Korea Agentblazer Community Group

각 산업별, 제품별 Agentforce의 Usecase와 기능에 대해 한곳에서 확인하실 수 있도록 Agentforge라는 사이트를 오픈하였습니다. 여기에선 각 제품 / 산업별 Usecase의 Demo 뿐 아니라 How-To 그리고 Vision까지 필요한 모든 정보들을 집대성하는 목적으로 만들어졌습니다.  

이 사이트는 세일즈포스에서 공식적으로 운영하는 것은 아니며, 커뮤니티에서 자발적으로 만든 웹사이트로 누구나 새로운 콘텐츠를 등록하고 공유할 수 있도록 되어 있습니다. 

Disclamier 

Agentforge is a community-driven initiative, crowdsourcing use cases from practitioners across the industry. While it is maintained by Salesforce employees, this is

The ideas, code samples, and solutions shared here are meant to inspire and accelerate your own implementations. Take these concepts, make them your own, and adapt them to your specific needs. This is a starting point, not a finished product.

새로운 아이디어가 필요하시다면 한번 방문해보세요!

https://agentforge.tools/

Salesforce에서 Speech to Text 기능을 지원합니다.

Salesforce와 Agentforce에 Speech to Text 기능이 추가되었습니다. 

이 기능은 5메가내의 MP3,MP4, WAV 음성파일에 대해서 전사문을 생성해주는 기능입니다. 세일즈포스 AI가 제공하는 언어를 기본 지원합니다.  

이 기능을 통해서 간단한 음성통화를 업로드하여 자동으로 전사문 추출이 가능합니다. 단, 생성된 전사문은 별도로 저장되지 않으니 만약에 저장이 필요하다면 Flow등으로 후속 프로세스를 생성해야 합니다. 이 기능은 Agentforce의 Standard Action은 물론, Flow의 Invocable Action으로도 제공되며 사용시 Flex Credit을 소모합니다. 

이 기능을 포함하여 세일즈포스는 오래전부터 Speech Foundation이라는 이름으로 세일즈포스 Core 플랫폼내에 음성을 처리할 수 있는 기술적 레이어를 구현하였고, 이를 활용하여 다양한 음성 관련 기능들이 추가 예정입니다. 3월에 발표될 기능중에서는 여러분들께서 꽤나 관심이 있어할만한 기능도 예정되어 있습니다.  

Speech Foundation 관련해선 아래 블로그 글을 참조하십시오 

AI Consumption을 조금 더 세부적으로 추적할 수 있는 몇가지 기능이 추가되었습니다. 

Agentforce가 Agent / Action별로 얼마나 과금되었는지는 Agentforce Analytics로 볼 수 있었으나, 개별 프롬프트가 어느정도의 Credit을 소모하는지는 알 수 없었습니다. 

개별 Prompt Template별로 어느정도의 크레딧이 소모되었는지 확인할 수 있는 세일즈포스 대시보드 Type이 추가 되었습니다. 세일즈포스 표준 리포트 기능을 활용하여 여러분들이 필요한 분석을 자유롭게 수행하실 수 있습니다. 

• Track Consumption for Generative AI Prompts for Flex Credits
• Create a Report for Generative AI Prompts Usage Based on an Existing Report
• Build a Report for Generative AI Prompts Usage
• Match Prompt ID to Prompt Name to Interpret Report Data

세일즈포스는 Digital Wallet 기능을 활용하여 여러분들께서 소모중인 Credit에 대한 명세를 제공합니다. 소비되는 Credit이 얼마나 사용됬는지에서 나아가, 어느 개소에서 얼마나 사용됐는까지 추적관리하고, Custom Tag를 통해 소비된 크레딧에 대한 다양한 분류로 View를 가져가실 수 있도록 개선되었습니다. 

