- 에이전트 AI
이전 기사에서는 Neo4j 지식 그래프에서 Agentforce 응답을 기반으로 하는 여러 가지 방법을 살펴보았습니다. 우리는 다양한 구현(Apex 작업, 외부 서비스 및 MCP)과 전체 에이전트 아키텍처에 중점을 두어 데이터 간의 책임과 데이터 기반 추론을 올바르게 분할했습니다.
이렇게 해서 우리는 순전히 구성을 기반으로 사용자 지정 코드 없이 에이전트를 설정하는 마지막 단계에 이르렀습니다.
Neo4j 로 Salesforce Agentforce 기반 구축— 이제 사용자 정의 코드가 없음
쿼리 계획을 일반 에이전트로 이동하지 않고 질문을 데이터로 이동하세요.
이전 통합을 숙고하는 순간, Neo4j용 일반 MCP가 어느 정도 위반하는 "데이터를 유지하고 함께 계산"이라는 오래된 아키텍처 원칙이 떠오릅니다. 우리는 낮은 수준의 검색 도구를 공개했으며 범용 에이전트가 쿼리를 조합할 수 있도록 했습니다. 이로 인해 통합이 유연해지며 호출자는 데이터 모델을 이해하고, 유효한 쿼리를 구성하고, 도메인 규칙을 적용하고, 수신한 레코드를 해석해야 합니다.
Aura Agent를 사용하면 해당 책임을 그래프에 더 가깝게 이동할 수 있습니다. Agentforce는 MCP를 통해 자연어 제품 복구 질문을 보냅니다. 데이터의 뉘앙스, 관계 유형, Cypher 구문 또는 데이터 내부를 이해할 필요가 없습니다. Aura Agent는 요청을 구조화된 암호 템플릿 매개변수로 변환하고, 결정적 그래프 작업을 실행하고, 증거와 함께 권장 사항을 반환합니다.
모두를 위한 그래프 기반 AI: Neo4j Aura Agent가 일반 출시됨 - Neo4j Graph Intelligence Platform
분리로 인해 Neo4j Aura에 모든 종류의 컴퓨팅이 포함되는 것은 아닙니다. Agentforce는 여전히 직원 대화, 의도 라우팅, Salesforce 권한 및 향후 CRM 작업을 소유합니다. 원칙은 더 좁습니다. 그래프를 사용하여 그래프별 계산을 유지하고 워크플로를 사용하여 워크플로별 계산을 유지합니다. MCP는 비즈니스 의도 수준에서 두 가지를 연결합니다. Aura Agents를 사용하면 기술적인 측면에서 도메인 수준으로 통합이 해당 위치로 이동합니다.
그래프 모양의 답변이 포함된 간단한 서비스 질문
추상화에서 구체적인 예로 이동하기 위해 Neo4j 예제 데이터세트 중 하나인북풍 그래프: 고객이 주문을 구매하고, 주문에 제품이 포함되어 있으며, 제품이 카테고리에 속하고, 공급업체가 제품을 공급합니다.
시나리오는 간단할 수 있습니다. 내부 담당자가 Salesforce 에이전트를 열고 다음과 같이 질문합니다.
Around the Horn의 Thomas Hardy는 평소 제품을 사용할 수 없다고 말합니다. 구매 내역을 검토하고, 동일한 카테고리에서 적합한 재고 옵션을 식별하고, 근거 있는 추천을 제공합니다.
이것은 하나의 조회처럼 들립니다. 실제로는 일련의 연결된 질문입니다.
- 연락처와 회사 이름이 모두 일치하는 고객은 누구인가요?
- 해당 고객이 어떤 제품을 주문했나요?
- 이전에 구매한 제품 중 현재 재고가 없거나 단종된 제품은 무엇입니까?
- "보통"에 가장 적합한 것은 무엇입니까? 가장 구별되는 주문의 제품이며 수량을 결정하는 기준이 됩니까?
- 해당 카테고리를 공유하는 활성 재고 제품은 무엇입니까?
- 이 고객이 이미 구매한 것은 무엇입니까?
두 명의 상담원, 두 가지 작업
질문이 더 복잡해지고 기본 데이터가 증가하므로 단일 에이전트가 모든 것을 소유하는 것을 원하지 않습니다.
