사실을 세션 변수에 저장하세요. 이러한 변수를 사용하면 하위 에이전트 간에 정보를 전달할 수 있으므로, 에이전트가 질문을 반복하는 것을 방지할 수 있습니다. 동시에 에이전트가 추가적인 사용자 입력 없이 작업을 수행하는 데 필요한 데이터를 갖추도록 해줍니다.
• 변수를 병합 필드 형태로 명령 안에 직접 삽입하세요. 이를 통해 에이전트는 맞춤형 응답을 제공하고, 사용자 데이터에 따라 특정 논리를 준수할 수 있습니다.

로직 및 규정 준수 표준

다음은 엄격한 규정 준수와 안정성을 유지하는 데 도움이 되도록 실행 로직별로 정리한 구성 표준 목록입니다.

• 스크립트가 실제 비즈니스 로직을 처리하는 동안 명령을 사용하여 대화 스타일을 조정하세요. 이렇게 역할을 분리하면 LLM은 언어를 담당하고, 스크립트는 데이터 검증이나 필수 순서를 관리하게 됩니다. 이러한 결정론적 접근 방식은 자연어 프롬프트에서 흔히 발생하는 추측성 작업을 없애 줍니다.
• 조건문(if-then) 로직을 적용하여 에이전트가 특정 경로를 따라가도록 안내하세요. 예를 들어, 에이전트가 할인을 제공하기 전에 고객의 로열티 상태를 확인하도록 프로그래밍할 수 있습니다.
• 명시적 종료 기준을 설정하여 하위 에이전트가 대화를 주 에이전트에게 다시 전달하거나 세션을 종료해야 하는 시점을 정확하게 정의하세요. 명확한 경계는 에이전트가 최적의 효율성을 발휘하도록 합니다.

전략적 구현

다음은 사용 사례에 적합한 자동화 경로를 선택하는 데 도움이 되도록 도구 선택을 기준으로 정리한 구현 가이드라인 목록입니다.

• 에이전트가 단순한 선형 챗봇 처럼 작동하도록 설계하는 것은 피하세요. 프로세스가 정적이고 절대 변경되지 않는 경우, AI 에이전트 대신 플로 빌더 의 표준 플로를 사용하세요. Agentforce Script는 지저분하거나 예측하기 어려운 인간의 입력을 처리하는 용도로 남겨두세요.
• AgentExchange 에서 사전 구축된 에이전트 솔루션과 재사용 가능한 스크립트를 찾아 개발 시간을 단축하세요. 이 마켓플레이스에는 즉시 사용 가능한 AI 작업과 타사 통합이 포함되어 있어, 일반적인 비즈니스 작업을 빠르게 자동화하는 데 도움을 줍니다. 이 전자책에서 AgentExchange Advantage에 대해 자세히 알아보세요.

계속하기 전에, 에이전트가 Agentforce 360 Platform에서 사용할 수 있는 유일한 생성형 AI 도구는 아니라는 점을 알아 두어야 합니다. 프롬프트 템플릿은 생성형 AI를 사용하는 애플리케이션을 구축하는 또 하나의 강력한 도구입니다. Prompt Builder에 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 에이전트 작업을 통해 프롬프트 템플릿 을 에이전트에 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 실행 시에 렌더링되는 동적 입력에 따라 데이터를 동적으로 채우고 응답을 생성할 수 있지만, 옵션을 통해 추론하거나 조치를 취할 수는 없다는 것을 기억해 주세요.

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.

추론 엔진이 백그라운드에서 어떻게 작동하는지 이해하는 것은 에이전트를 성공적으로 구현하는 데 있어 필수적입니다. AI 에이전트 초창기에 실무자들은 프롬프트 엔지니어링, 즉 LLM의 동작을 "유도하는" 기술을 주로 논의했습니다. 현재는 컨텍스트 엔지니어링 단계로 발전했습니다.

컨텍스트 엔지니어링 은 단순히 좋은 프롬프트를 작성하는 것을 훨씬 넘는 훨씬 더 포괄적인 방식입니다. Agentforce 하이브리드 추론을 사용하면 자율적 LLM 추론과 결정론적 제어를 위한 규칙 기반 로직의 균형을 맞추는 시스템을 설계할 수 있습니다.

컨텍스트 엔지니어링은 프롬프트 엔지니어링 의 후속 기술입니다. 이는 LLM으로부터 정확한 응답을 끌어내기 위해 완벽한 단어를 만드는 대신, 에이전트가 성공하는 데 필요한 정확한 정보와 경계를 제공하기 위해 하위 에이전트, 명령, 규칙, 작업으로 구성된 시스템을 설계하는 것을 말합니다.

