DocumentCréer un flux de travailConfiguration des agents

Explication détaillée de la configuration de l'agent

préréglage, sélection de modèle, tool_set, max_iterations, remplacements d'invite système - rendent les sessions LLM à la fois lisibles et maintenables.

Un Agent encapsule « une session LLM + les outils qu'il peut utiliser + sa stratégie d'exécution ». Dans Braidrun, vous n'avez presque jamais besoin d'écrire un system prompt à la main — il suffit de choisir un preset et, au besoin, d'en overrides quelques champs.

Préréglage : sélectionnez une ligne de base en fonction de la scène

Un preset est un modèle d'Agent intégré à la plateforme, qui regroupe « le modèle, le jeu d'outils par défaut, le system prompt et la stratégie d'exécution » et est nommé selon le cas d'usage métier. Il existe actuellement 19 presets intégrés :

preset	Classement	Points forts
`universal`	Universel	Choix par défaut polyvalent : doté de la panoplie complète d'outils (sous-Agents, compétences, mémoire de connaissances, transformation de données, etc.). En cas de doute, choisissez celui-ci.
`universal_reasoning`	Universel	Version raisonnement d'universal, qui conserve les étapes de raisonnement visibles à l'exécution ; adaptée aux analyses complexes.
`lightweight`	Universel	Stratégie minimaliste en un seul tour, dotée uniquement des outils shell et fichiers ; adaptée aux tâches simples et aux exécutions à faible coût.
`chat`	dialoguer	Conversation multi-tours et conservation du contexte ; adaptée aux tâches conversationnelles.
`coder`	coder	Analyse, génération, refactorisation et test de code, avec les outils shell / Git / exécution de code.
`devops`	coder	Tâches système et d'exploitation : scripts shell, Git, opérations sur bases de données, automatisation des déploiements.
`researcher`	Recherche	Recherche, navigation et synthèse d'informations multi-sources ; les conclusions de recherche peuvent être consignées dans la mémoire de connaissances d'une exécution à l'autre.
`data_analyst`	données	Traitement de CSV, requêtes SQL, exécution de code et conversion de formats, avec production de conclusions d'analyse.
`web_scraper`	données	Extraction de données structurées combinant automatisation du navigateur, extraction HTTP et OCR.
`marketing`	Commercialisation	Étude de marché, analyse des campagnes, insights sur l'audience et recommandations d'optimisation.
`communication`	Communication	Envoi et réception d'e-mails (SMTP / IMAP) ainsi que rédaction et envoi de messages IM multiplateformes.
`writer`	Rédaction	Rédaction d'articles, de contenus et d'écrits professionnels, avec production directe de documents mis en page.
`word_document`	Document	Spécialiste de Word : génération et modification de .docx de type rapports, manuels et propositions.
`excel_workbook`	Document	Spécialiste d'Excel : modélisation de tableaux, tableaux de bord et rapports pilotés par formules.
`powerpoint_presentation`	Document	Diapositives PPT : supports de formation, présentations de roadshow et comptes rendus.
`office_document`	Document	Tâches de documents Office mêlant Word / Excel / PPT.
`pdf_processor`	Document	Analyse de PDF, extraction de contenu, conversion de format et OCR.
`multimedia_creator`	Multimédia	Génération d'images / d'audio par IA et traitement d'images.
`computer_operator`	Automatisation	Automatisation d'opérations multi-étapes enchaînant contrôle du navigateur, shell, fichiers et base de données.

Limites du plan

Le plan Free ne donne accès qu'aux trois presets universal / lightweight / chat ; les autres presets nécessitent un plan Pro ou supérieur.

La liste des presets fait foi selon l'instance en cours d'exécution

Lors de la configuration d'un Agent dans l'éditeur de workflow, sélectionnez « Modèle prédéfini » pour parcourir la liste complète par catégorie ainsi que la description de chaque preset ; les administrateurs peuvent aussi enregistrer des presets personnalisés en plus des presets intégrés.

Déclaration minimale

yaml

agents:
  analyst:
    preset: universal

Cela suffit — le modèle, les outils et le system prompt reprennent tous les valeurs par défaut du preset.

Remplacements : remplacement à la demande

yaml

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

Champ de remplacement couramment utilisé

system_prompt — Remplace intégralement le system prompt du preset (ce n'est pas un ajout).
llm_config — Configuration du modèle : liste models (chaque entrée comportant model + provider), fallback, temperature. Au sein d'un même workflow, chaque Agent peut utiliser un modèle différent.
tool_set — Liste de noms de jeux d'outils, qui remplace intégralement la valeur par défaut du preset (sans fusion).
max_iterations — Limite stricte du nombre de tours de « réflexion + appel d'outil » internes à l'Agent ; une fois atteinte, l'exécution est stoppée d'office. Les presets intégrés fixent une valeur par défaut très large.
strategy — just_work_parallel（Valeur par défaut de la plupart des presets）/ just_work_parallel_reasoning（Conserve les étapes de raisonnement visibles）/ single_run（Sortie directe en un seul tour ; utilisé par lightweight）。
mcp_servers — Enregistre un MCP Server externe ; les outils qu'il expose sont intégrés au jeu d'outils de cet Agent.
retry_max_attempts / retry_initial_delay / retry_max_delay — Stratégie de nouvelle tentative avec backoff en cas d'échec d'un appel LLM.