• Release Note: Gain Business-Specific Insights with Digital Wallet Custom Consumption Tags
• Help: Manage and Report on Business-Specific Custom Tags

몇가지 Agentforce 관련 업데이트 드립니다

Response Time, Total Token등의 정보를 직관적으로 확인할 수 있도록 기능이 추가되었습니다. 

자세한내용은 아래 문서 참조하십시오 

2. New Agentbuilder와 관련된 다양한 기능들이 지속적으로 추가되고 있습니다. 

특히, Agent가 활동할 수 있는 채널에 대해서, Email과 Slack 채널을 Connection 패널을 통해서 추가될 수 있도록 개선되었습니다. 앞으로도 다양한 채널들을 추가할 예정입니다. 

서비스 에이전트 사용시 Enhanced Chat V2이라는 이름으로, 새로운 UI Framework으로 여러분들이 서비스 에이전트를 Experience Cloud등에 적용하여 활용하실 수 있는 부분은 이해하실 것입니다. 

기존 MIAW 기반의 Service Agent기능들이 지속적으로 반영되고 있습니다. 

특히 Agent의 개인화와 관련된, Pre-Chat, Post-Conversation Suvery, User Verification 부분도 추가 되어서 이제 안정적으로 Service Agent를 새로운 빌더로 운용할 기반이 완벽하게 마련되었습니다. 

특히,서비스 에이전트 운용시 로그인한 고객의 Context로 에이전트가 답변을 못한다고 인지하시는 분이 계신데, 그 부분은 작년중반에 이미 버그가 해결되어 지금은 Service Agent를 운용하더라도, 로그인한 유저의 권한을 활용하여 Contexst에 맞는 답변을 제공하는 부분이 가능하답니다.   

글에서 특히 인상적인 포인트는 “세션 컨텍스트- 단기 메모리”와 “프로필 그래프에 붙는 장기 메모리”를 분리해, 채널/세션이 달라도 일관된 기억을 제공하되 엔터프라이즈 통제(검증, 삭제/갱신, 접근제어, 설명가능성)를 유지하는 구조입니다. 또한 무엇을 저장할지(너무 많이 저장하면 노이즈, 너무 적게 저장하면 효용 부족)와 정확성/신선도(서로 다른 소스 간 충돌, 오래된 정보의 재등장) 문제가 실무에서 가장 어렵다고 짚습니다.  

요약하면, 이 글은 “메모리를 잘 쓴다, 기억을 잘 활용한다”를 아래처럼 엔지니어링 문제로 쪼개서 답합니다.  

• 메모리를 구조화 레코드로 외부화하고, 타입/시간/출처/신뢰도(confidence)/수명주기 제어를 붙여 “검사 가능하고 관리 가능한 상태”로 만든다.  
• 런타임에는 매 턴마다 지연/비용 제약이 있으니, 컴팩트한 메모리 + 사전 계산 임베딩 + 유사도 검색으로 후보를 좁히고, 세션 캐싱과 “작은 모델은 저렴한 단계(추출/검증), 큰 모델은 필요한 순간”이라는 비용 최적화를 적용한다.  
• 저장(write)과 조회(read) 모두에 게이트(필터)를 둬 품질을 지키고, 벡터 유사도만이 아니라 의미 기반 검증(hybrid semantic validation)으로 중복/드리프트를 줄인다.  
• 대화만이 아니라 Service Cloud의 상담 기록, 봇 대화, 커넥터로 들어오는 문서/데이터 등도 “메모리 후보”로 흡수할 수 있게 파이프라인을 설계했다는 점도 언급됩니다.  

엔터프라이즈 에이전트를 실제로 운영해보신 분이라면 “왜 이게 필요하고, 어디서 사고가 나는지”를 거의 그 문제 그대로 다루고 있어서, Agentforce/에이전트 아키텍처 관심 있으시면 한 번 읽어보실 만합니다.  