컨텍스트 엔지니어링의 세 가지 수단

실무자는 Agentforce Script를 단일 언어 및 파일로 하위 에이전트, 명령, 작업, 규칙을 표현하는 통합 언어로 사용합니다.

1. 하위 에이전트. 이것은 특화된 에이전트와 그 전문성을 정의합니다.
2. 명령. 이는 대화 흐름, 어조, 의도에 대한 지침을 제공합니다.
3. 작업 및 규칙. 작업을 실행하고 필수 비즈니스 로직을 적용합니다.

Agentforce를 통해 에이전트를 구축할 때마다 정의하는 세 가지 중요한 메타데이터인 하위 에이전트, 명령, 작업에 대해 더 자세히 살펴보겠습니다.

하위 에이전트는 에이전트 기능의 기반으로, 에이전트가 수행할 수 있는 작업과 처리할 수 있는 고객 요청 유형을 정의합니다. 특정 전문성, 작업을 유도하는 작업, 명령을 갖춘 전문 부서라고 생각할 수 있습니다. 고객이 메시지를 보내면, 에이전트는 먼저 어떤 "부서"(하위 에이전트)가 요청을 처리해야 하는지 결정한 후, 해당 하위 에이전트의 맞춤 가이드라인과 도구를 사용하여 고객을 지원합니다.

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

에이전트는 정보를 얻거나 작업을 수행하기 위해 작업을 사용합니다. 작업을 정의할 때는 추론 엔진이 작업을 처리하는 방식을 이해하는 것이 매우 중요합니다. 엔진은 사용 가능한 작업을 이름, 설명, 입력값과 하위 에이전트 명령 및 대화 컨텍스트에 기반하여 검토합니다. Agentforce에는 여러 표준 에이전트 작업이 포함되어 있으며, 구현을 더욱 확장하기 위해 사용자 지정 에이전트 작업을 생성할 수 있습니다. 하지만 사용자 지정 작업을 생성하기 전에 항상 표준 작업을 사용할 수 있는지 확인해야 합니다. 여러 하위 에이전트에서 사용할 수 있으므로 재사용성을 염두에 두고 작업을 설계하세요. 다음은 사용 가능한 사용자 지정 에이전트 작업 목록과 사용해야 하는 시기입니다.

추론 엔진은 하위 에이전트, 명령, 작업, 규칙을 활용하여 작업을 수행합니다. Agentforce Script가 에이전트의 완전한 정의 역할을 하므로, 확률적 라우팅의 블랙박스를 제거합니다. 간단히 말해, 추론 엔진은 다음을 수행합니다.

• 하위 에이전트 분류: 엔진은 고객 메시지를 이름과 설명에 기반하여 가장 적합한 하위 에이전트에 매칭합니다.
• 스크립트 로직 실행: 엔진은 Script가 지시하는 스크립트된 명령과 규칙을 실행합니다. 이는 시스템이 비결정론적 명령을 평가하기 전에 발생합니다.
• 작업 적용: 작업에 외부 데이터 또는 업데이트가 필요한 경우, 엔진은 필요한 작업을 실행하고 결과를 수집합니다.
• 그라운딩 확인: 최종 응답을 보내기 전에, 엔진은 답변이 작업이나 명령의 정확한 정보에 기반하고 Script 및 명령에 제공된 가이드라인을 따르는지 확인합니다.

다음은 에이전트가 호출될 때마다 추론 엔진 내에서 무슨 일이 일어나는지 단계별로 분석한 내용입니다.

더 자세히 알아보려면 신뢰할 수 있는 에이전트 행동 달성을 위한 Agentforce 가이드: 5가지 수준의 결정론을 위한 프레임워크를 확인하세요.

정확한 에이전트를 구축하려면 실무자는 필터링과 명령의 차이점을 반드시 이해해야 합니다. 필터 는 LLM이 대화의 각 전환에서 볼 수 있는 내용과 수행할 수 있는 작업을 제어하며, 여러 수준에서 작동합니다. 필터는 하위 에이전트, 작업, 검색기에 적용할 수 있어, 실무자는 어떤 하위 에이전트를 사용할 수 있는지, 해당 하위 에이전트가 무엇을 할 수 있는지, 그리고 각 단계에서 모델이 어떤 콘텐츠를 검색하는지를 세밀하게 제어할 수 있습니다.

은행의 한 가상 어시스턴트를 예로 들어 보겠습니다. 고객이 모기지에 대해 묻는 경우, 주택 담보 대출로 범위가 지정된 하위 에이전트가 작동합니다. 해당 필터는 LLM이 신용카드 데이터나 투자 기록이 아닌 모기지 문서만 볼 수 있도록 보장합니다. 그러나 동일한 대화 내에서 고객의 현재 금리를 가져오는 작업은 해당 고객 계정으로 제한된 자체적으로 더 엄격한 필터를 사용합니다. 고객은 정확한 답변을 받게 되며, 관련 없는 데이터는 전혀 개입되지 않습니다.

