Данный пример демонстрирует, как разработчики могут создавать индивидуальные клиентские приложения, интегрированные с Salesforce AgentForce. В нем рассматриваются аутентификация, управление чат-сессиями, обработка сообщений и настройка пользовательского интерфейса с помощью Lightning Web Components, что обеспечивает бесшовное внедрение интеллектуальных диалоговых агентов в опыт Salesforce.
Данный пример демонстрирует, как разработчики могут создавать индивидуальные клиентские приложения, интегрированные с Salesforce AgentForce. В нем рассматриваются аутентификация, управление чат-сессиями, обработка сообщений и настройка пользовательского интерфейса с помощью Lightning Web Components, что обеспечивает бесшовное внедрение интеллектуальных диалоговых агентов в опыт Salesforce.
Образец AgentForce Custom Client предоставляет кодовую базу, использующую JavaScript/TypeScript и API Salesforce для аутентификации в организации Salesforce, управления чат-сессиями AgentForce, отправки и получения сообщений, а также настройки компонентов интерфейса пользователя. В нем демонстрируется подписка на события, интеграция собственной бизнес-логики и стилизация с помощью Lightning Web Components. Разработчики могут использовать данный шаблон для быстрого построения интеллектуальных агентов, настройки потоков сообщений, интеграции внешних систем и расширения фреймворка для удовлетворения уникальных бизнес-процессов и требований брендинга организации.
Кто будет использовать AgentForce Custom Client Sample?
Разработчики Salesforce
Архитекторы решений
Технические консультанты
Партнеры ISV
Специалисты по интеграции ИИ
Как использовать AgentForce Custom Client Sample?
Шаг 1: Клонируйте репозиторий на локальную машину.
Шаг 2: Установите зависимости с помощью npm или yarn.
Шаг 3: Настройте учетные данные вашей организации Salesforce в файле .env.
Шаг 4: Обновите настройки AgentForce и API-эндпоинты.
Шаг 5: Соберите и запустите локальный сервер разработки.
Шаг 6: Разверните компоненты клиента в вашей организации Salesforce.
Шаг 7: Проверьте работу и взаимодействуйте с ИИ-агентом в вашей среде Salesforce.
Платформа
web
mac
windows
linux
Ключевые Особенности и Преимущества AgentForce Custom Client Sample
Основные функции
Аутентификация в организации Salesforce
Управление чат-сессиями AgentForce
Обработка отправки и получения сообщений
Настройка интерфейса с помощью Lightning Web Components
Интеграция собственной бизнес-логики
Подписка на события и их обработка
Преимущества
Ускоряет разработку ИИ-агентов
Демонстрирует расширяемую архитектуру
Обеспечивает беспрепятственную интеграцию с Salesforce
Сокращает время прототипирования
Предоставляет переиспользуемые шаблоны кода
Основные Сценарии Использования и Приложения AgentForce Custom Client Sample
Создание собственных диалоговых помощников в Salesforce Service Cloud
Расширение чатботов AgentForce с помощью индивидуального UI
Интеграция взаимодействий ИИ-агентов с внешними системами данных
Быстрое прототипирование сценариев работы агентов
Часто Задаваемые Вопросы о AgentForce Custom Client Sample
В чем заключается цель данного примера?
Какие языки программирования используются?
Как пройти аутентификацию в вашей организации Salesforce?
Могу ли я настроить интерфейс чата?
Совместим ли это с Service Cloud?
Как развернуть пример в производственной среде?
Поддерживает ли оно интеграцию с внешними системами?
Включены ли тесты?
Какие зависимости требуются?
Где можно найти дополнительную документацию?
Информация о Компании AgentForce Custom Client Sample
Раamework основанный на ROS для совместной работы нескольких роботов, обеспечивающий автономное распределение задач, планирование и выполнение миссий в командах.
LangGraph Learn предлагает интерактивный графический интерфейс для проектирования и выполнения рабочих процессов агентов ИИ, основанных на графах, визуализируя цепочки языковых моделей.
SARL — это язык программирования, ориентированный на агентную модель, и среда выполнения, обеспечивающая реактивное поведение и моделирование среды для многогентных систем.
AI Library — это платформа для разработчиков, предназначенная для создания и развертывания настраиваемых AI-агентов с использованием модульных цепочек и инструментов.
RModel — это открытая платформа для агентов ИИ, которая координирует LLM, интеграцию инструментов и память для продвинутых диалоговых и задачных приложений.
Фреймворк на базе Python, реализующий алгоритмы стайного поведения для многопользовательского моделирования, позволяющий агентам ИИ координироваться и динамично навигировать.
Открытая платформа, реализующая автономных агентов LLM с поддержкой генерации на основе поиска, векторных баз данных, интеграции инструментов и настраиваемых рабочих процессов.
Pipe Pilot — это框架 на Python, который управляет конвейерами агентов, управляемыми LLM, позволяя легко выполнять сложные многошаговые рабочие процессы ИИ.
Репозиторий с открытым исходным кодом, предоставляющий практические примеры кода для создания агентов ИИ с использованием возможностей Google Gemini по рассуждению и использованию инструментов.
Agentic Workflow — это фреймворк на Python для проектирования, оркестровки и управления многопроцессорными рабочими потоками AI для сложных автоматизированных задач.
Демонстрационный проект на GitHub, показывающий SmolAgents — легкий Python-фреймворк для оркестрации мультиагентных рабочих процессов на базе LLM с интеграцией инструментов.
pyafai — это модульная рамочная структура на Python для создания, обучения и запуска автономных ИИ-агентов с поддержкой плагинов памяти и инструментов.
Agent Adapters предоставляет модульное промежуточное ПО для бесшовной интеграции агентов на базе LLM с различными внешними фреймворками и инструментами.
Java-Action-Storage — это модуль LightJason, который регистрирует, хранит и извлекает действия агентов для распределённых многопользовательских приложений.