Narzędzia agenta, czyli skąd bierze się różnica
W lekcji pierwszej ustaliliśmy, że agenta od chatbota odróżniają narzędzia. Czas zobaczyć, czym one właściwie są i dlaczego więcej nie znaczy lepiej.
Cztery narzędzia, które robią większość roboty
Katalogi potrafią wymieniać dziesiątki funkcji, ale w praktyce codzienne wdrożenia opierają się na czterech. Reszta to warianty i specjalizacje.
- Przeglądarka. Agent otwiera stronę, czyta ją i wyciąga dane. To narzędzie odpowiada za większość zadań researchowych.
- Pliki. Odczyt i zapis dokumentów, arkuszy, PDF-ów. Bez tego agent nie odda wyniku w formie, którą da się wysłać dalej.
- Kod. Uruchamianie obliczeń i przetwarzanie danych. Przydaje się wszędzie tam, gdzie trzeba coś policzyć dokładnie, a nie oszacować.
- Wywołania API. Połączenie z Waszym CRM-em, kalendarzem, systemem magazynowym. To najczęściej odróżnia demo od wdrożenia.
Dlaczego mniej narzędzi bywa lepsze
Intuicja podpowiada, żeby włączyć wszystko, bo a nuż się przyda. W praktyce działa to odwrotnie. Im więcej narzędzi ma agent, tym więcej czasu zajmuje mu wybór właściwego i tym częściej sięga po nieoczywiste.
Widzieliśmy agenta, który zamiast odczytać wartość z arkusza, napisał skrypt liczący ją od zera. Wynik był poprawny, tylko zajęło to trzy razy dłużej i kosztowało kilkanaście razy więcej tokenów. Zabranie mu narzędzia do uruchamiania kodu rozwiązało sprawę w minutę.
Praktyczna zasada: włączaj narzędzia wtedy, gdy zadanie ich wymaga, a nie na zapas. Dokładanie jest łatwe, a diagnozowanie dziwnych zachowań przy dwudziestu aktywnych narzędziach jest męczące.
Gdzie zaczyna się ryzyko
Narzędzia to jednocześnie miejsce, w którym agent przestaje być niegroźny. Czytanie stron jest bezpieczne. Zapis do Waszego systemu produkcyjnego już nie.
Rozdziel narzędzia na dwie grupy: czytające i zmieniające. Czytające możesz włączyć szeroko. Zmieniające włączaj pojedynczo, świadomie i najlepiej z ograniczonym zakresem uprawnień. Agent z dostępem do kalendarza tylko do odczytu nie odwoła Ci spotkania przez pomyłkę.
Jest jeszcze jedno ryzyko, o którym mówi się rzadko, a robi się coraz ważniejsze. Agent czytający strony internetowe czyta też ich treść jako polecenia, jeśli ktoś je tam sprytnie umieści. Dlatego nie dawaj agentowi, który przegląda otwarty internet, jednocześnie prawa do zmian w Waszych systemach.
Co warto zapamiętać
- Cztery narzędzia wystarczają na większość zadań: przeglądarka, pliki, kod, wywołania API.
- Więcej narzędzi to wolniejszy i droższy agent, który częściej wybiera nieoczywistą drogę.
- Rozdziel narzędzia czytające od zmieniających. Te drugie włączaj pojedynczo i z wąskim zakresem.
- Agent czytający otwarty internet nie powinien mieć równocześnie prawa zmian w Waszych systemach.
Częste pytania
Czy agent może korzystać z naszego systemu, który nie ma API?+
Czasem tak, przez przeglądarkę, czyli logując się i klikając jak człowiek. Działa to, ale jest kruche: każda zmiana wyglądu interfejsu potrafi zepsuć automatyzację. Jeśli system ma API, zawsze wybieraj API, nawet jeśli konfiguracja zajmie dzień dłużej.
Co się dzieje, gdy narzędzie zwróci błąd?+
Dobrze skonfigurowany agent spróbuje ponownie, a potem powie, że się nie udało. Gorszy scenariusz to taki, w którym agent uzna błąd za wynik i poleci dalej z pustymi danymi. Dlatego w promptcie warto wprost napisać, żeby przy nieudanym pobraniu danych zgłosił problem, zamiast improwizować.
Chcesz to przećwiczyć na żywo?
Uruchom własnego agenta i wypróbuj to, o czym przed chwilą przeczytałeś. Pierwsza subskrypcja ma 5 dni za darmo, a kurs czytasz dalej niezależnie od tego.
Zobacz plany