필터는 정적(설치 시 사전 구성) 또는 동적(런타임에 대화 컨텍스트 또는 프롬프트 입력에서 전달)으로 설정할 수 있습니다. 향상된 검색기 사전 필터를 사용하면, 실무자는 이제 검색기당 최대 10개의 동적 필터를 적용하고, AND/OR 논리로 결합하며, 패턴 매칭을 위해 LIKE 연산자를 사용할 수 있습니다. 이는 검색 노이즈를 줄이고 컨텍스트 창이 가장 관련성 높은 콘텐츠에 집중되도록 합니다. 예를 들어, 소프트웨어 개발 워크플로에서 실무자는 작업별 컨텍스트 필터를 적용하여 에이전트가 사용자 프롬프트를 해석할 때 유연성을 가지되, 코드베이스의 현재 상태에 대해서는 엄격하게 유지하도록 할 수 있습니다.

Agentforce Script는 에이전트가 따라야 할 특정 시퀀스와 규칙을 인코딩하여 최고 수준의 결정론적 제어를 제공합니다. 이 접근 방식은 명령이 너무 길어지거나 혼란스러워져 LLM이 정확히 따르지 못하게 되는 프롬프트 둠 루프를 방지합니다.

필터와 Agentforce Script가 시스템 수준의 제어를 제공하지만, 실무자는 정확성을 검증할 방법도 함께 제공해야 합니다. 인용은 에이전트가 사용한 내부 컨텍스트를 제시된 답변에 연결하여 사용자가 모든 응답에 대해 명확하게 감사 내역을 추적할 수 있도록 합니다.

추론 엔진은 유연성과 제어력을 결합하여 요청을 해결하기 위해 이 네 가지 구성 요소를 조율합니다. "어제 빨간 스웨터를 주문했는데 배송 주소를 변경해야 합니다."라고 말하는 고객을 예로 들어보겠습니다.

1. 하위 에이전트 분류. 엔진이 고객 메시지를 분석하고 하위 에이전트 분류를 수행합니다. 이름과 설명이 작업과 일치하므로 요청을 "주문 변경" 하위 에이전트에 매칭합니다.
2. 컨텍스트 어셈블리. 엔진이 컨텍스트 어셈블리를 수행하여 에이전트 메모리를 구축합니다. 하위 에이전트 명령, 스크립트 및 사용 가능한 작업을 수집합니다.
3. Agentforce Script 실행. 엔진이 결정론적 비즈니스 로직을 수행하기 위해 Agentforce Script를 실행합니다. 스크립트가 빨간색 스웨터의 주문 상태를 확인합니다. 주문이 아직 출고 전이라면, 스크립트는 에이전트가 변경을 진행하도록 허용합니다.
4. 명령 기반 추론. 명령이 대화를 통해 에이전트를 안내합니다. 명령이 어조를 정의하고 에이전트가 고객에게 새 배송 주소를 묻도록 안내합니다.
5. 작업 적용. 에이전트가 "주문 배송 업데이트" 작업을 선택하고 실행합니다. 주문 ID와 새 주소를 시스템에 전달하여 업데이트를 완료합니다.
6. 그라운딩 응답. 에이전트가 고객에게 최종 확인을 전달합니다. 그라운딩 확인을 수행하고 정보의 출처를 검증하기 위한 인용을 포함합니다.

성공적인 컨텍스트 엔지니어링을 위해서는 하위 에이전트, 명령, 스크립트, 작업을 원활하게 통합해야 합니다. 이 네 가지 요소는 함께 작동하여 에이전트를 최적의 관련성과 정확성의 경계 내에 유지합니다. 하위 에이전트가 특화된 전문성을 정의합니다. 명령이 대화 가이드라인과 어조를 제공합니다. Agentforce Script는 비즈니스 규칙을 적용하기 위한 결정론적 제어 계층을 추가합니다. 작업을 통해 에이전트는 작업을 실행하고 실시간 데이터에 액세스할 수 있습니다. 이러한 결합 전략은 에이전트가 유용하면서도 매우 신뢰할 수 있는 상태를 유지하도록 보장합니다.

컨텍스트 엔지니어링을 성공적으로 수행하려면 로직을 어디에 배치해야 할지를 알고 있어야 합니다.

• 작업과 Agentforce Script를 사용하여 제어하세요. 중요한 비즈니스 규칙과 다단계 워크플로를 Agentforce Script 또는 작업으로 이동하세요. 여기에는 복잡한 계산과 필수 시퀀스 지정이 포함됩니다.
• 동작을 위한 명령을 사용하세요. 명령을 사용하여 대화 플로를 안내하고 응답 어조를 정의합니다.

