탐색으로 건너뛰기

빠른 시작

최단 5분 만에 첫 대화형 에이전트를 구축하세요.

이 가이드에서는 첫 대화형 에이전트를 만드는 방법을 알아봅니다. 이를 바탕으로 비즈니스 사용 사례에 맞는 대화형 워크플로를 구축할 수 있습니다. 코딩 에이전트에게 설정을 맡기거나, 아래 단계를 직접 따라 해 보세요.

코딩 에이전트로 설정하기

시작하기 전에 계정이나 API 키가 필요하지 않습니다. 아래 내용을 코딩 에이전트에 붙여넣으세요.

Add ElevenLabs to my project: run `npx -y @elevenlabs/cli@latest onboard init` and follow what it prints.

이후에는 ElevenLabs CLI가 진행을 맡아 코딩 에이전트에 각 단계를 안내합니다. 브라우저가 한 번 열리면 로그인하거나 계정을 만들고 Authorize를 클릭하세요. 키는 프로젝트의 환경 변수 파일(Python 프로젝트에서는 .env.local 또는 .env)에 저장되며 git에는 포함되지 않습니다. 채팅에 표시되지도 않습니다. 코딩 에이전트가 만들고 싶은 것을 물으면, 에이전트가 수행할 작업과 사람들이 에이전트와 대화할 위치를 설명하세요. 예를 들어 웹사이트의 위젯이나 앱의 음성 버튼 등이 있습니다. 그러면 코딩 에이전트가 에이전트를 만들고 앱에 추가한 뒤, 테스트할 수 있는 링크를 제공합니다.

코딩 에이전트가 SSH를 통한 원격 머신이나 클라우드 샌드박스처럼 브라우저에서 접근할 수 없는 환경에서 실행되는 경우, CLI는 직접 키를 생성하여 환경 변수 파일에 붙여넣으라고 요청한 후 계속 진행합니다. 이 명령에는 npx를 위한 Node.js가 필요합니다. Node.js가 없다면 Homebrew(macOS 및 Linux) 또는 Scoop(Windows)으로 ElevenLabs CLI를 설치하거나, 이미 설치되어 있다면 업데이트하세요(brew upgrade elevenlabs, scoop update elevenlabs). 그런 다음 코딩 에이전트에게 대신 elevenlabs onboard init를 실행해 달라고 요청하세요.

이후 에이전트 작업을 위해 코딩 에이전트에 ElevenLabs agents skill을 유지하려면 설치하세요.

npx skills add elevenlabs/skills --skill agents

대신 Claude, ChatGPT 또는 다른 MCP 클라이언트에서 에이전트를 구축하려면 호스팅 MCP 서버를 연결하세요.

시작하기

ElevenLabs Agents는 ElevenAgents 대시보드, ElevenLabs API, Agents CLI 또는 호스팅 MCP 서버를 통해 관리할 수 있습니다.

ElevenLabs Agents

이 페이지 오른쪽 아래의 어시스턴트는 ElevenLabs에 관한 질문에 답하고, 페이지를 탐색하며, 외부 리소스로 안내할 수 있는 ElevenLabs 에이전트의 예시입니다.

첫 에이전트 만들기

이 빠른 시작 가이드에서는 먼저 API 또는 웹 대시보드를 통해 에이전트를 만듭니다. 다음으로 웹사이트에 에이전트를 삽입하거나 ElevenLabs 대시보드에서 테스트합니다.

이 가이드에서는 제품, 문서 또는 서비스에 관한 질문에 답할 수 있는 대화형 지원 어시스턴트를 만듭니다. 이 어시스턴트는 웹사이트나 앱에 삽입하여 고객에게 실시간 지원을 제공할 수 있습니다.

ElevenLabs Agents

이 페이지 오른쪽 아래의 어시스턴트는 ElevenLabs에 관한 질문에 답하고, 페이지를 탐색하며, 외부 리소스로 안내할 수 있습니다.
1

ElevenLabs 로그인

elevenlabs.io로 이동해 로그인하거나 계정을 만드세요.

2

새 어시스턴트 만들기

ElevenLabs 대시보드에서 이름을 입력하고 Blank template 옵션을 선택해 새 어시스턴트를 만드세요.

대시보드

새 어시스턴트 만들기
3

어시스턴트 동작 구성

Agent 탭으로 이동하여 어시스턴트의 동작을 구성하세요. 다음을 설정합니다.

1

첫 메시지

사용자가 대화를 시작할 때 어시스턴트가 처음으로 소리 내어 말하는 메시지입니다.

첫 메시지
Hi, this is Alexis from <company name> support. How can I help you today?
2

시스템 프롬프트

이 프롬프트는 어시스턴트의 동작, 작업 및 성격을 안내합니다.

다음 예시를 회사 정보에 맞게 수정하세요.