overrides est une fusion profonde

Les objets imbriqués sont fusionnés champ par champ, tandis que les scalaires et les listes sont remplacés en bloc. Ainsi, remplacer uniquement llm_config.temperature ne fait pas perdre les models du preset ; mais dès que tool_set apparaît, c'est intégralement votre valeur qui fait foi.

Réutilisable : référence Agent à l'étape

yaml

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 même Agent peut être référencé par plusieurs step. Chaque exécution de step ouvre une nouvelle instance de session — les mémoires ne se mélangent pas. Pour transmettre des données entre step, référencez la sortie en amont via des variables de modèle ; pour conserver le contexte d'un tour à l'autre, utilisez state_machine ou group_chat.

Ensemble d'outils (tool_set)

Les outils intégrés sont regroupés par nom ; les plus courants sont :

file_system — Lire et écrire des fichiers dans le répertoire de travail.
shell — Exécuter des commandes shell.
web — Requêtes HTTP, extraction de pages web et recherche.
browser — Automatisation du navigateur : pages dynamiques, formulaires, captures d'écran.
code_execution — Exécuter des extraits de code.
csv · database · data_transform — Tableaux CSV, bases de données SQL, conversion entre les formats JSON/YAML/XML.
email · im — Envoi et réception d'e-mails et de messages IM (Slack, Telegram, DingTalk, WeCom, Feishu, etc.).
word · excel · powerpoint · pdf · ocr — Génération et analyse de documents.
image_processing · multimedia — Traitement d'images et génération d'images / d'audio par IA.
git — Opérations de contrôle de version.
knowledge_memory — Mémoire de connaissances persistée entre les exécutions.
sub_agent — Dériver des sous-Agents pour décomposer les tâches.
skill_tools — Charger et invoquer des compétences (skills).

La définition de chaque preset inclut un tool_set par défaut ; par ailleurs, tout Agent peut se connecter, via la configuration mcp_servers, aux outils exposés par un MCP Server.

moins c'est plus

Plus l'ensemble d'outils est grand, plus l'espace de prise de décision de l'agent est grand, mais plus il est facile d'être biaisé par des outils secondaires. Dans la pratique de production, si vous coupez le tool_set à ceux qui sont "réellement utilisés dans cette étape", le taux de réussite et la vitesse augmenteront.

Recommandations pour la sélection des modèles

Pour les tâches sensibles à l'exactitude (relecture, raisonnement, génération de code) : utilisez les modèles phares ou de raisonnement de chaque fournisseur.
Pour les tâches sensibles à la latence et au format de sortie simple (classifier, courts résumés) : utilisez des modèles légers, rapides et économiques.
Vous pouvez les combiner au sein d'un même workflow : un modèle bon marché pour l'analyse de volume, un modèle plus puissant pour la validation finale critique.

Tous les modèles sont en BYOK : prise en charge de plus de 15 fournisseurs (OpenAI, Anthropic, Google, DeepSeek, Kimi, MiniMax, Zhipu, xAI, Mistral, Qwen, etc., ainsi que Ollama / LM Studio en local), les coûts d'appel étant imputés à votre propre compte et les identifiants stockés chiffrés en AES-256-GCM. Les abonnements Claude Pro / ChatGPT peuvent aussi être utilisés par connexion, sans nécessiter d'API Key.

FAQ

Si Plusieurs étapes réutilisent le même agent, comment le quota est-il calculé ?

Chaque exécution de step est une session LLM indépendante, et la consommation de token est enregistrée au fil des exécutions dans les détails d'exécution. Les quotas du plan limitent des ressources de la plateforme telles que le nombre de workflows, de planifications et la concurrence ; les token LLM passent par votre propre Key et la plateforme n'impose aucune limite de token.

Que dois-je faire s’il y a une boucle infinie dans Agent ?

max_iterations est une limite stricte ; une fois atteinte, l'exécution est stoppée d'office. Pour diagnostiquer, examinez d'abord chaque tour d'appel d'outil dans la chronologie d'exécution ; les plans Pro et supérieurs permettent en outre de mettre en pause au sein d'une étape pour inspection à l'aide du débogueur à points d'arrêt.

Je Veux ajouter mon propre outil ?

Il est recommandé de les empaqueter sous forme de MCP server et de les connecter via la configuration mcp_servers, sans modifier la plateforme. Voir Bibliothèque de modules intégrée avec Documentation de l'assistant IA Dans le chapitre MCP.