Explicación detallada de la configuración del Agente

Un Agent es el encapsulado de «una sesión de LLM + las herramientas que puede usar + su política de ejecución». En Braidrun casi nunca necesita escribir un system prompt a mano: elija un preset y, si hace falta, haga overrides de unos pocos campos.

Preestablecido: seleccione una línea base basada en la escena

Un preset es una plantilla de Agent integrada en la plataforma que empaqueta a la vez «modelo, conjunto de herramientas por defecto, system prompt y política de ejecución», con un nombre según el escenario de negocio. Actualmente hay 19 presets integrados:

Declaración mínima

agents:
  analyst:
    preset: universal

Con esto basta: el modelo, las herramientas y el system prompt usan todos los valores por defecto del preset.

Anulaciones: anulación bajo demanda

agents:
  analyst:
    preset: universal
    overrides:
      system_prompt: |
        你是公司的风控分析师。所有输出用中文。
      llm_config:
        models:
          - model: anthropic/claude-sonnet-4-20250514
            provider: openrouter
        temperature: 0.2
      tool_set:
        - file_system
        - web
        - data_transform

Campo de anulaciones de uso común

• system_prompt — Reemplaza por completo el system prompt del preset (no se añade).
• llm_config — Configuración de modelos: lista models (cada entrada con model + provider), fallback, temperature. Cada Agent de un mismo workflow puede usar un modelo distinto.
• tool_set — Lista de nombres de conjuntos de herramientas que reemplaza por completo los del preset (no se fusiona).
• max_iterations — Límite máximo de las rondas internas de «razonamiento + llamada a herramientas» del Agent; al alcanzarlo, se detiene de forma forzada. Los presets integrados traen un valor por defecto bastante amplio.
• strategy — just_work_parallel（La mayoría de los presets por defecto）/ just_work_parallel_reasoning（Conserva los pasos de razonamiento visibles）/ single_run（Respuesta directa en una sola ronda; lightweight lo usa）。
• mcp_servers — Registra un MCP Server externo; las herramientas que expone se incorporan al conjunto de herramientas de ese Agent.
• retry_max_attempts / retry_initial_delay / retry_max_delay — Política de reintentos con retroceso cuando falla una llamada al LLM.

Reutilizable: Agente de referencia en el paso

agents:
  analyst: { preset: universal }
  writer:  { preset: writer }

steps:
  - step: plan
    agent: analyst
    input: "拆解下面这个目标为 3~5 个可执行任务：..."

  - step: write
    agent: writer
    input: "把下面的计划改写成给客户的邮件：{{steps.plan.output}}"
    depends_on: [plan]

Un mismo Agent puede ser referenciado por varios steps. Cada ejecución de un step abre una nueva instancia de sesión — no se comparte memoria. Para pasar datos entre steps, use referencias a variables de plantilla a la salida upstream; para mantener el contexto entre rondas, use state_machine o group_chat.

Conjunto de herramientas (conjunto_herramientas)

Las herramientas integradas se agrupan por nombre; las más habituales son:

• file_system — Leer y escribir archivos dentro del directorio de trabajo.
• shell — Ejecutar comandos de shell.
• web — Solicitudes HTTP, scraping web y búsqueda.
• browser — Automatización del navegador: páginas dinámicas, formularios, capturas de pantalla.
• code_execution — Ejecutar fragmentos de código.
• csv · database · data_transform — Tablas CSV, bases de datos SQL, conversión entre formatos JSON/YAML/XML.
• email · im — Envío y recepción de correo y mensajería instantánea (Slack, Telegram, DingTalk, WeCom, Feishu, etc.).
• word · excel · powerpoint · pdf · ocr — Generación y análisis de documentos.
• image_processing · multimedia — Procesamiento de imágenes y generación de imagen / audio por IA.
• git — Operaciones de control de versiones.
• knowledge_memory — Memoria de conocimiento persistente entre ejecuciones.
• sub_agent — Derivar sub-Agents para descomponer la tarea.
• skill_tools — Cargar e invocar habilidades (skills).

La definición de cada preset trae un tool_set por defecto; además, cualquier Agent puede conectar herramientas expuestas por un MCP Server mediante la configuración mcp_servers.

Recomendaciones para la selección de modelos.

• Tareas sensibles a la corrección (revisión, razonamiento, generación de código): use los modelos insignia o de razonamiento de cada proveedor.
• Tareas sensibles a la latencia con formato de salida simple (classifier, resúmenes breves): use modelos ligeros, rápidos y económicos.
• En un mismo workflow se pueden mezclar: un modelo barato para el análisis de volumen y un modelo más potente para la revisión final crítica.

Todos los modelos son BYOK: se admiten más de 15 proveedores (OpenAI, Anthropic, Google, DeepSeek, Kimi, MiniMax, Zhipu, xAI, Mistral, Qwen, etc., además de Ollama / LM Studio locales); el coste de las llamadas va a su propia cuenta y las credenciales se almacenan cifradas con AES-256-GCM. Las suscripciones a Claude Pro / ChatGPT también se pueden conectar mediante inicio de sesión, sin necesidad de una API Key.

FAQ

Si Varios pasos reutilizan el mismo Agente, ¿cómo se calcula la cuota?

Cada ejecución de un step es una sesión de LLM independiente, y el consumo de tokens se registra por cada una en el detalle de la ejecución. La cuota del plan limita recursos de la plataforma como el número de workflows, de programaciones y la concurrencia; los tokens de LLM van con su propia Key y la plataforma no impone límite de tokens.

¿Qué debo hacer si hay un bucle infinito en Agent?

max_iterations es un límite máximo; al alcanzarlo, la ejecución se detiene de forma forzada. Para diagnosticar, mire primero cada ronda de llamada a herramientas en la línea de tiempo de la ejecución; en el plan Pro o superior también puede usar el depurador con puntos de interrupción para pausar e inspeccionar dentro del paso.

¿Quiero agregar mi propia herramienta?

Se recomienda empaquetarlas como un MCP server y conectarlas mediante la configuración mcp_servers, sin necesidad de modificar la plataforma. Consulte Biblioteca de módulos integrada con Documentación del asistente de IA En el capítulo MCP.