효과적인 명령 작성에 대한 모범 사례

• 용어를 정의하세요. 에이전트가 산업 용어의 의미를 알고 있다고 가정하지 마세요. 예를 들어, 할인을 위한 "프로모션 코드"와 보증을 위한 "등록 코드"의 차이점을 정의합니다.
• 시퀀스에 대해 구체적으로 설명하세요. 단계가 특정 순서로 수행되어야 하는 경우, 하나의 명령 블록에 명확하게 명시합니다.
• 일관된 용어를 사용하세요. 작업을 정확한 이름으로 지칭하고 모든 명령에서 동일한 용어를 사용합니다.
• 절대적 표현은 의도적으로 사용하세요. "항상", "절대"와 같은 단어는 에이전트가 상호작용하는 방식에 큰 영향을 미칩니다.
• 결정 기준을 제공하세요. 에이전트가 유사한 옵션 중에서 선택할 수 있도록 지원합니다. 예를 들어, 사용자가 이메일에 액세스할 수 있는 경우 이메일 재설정 작업을 사용하고, 그렇지 않은 경우 보안 질문 작업을 사용하도록 에이전트에게 명령합니다.

고객으로부터 자주 듣는 질문입니다. Data 360은 Agentforce의 없어서는 안 될 부분입니다. 그 이유는 Data 360 아키텍처가 Agentforce 내의 에이전트 분석 및 Digital Wallet와 같은 특정 기능에 사용되기 때문입니다. 또한 Data 360 인프라는 비정형 데이터에 대한 인덱싱 및 검색뿐만 아니라 피드백 기록 및 감사 내역도 지원합니다. Data 360은 추가적인 확장성을 제공할 수도 있습니다. Agentforce 고객은 또한 Bring Your Own Lake(BYOL) 및 Bring Your Own Large Language Model(BYO-LLM)과 같은 기능을 활성화하여 Salesforce 외부 플랫폼에서 구축된 데이터와 모델을 Agentforce에 구축된 에이전트와 함께 사용할 수 있습니다.

데이터 페더레이션을 통해 다른 데이터 레이크에서 데이터에 액세스하는 것부터, 페타바이트 규모 데이터를 위한 하이퍼스케일 인프라 사용에 이르기까지, Data 360의 아키텍처를 Agentforce와 함께 활용하면 고객이 오늘날 더 나은 AI 성과를 경험할 수 있습니다. 이 강력한 아키텍처는 또한 해당 에이전트를 지원하는 기반 데이터 세트가 아무리 크고 복잡하더라도 성공적인 에이전트 도입을 위한 장기적 생존 가능성을 보장합니다.

어떤 특정 Agentforce 기능이 Data 360에 의해 구동되는지 궁금하신가요? 다음 표는 Data 360에서 기본으로 제공하는 Agentforce 기능과, 고객이 구현을 확장하기 위해 활성화할 수 있는 선택적 기능을 자세히 설명합니다.

지금까지 추론 엔진, 그리고 Script, 하위 에이전트 명령 및 작업 사용 방법 등 Agentforce를 작동하게 하는 핵심 요소에 대해 살펴보았습니다. 이러한 구성 요소를 이해해야 Agentforce를 효과적으로 사용할 수 있습니다. Agentforce를 구현할 때 이 가이드를 활용하여 더 나은 결과물을 만들어 보세요. 자세한 내용은 제공된 리소스를 확인하세요.

Agentblazer.com 및 Agentforce.com에서 블로그, 가이드, 데모 동영상 등 다양한 리소스를 찾아보세요.

• 심층 가이드:
  • 신뢰할 수 있는 에이전트 행동 구현을 위한 Agentforce 가이드: 6가지 수준의 결정론을 위한 프레임워크
  • 에이전트 기반 엔터프라이즈 운영 가이드
  • Agentforce 및 RAG: 더 나은 에이전트를 위한 모범 사례
  • 컨텍스트 엔지니어링을 위한 Agentforce 가이드
    
    
• CIO 대상:
  • 신뢰할 수 있는 AI 에이전트를 위한 실용 가이드
  • 보이지 않는 이점 - 실명의 CIO들이 테스트하고 검증한 8가지 핵심 에이전트 기반 엔터프라이즈 설계 원칙

• 블로그: 예측 가능한 AI 에이전트 구축: 둠 프롬프팅으로는 할 수 없지만 새로운 스크립팅 언어로는 가능
• 개발자 블로그: 변수 및 필터로 에이전트 액세스 및 의사 결정 제어하기
  
  
• Trailhead: 에이전트 계획: 에이전트의 작업 개요 작성하기
  
  
• 도움말 자료:
  • 작업 명령
  • 하위 에이전트 명령
  • 에이전트 문제 해결