Aktionen während des Gesprächs: Wie Agenten Tools ausführen, ohne den Fluss zu unterbrechen

Ein Sprachagent, der nur sprechen kann, ist ein Novum. Ein Sprachagent, der während des Gesprächs Termine buchen, Konten nachschlagen, Zahlungen verarbeiten und Datensätze aktualisieren kann, ist ein Tool. Die Herausforderung: Jede Aktion führt zu Latenz. Wenn der Agent beim Aufruf einer API drei Sekunden lang stumm bleibt, geht der Anrufer davon aus, dass die Verbindung unterbrochen wurde.

Das Latenzproblem bei Aktionen

Eine typische CRM-Suche dauert 200–500 ms. Eine Kalenderverfügbarkeitsprüfung: 300–800 ms. Ein Zahlungs-API-Aufruf: 500–1500 ms. Während dieser Zeit ist der Audiostream stumm. Ohne Kontaktaufnahme hört der Anrufer tote Luft und beginnt zu sagen: „Hallo?“ Bist du da?' – das Gespräch entgleisen lassen.

Wie Agent Canvas damit umgeht

Aktionsknoten im Agent Canvas unterstützen das Füllverhalten während der Ausführung der Aktion. Der Agent sagt „Lassen Sie mich das für Sie überprüfen“ und hält einen natürlichen Gesprächsraum mit kurzen Statusaktualisierungen bereit, während der API-Aufruf im Hintergrund ausgeführt wird. Der Audiostream verstummt nie. Wenn die Aktion abgeschlossen ist, integriert der Agent das Ergebnis nahtlos in die nächste Antwort. Der Anrufer erlebt eine natürliche Pause – keine technische Auszeit.

Parallele vs. sequentielle Aktionen

Wenn der Agent mehrere Datenpunkte benötigt (Kundenname aus CRM + Kalenderverfügbarkeit + Kontostand), erhöht die sequenzielle Ausführung dieser Datenpunkte die Latenz. Agent Canvas unterstützt die parallele Aktionsausführung: Alle drei API-Aufrufe gleichzeitig auslösen, die Ergebnisse kombinieren und einmal antworten. Dadurch wird eine sequentielle Kette von 1,5 Sekunden auf eine parallele Ausführung von 500 ms reduziert – ein Unterschied, den der Anrufer spüren kann.