Multi-Agent 환경을 위한 준비 

최근 'AI 에이전트'라는 단어가 우리에게 익숙해지기도 전에, 시장은 이미 여러 에이전트가 협업하는 'Multi-Agent(멀티 에이전트)' 환경으로 빠르게 진화하고 있습니다. 세일즈포스는 이러한 변화를 선도하며 Agentforce 360과 Atlas Reasoning Engine 등을 통해 기업이 멀티 에이전트 시대를 대비할 수 있도록 돕고 있습니다. 아래 네 가지 글을 읽어보시기를 추천드립니다.  

1. Multi-Agent Systems Explained: A Complete Guide

Salesforce는 Multi-Agent Systems를 단일 AI가 아닌, 여러 전문 에이전트가 역할을 나누어 협업하는 구조

로 정의합니다.  단일 AI가 모든 일을 처리하는 방식에서 벗어나, 특정 분야에 특화된 여러 에이전트가 유기적으로 협력하는 구조를 설명합니다. 각 에이전트는 독립적인 의사결정 능력을 갖추고 서로 정보를 교환하며, 이를 통해 대규모 비즈니스 프로세스에서 발생하는 복잡한 변수들을 효과적으로 제어할 수 있습니다. 특히 에이전트 간의 '조정(Coordination)' 능력이 시스템 전체의 생산성을 결정짓는 핵심 요소임을 강조합니다.

2. Multi-Agent AI Is Coming Fast. Here’s How to Prepare 

기업이 멀티 에이전트 환경을 성공적으로 도입하기 위해 갖춰야 할 네 가지 축인 데이터, 통합, 거버넌스, 오케스트레이션을 설명합니다. 에이전트들이 정확한 판단을 내릴 수 있도록 '신뢰할 수 있는 데이터 레이어' 를 구축하는 것이 최우선이며, 각 에이전트의 권한 범위를 설정하는 명확한 가이드라인이 필요합니다. 또한 시스템 간의 충돌을 방지하기 위한 중앙 관리 체계의 중요성을 설명하는 글입니다. 

3. Inside the Brain of Agentforce: Revealing the Atlas Reasoning Engine

Agentforce 360 출시와 함께, Atlas Reasoning Engine 역시 기존 Java 기반의 Planner 에서 Python 기반의 Planner 로 변화하고, Agent Script가 발표되었습니다. 이러한 Reasoning engine의 변화는 Agent가 deterministic하게 동작하도록 지원하고, Multi-Agent 환경에서 Orchestration을 원활하게 수행하기 위함입니다. Software Engineering SVP인 Phil Mui 님의 기고를 읽어 보시는 것을 추천 드립니다. 

4. Salesforce Expands MuleSoft Agent Fabric with Automated Discovery for Any AI Agent or Tool 

Multi-agent 환경은, 당연히 세일즈포스 플랫폼 위에서의 Agent 들 간의 소통을 의미하는 것은 아닙니다. 익히 들어보신 것 처럼 MCP, A2A기반으로, 서로 다른 플랫폼 위의 에이전트들을 연결할 수 있습니다.  Mulesoft의 'Agent Fabric'은 이처럼 서로 다른 플랫폼에서 개발된 에이전트들이 마치 하나의 팀처럼 작동할 수 있도록 연결하는 가교 역할을 합니다. '자동화된 에이전트 검색(Automated Discovery)' 기능을 통해 기업 내에 존재하는 수많은 API와 도구들을 에이전트가 스스로 찾아내고 활용할 수 있는 환경을 조성합니다. 이는 기술적 파편화를 해결하고, 에이전트가 기업의 방대한 자산을 실시간으로 탐색하여 업무에 즉시 투입될 수 있도록 돕는 솔루션입니다.

위 네 가지 글은, Salesforce가 Multi-Agent 환경을 어떻게 바라보고, Agentforce를 설계하고 발전시켰으며, 이를 어떻게 연결할 수 있는지에 대한 내용입니다. 자세한 내용은 각 글을 참조해주세요. 

감사합니다.