Agentforce 에이전트는 직원 대화(담당자가 Salesforce를 사용하여 작업하는 경우)를 소유해야 합니다. Salesforce 에이전트는 의도를 인식하고 적절한 작업을 선택합니다. 나중에 사례를 생성하거나 CRM 활동을 검색하거나 Salesforce 승인 단계를 시행하려는 경우 해당 작업은 Salesforce 측에 속합니다.
Aura 에이전트는 연결된 소매 질문을 소유합니다. 도메인을 이해하고, 고객을 해결하고, 필요한 규칙을 적용하고, 구매 내역을 탐색하고, 증거와 함께 권장 사항을 반환할 수 있습니다.
MCP는 그들 사이의 계약이 되어 API를 자연어 쿼리로 최소화하는 프로토콜이 됩니다. 그 결과 유용한 책임 분할이 이루어졌습니다.
Agentforce
→ natural-language product question
Neo4j Aura Agent
→ customer resolution
→ deterministic Cypher Template
→ ranking and evidence
→ grounded recommendation
Agentforce
← ready-to-present answerAura Agent는 단순한 Salesforce 프롬프트 템플릿이 아닙니다
한 플랫폼의 모든 기능을 다른 플랫폼의 기능에 매핑하고 싶은 유혹이 있습니다. 한 가지 비교가 빠르게 나타납니다. Aura Agent는 본질적으로 Salesforce 프롬프트 템플릿입니까?No!
구별은 기능적입니다. 프롬프트 템플릿은 재사용 가능한 생성 지침을 패키지합니다. 에이전트는 작업을 소유하고, 도구를 선택하고, 결과를 평가하고, 대응 방법을 결정합니다. Aura Agent에는 프롬프트 지침이 포함되어 있지만 그 이상의 기능도 제공합니다. 계획 및 추론 루프가 있고 그래프 검색 도구를 선택하고 대상 인스턴스에 대해 해당 도구를 실행하며 보안 REST 또는 MCP 엔드포인트로 게시될 수 있습니다. 이 아키텍처에서 Aura Agent는 전문 Agentforce 하위 에이전트와 해당 작업 및 지침에 더 가깝지만 Neo4j 측에서 호스팅되고 그래프를 기반으로 합니다.
비유 공간에 머물기: Aura Agent의 Cypher 템플릿은 Salesforce 아날로그와 더 가깝습니다. Flow 또는 Apex로 구현된 결정론적 사용자 정의 작업입니다. 둘 다 에이전트가 호출할 수 있는 것으로 좁은 비즈니스 논리를 패키지화합니다. 차이점은 배치입니다. Aura에서 Cypher를 유지한다는 것은 Salesforce 특정 통합 코드에 모든 쿼리를 래핑하지 않고 그래프 논리 및 검색 테스트가 그래프 데이터베이스 수준에서 유지된다는 것을 의미합니다.
연결을 작동시키는 인증 세부정보
Aura Agent MCP 엔드포인트는 Agentforce가 기대하는 것과 완벽하게 일치하는 기계 간 인증 모드를 지원합니다. Salesforce-Aura 연결은 개별 사용자가 아닌 통합을 인증하므로 모든 보안 및 거버넌스 문제를 해결합니다. 개별 사용자 ID가 외부 MCP 서버로 전달되지 않으며 데이터 측에서 파괴적인 작업이 트리거될 수 없습니다(Aura 에이전트는 읽기만 허용).
접착제가 적다고 해서 경계가 줄어드는 것은 아닙니다.
Aura Agent는 단일 자연어 매개변수를 사용하여 상당한 도메인 복잡성을 숨기는 작은 인터페이스인 심층 모듈이 됩니다. 이는 지역성을 생성합니다. 그래프 스키마, 순위 규칙, 개인 정보 보호 제약 조건 또는 Cypher가 변경되면 Neo4j 측에서도 변경됩니다. Agentforce는 계속해서 동일한 비즈니스 질문을 보냅니다.
Salesforce Agentforce – Aura 에이전트와 다중 에이전트 통합 – Neo4j Labs
- AI 에이전트
- mcp
- 세일즈포스
에이치시스템즈의 LogTree는 Neo4j 기반 GraphRAG 플랫폼으로, 데이터를 자동으로 지식그래프화하고 자연어 질의로 즉시 답을 제공합니다.