시스템 프롬프트
You are a friendly and efficient virtual assistant for [Your Company Name]. Your role is to assist customers by answering questions about the company's products, services, and documentation. You should use the provided knowledge base to offer accurate and helpful responses.
Tasks:
- Answer Questions: Provide clear and concise answers based on the available information.
- Clarify Unclear Requests: Politely ask for more details if the customer's question is not clear.
Guidelines:
- Maintain a friendly and professional tone throughout the conversation.
- Be patient and attentive to the customer's needs.
- If unsure about any information, politely ask the customer to repeat or clarify.
- Avoid discussing topics unrelated to the company's products or services.
- Aim to provide concise answers. Limit responses to a couple of sentences and let the user guide you on where to provide more detail.
4

지식 베이스 추가

Knowledge Base 섹션으로 이동해 어시스턴트에 비즈니스 관련 컨텍스트를 제공하세요.

여기에서 관련 문서와 외부 리소스 링크를 업로드할 수 있습니다.

  • 문서, FAQ 및 기타 리소스를 포함해 어시스턴트가 고객 문의에 응답할 수 있도록 하세요.
  • 어시스턴트가 정확하고 최신의 정보를 제공하도록 지식 베이스를 최신 상태로 유지하세요.

다음으로 어시스턴트의 음성을 구성합니다.

1

음성 선택

Voice 탭에서 보이스 라이브러리에서 어시스턴트에 가장 잘 맞는 음성을 선택하세요.

음성 설정

더 높은 품질의 음성, 모델 및 LLM을 사용하면 응답 시간이 늘어날 수 있습니다. 최적의 고객 경험을 위해 어시스턴트의 예상 사용 사례에 따라 품질과 지연 시간의 균형을 맞추세요.
2

어시스턴트 테스트

Test AI agent 버튼을 누르고 어시스턴트와 대화해 보세요.

대화를 분석하고 어시스턴트 성능을 개선할 수 있도록 평가 기준과 데이터 수집을 구성하세요.

1

평가 기준 구성

어시스턴트 설정의 Analysis 탭으로 이동하여 대화 평가를 위한 맞춤 기준을 정의하세요.

분석 설정

각 대화 기록은 특정 목표가 달성되었는지 확인하기 위해 LLM에 전달됩니다. 결과는 선택한 결과를 설명하는 근거와 함께 success, failure 또는 unknown으로 표시됩니다.

이름이 solved_user_inquiry인 평가 기준을 추가해 보겠습니다.

프롬프트
The assistant was able to answer all of the queries or redirect them to a relevant support channel.
Success Criteria:
- All user queries were answered satisfactorily.
- The user was redirected to a relevant support channel if needed.
2

데이터 수집 구성

Data collection 섹션에서 각 대화에서 추출할 세부 정보를 구성하세요.

Add item을 클릭하고 다음과 같이 구성하세요.

  1. 데이터 유형: “string” 선택
  2. 식별자: 이 데이터 포인트의 고유 식별자 입력: user_question
  3. 설명: 기록에서 특정 데이터를 추출하는 방법에 관해 LLM에 자세한 지침을 제공하세요.
프롬프트
Extract the user's questions & inquiries from the conversation.
고객 역할을 맡아 어시스턴트를 테스트해 보세요. 질문을 하고, 응답을 평가하고, 성능이 만족스러울 때까지 프롬프트를 조정하세요.
3

대화 기록 보기

Call history 탭에서 각 대화의 평가 결과와 수집된 데이터를 확인하세요.

대화 기록

일반적인 문제와 패턴을 파악할 수 있도록 대화 기록을 정기적으로 검토하세요.

새로 만든 에이전트는 다양한 방식으로 테스트할 수 있지만, 가장 빠른 방법은 ElevenLabs 대시보드를 사용하는 것입니다.

웹 대시보드는 내부적으로 React SDK를 사용하여 실시간 대화를 처리합니다.

대신 자체 웹사이트에서 에이전트를 빠르게 테스트하려면 Agent 위젯을 사용할 수 있습니다. 다음 HTML 스니펫을 웹사이트에 붙여넣고, agent-id를 에이전트 ID로 바꾸세요.

<elevenlabs-convai agent-id="agent-id"></elevenlabs-convai>
<script src="https://unpkg.com/@elevenlabs/convai-widget-embed" async type="text/javascript"></script>

다음 단계

이 빠른 시작 가이드에 이어 다음을 통합하여 에이전트의 효과를 높일 수 있습니다.

  • 도메인별 정보를 제공하는 지식 베이스
  • 사용자를 대신해 작업을 수행할 수 있도록 하는 도구
  • 특정 대화에 대한 액세스를 제한하는 인증
  • 대화를 분석하고 성능을 개선하는 성공 평가
  • 대화에 관한 데이터를 수집하고 성능을 개선하는 데이터 수집
  • 대화 기록을 확인하고 성능을 개선하는 대화 보존