Esta guía te acompaña paso a paso en el proceso de despliegue de Agentforce, resaltando los componentes clave y consideraciones a tener en cuenta.
Agentforce es una aplicación autónoma potenciada por AI que ofrece soporte especializado y siempre disponible a empleados o clientes. Podés empoderarla con datos y conocimientos propios de tu negocio para que ejecute tareas específicas según su rol.
Hasta ahora, aprendimos bastante en Trailhead sobre cómo configurar diferentes tipos de agents para distintos propósitos. Incluso encontramos agents preconfigurados para Sales y Service que podemos activar y poner en marcha en menos de 10 minutos.
Encuentra algunos casos aqui
¿Y si integramos la configuración de estos agentes en nuestro proceso habitual de DevOps?
¡Ahora podemos hacerlo!
Con el release Winter ’25, Salesforce introdujo nuevos tipos de metadata para Agentforce (GenAi), lo que abre la puerta al mundo DevOps, donde usamos Metadata API y comandos de Salesforce CLI en nuestros pipelines de automatización para aplicar buenas prácticas en la plataforma.
Agentforce Metadata
NOTE: los GenAi metadata types son compatibles con Metadata API versión 60 o superior.
Veamos cuáles son los nuevos tipos de metadata para Agentforce:
- GenAiPlanner (Agent): Representa el motor de razonamiento del agent, que usa un Large Language Model (LLM) y una estrategia de razonamiento para dividir una tarea en subtareas, identificar las mejores acciones para cada una e invocarlas.
- GenAiPlugin (Topic): Representa un topic, es decir, una categoría de acciones relacionadas con un job-to-be-done del agent.
- GenAiFunction (Action): Representa una acción que puede ser añadida a un AI agent.
- GenAiPromptTemplate: Representa la definición de un prompt template, incluyendo objetos y campos relacionados.
Con estos tipos de metadatos, puede crear un manifiesto (package.xml) para recuperar todos sus componentes de agente de un sandbox y trasladarlos a un entorno de pruebas, como UAT o una organización de producción.
¿Cómo desplegar Agentforce? Paso a paso
¡Esperá! Antes de desplegar, hay varios puntos clave a tener en cuenta:
- Debés incluir también los metadata types Bot y BotVersion en tu package.
- Es fundamental entender todas las dependencias del agent con otros componentes como Flows, Apex Classes y sObjects, ya que también deben desplegarse.
- En el entorno destino, Einstein Bot y Agents deben estar habilitados desde Setup antes del despliegue.
- La versión del agent será sobrescrita con el despliegue, por lo que se recomienda seguir este flujo:
- Crear y configurar una nueva versión en sandbox
- Testearla y obtener aprobación
- Clonar la versión existente en el entorno destino
- Hacer el despliegue
- Validar en el nuevo entorno
- Crear y configurar una nueva versión en sandbox
- Todos los datos que usa el agent deben estar disponibles en el entorno destino.
Se trata de un package.xml genérico que puede utilizar para recuperar y desplegar los metadatos de su agente:
A continuación, podés ver un ejemplo de estructura de proyecto y los componentes que se recuperan tras ejecutar la extracción del agent.
Herramientas que ya soportan Agentforce deployment
Los nuevos metadata types de Agentforce permiten que herramientas DevOps como Salesforce DevOps Center incluyan estos elementos en sus despliegues.
De hecho, algunas plataformas ya los incorporaron para automatizar procesos y brindar guías paso a paso:
¿Qué sigue en tu recorrido con Agentforce?
Desplegar Agentforce en producción abre un mundo de posibilidades… y también implica una gran responsabilidad. Desde la gestión de dependencias hasta la administración de metadata entre entornos, está claro que el éxito depende de hacer las cosas bien desde el inicio.
En Cloudgaia venimos trabajando de cerca con estas herramientas y acompañando a diferentes equipos a pasar de la idea al impacto real. Si estás experimentando con AI agents o buscando escalar tu implementación, siempre estamos abiertos a compartir lo que fuimos aprendiendo.
¿Querés saber cómo lo están haciendo otras empresas?
