logo
AgentLed

Agents comme étape

Intégrez un agent autonome dans un flux de travail plus large en une seule étape. L'agent raisonne, appelle des outils et renvoie un résultat, puis le flux de travail passe à l'étape suivante.

Qu'est-ce qu'une étape d'agent?

Une étape AI régulière prend une entrée, exécute une invite et renvoie une sortie structurée fixe. Un étape de l'agent va plus loin: il peut appeler des outils en boucle, raisonner sur les résultats, appeler davantage d'outils et décider quand il dispose de suffisamment d'informations pour produire une réponse finale. Il se comporte comme un mini-agent intégré dans une étape du workflow.

Ceci est utile lorsque la séquence exacte des actions n'est pas connue à l'avance: l'agent la découvre. Une simple étape AI est préférable lorsque la forme de sortie est prévisible et que vous avez juste besoin d'une transformation rapide.

Étape AI par rapport à l'étape de l'agent

DimensionÉtape AIÉtape de l'agent
Tool utiliserAucunAppelle dynamiquement les actions des applications connectées
Boucle de raisonnementInvite unique → sortieRaison → agir → observer → répéter jusqu'à ce que ce soit terminé
Forme de sortieSchéma fixe défini à l'avanceConclusion finale de l'agent (structurée ou free-form)
Idéal pourRésumer, classer, extraire, transformerRechercher, rédiger, décider, récupération multi-step
LatenceInférieur – un seul appel LLMPlus élevé: plusieurs appels jusqu'à ce que ce soit terminé

Configuration d'une étape d'agent

Dans l'éditeur de workflow, ajoutez une étape et choisissez Agent comme type d'étape. Champs clés:

{
  type: "aiActionWithTools",
  id: "draft_outreach",

  agent: {
    role: "Outreach Specialist",
    goal: "Write a personalised cold email for each contact",
    backstory: "Expert B2B copywriter who avoids clichés",
    model: "claude-opus-4-5"
  },

  prompt: "Draft an outreach email for {{steps.enrich.contact}}. Use the ICP from business memory.",

  tools: [
    { appId: "gmail",    actionId: "send_email",   maxCalls: 1 },
    { appId: "agentled", actionId: "recall_memory", maxCalls: 5 }
  ]
}

agent - le rôle, l'objectif et l'histoire façonnent la manière dont le modèle raisonne. Ceux-ci sont injectés dans l’invite du système.

outils - quelles actions d'application l'agent peut appeler et combien de fois chacune. Paramètre maxCalls empêche les boucles d'outils incontrôlables.

rapide — la tâche pour cette étape spécifique. Fait référence aux sorties de l’étape précédente avec {{steps.stepId.field}}.

Entrée et sortie

Une étape d'agent reçoit le contexte d'exécution accumulé du workflow — toutes les sorties de l'étape précédente sont disponibles sous forme de variables de modèle. Sa propre sortie est stockée sous son ID d'étape et disponible pour toutes les étapes suivantes:

// Step "draft_outreach" output is accessible downstream as:
{{steps.draft_outreach.email_subject}}
{{steps.draft_outreach.email_body}}
{{steps.draft_outreach.reasoning}}

La réponse finale de l'agent est sa conclusion une fois tous les appels d'outils résolus. Les résultats des appels d’outils intermédiaires sont enregistrés dans la chronologie d’exécution mais ne sont pas transmis directement en aval.

Exemple: Recherche → Score → Draft

Un workflow three-step combinant des étapes AI simples et une étape d'agent:

Étape 1Étape AI — Enrichir chaque domaine de l'entreprise: appelle Hunter pour retrouver l'email CEO. Sortie fixe: {name, email, domain}.
Étape 2Étape AI — Notez chaque piste enrichie par rapport au ICP de Business Memory. Sortir: {score, rationale}.
Étape 3Étape de l'agent — Pour chaque prospect avec un score > 75, recherchez son LinkedIn, rappelez de mémoire la préférence de ton de l'utilisateur et rédigez un e-mail personnalisé. L'agent décide du nombre de recherches LinkedIn à effectuer avant la rédaction.

Quand utiliser une étape d'agent

  • •La tâche nécessite de rechercher, de récupérer ou d’agir avant de produire une réponse – et la séquence exacte dépend de ce que trouve l’agent.
  • •Vous souhaitez que l'agent appelle de vrais outils (envoyer un e-mail, écrire sur CRM, rappeler la mémoire) dans le cadre de l'exécution de l'étape.
  • •Le résultat est suffisamment complexe pour bénéficier d’un personnage (rôle, objectif, histoire) qui façonne le raisonnement du modèle.

Prochaines étapes