Configure Celigo AI agents and guardrails
Construire des étapes d'import alimentées par LLM et des guardrails de sécurité dans les flux Celigo — choix du fournisseur (OpenAI/Gemini), design de prompts, sorties structurées, BYOK, guardrails PII et modération
- Quoi
- Construire des étapes d'import alimentées par LLM et des guardrails de sécurité dans les flux Celigo — choix du fournisseur (OpenAI/Gemini), design de prompts, sorties structurées, BYOK, guardrails PII et modération
- Coût
- Gratuit
- Prérequis
- un compte de plateforme Celigo (iPaaS payant — l'usage des agents IA sur Celigo AI compte contre le quota mensuel de tokens IA du compte) ; optionnellement votre propre clé API fournisseur pour le BYOK (obligatoire pour les fournisseurs du catalogue) — le skill est un guide que l'agent suit, pas un logiciel
- Installation
- Copiez le prompt d’installation ci-dessous dans votre Muse — votre agent fait le reste.
💳 Compte Celigo payant requis — Celigo est une plateforme d'intégration payante (iPaaS), et l'usage des agents IA compte contre le quota mensuel de tokens IA du compte. Sélectionné par Skill Harbor — le skill de @celigo pour configurer les agents IA et guardrails : un agent IA est une étape d'import alimentée par LLM dans un flux Celigo (les enregistrements entrent, le modèle classifie/extrait/valide/génère, la sortie structurée retourne dans le pipeline) ; un guardrail rend un verdict fixe (`flagged: true|false`) sur lequel le flux parent route — détection/masquage PII, modération de contenu, ou validation IA custom. Le skill couvre le choix du fournisseur (fournisseurs intégrés — OpenAI via l'API Responses, Gemini et Anthropic via proxy LiteLLM — plus les fournisseurs du catalogue BYOK seulement), le design de prompts, les sorties structurées (`json_schema`/`text`/`blob`), l'usage d'outils (recherche web, outils, prompts et ressources MCP, Celigo Tools, génération d'images, exécution de code en BYOK), le fan-out one-to-many sur les items d'un tableau, le response mapping, l'historique de conversation via un identifiant stable, la décision Celigo AI vs BYOK (identifiants gérés par la plateforme avec liste de modèles restreinte et quota de tokens vs votre propre clé API), une vérification des capacités avant de construire, les commandes CLI (`celigo ai-agents`, `celigo guardrails`), une checklist pré-soumission, les pièges (PUT efface les champs omis, `adaptorType` sensible à la casse, les IDs de modèles Gemini sont stockés nus, sans préfixe `gemini/`), et une table d'erreurs courantes. Mis à jour le 22 octobre 2026 : le fichier renverse la règle du modèle hébergé — l'enregistrement refuse maintenant un modèle que la plateforme n'héberge pas, avec un message qui ne liste pas les modèles hébergés (le texte précédent disait qu'un modèle non hébergé s'enregistre et échoue au premier run) — et ajoute l'exécution de code intégrée du fournisseur (BYOK seulement), les prompts et ressources en lecture seule MCP à côté des outils MCP, le fan-out one-to-many sur les items d'un tableau, le soin schemaMode pour un `json_schema` écrit à la main, la sortie blob restreinte à OpenAI et Gemini, et des limites de raisonnement et de température corrigées par fournisseur. Bémols honnêtes : inutile sans compte de plateforme Celigo — la CLI, les schémas et les quotas vivent là ; le BYOK déplace les coûts vers votre propre facturation fournisseur. Licence MIT. Skill Harbor ne vérifie jamais le code, examinez-le vous-même avant usage. Découvert via skills.sh.
Version :
Réponse rapide
Configure Celigo AI agents and guardrails est un skill gratuit pour Muse qui construit des étapes d'import et des guardrails, en couvrant le choix du fournisseur OpenAI ou Gemini, le design de prompts, les sorties structurées, le BYOK et les guardrails PII et de modération, pour que les données importées passent par des vérifications avant d'atterrir dans vos systèmes.
Installation
Copiez le dossier d’installation ci-dessous, puis collez-le dans Muse🧪 Installation exécutée dans notre sandbox de test · 11 nov. 2026📌 Version épinglée : commit e8c094fÉtape 0, avant d'installer quoi que ce soit : lis ce prompt d'installation, résume en quelques lignes ce que ce build fait et ce que l'installation implique, puis demande-moi de confirmer avant de continuer. Prérequis : un compte de plateforme Celigo (iPaaS payant — l'usage des agents IA sur Celigo AI compte contre le quota mensuel de tokens IA du compte) ; optionnellement votre propre clé API fournisseur pour le BYOK (obligatoire pour les fournisseurs du catalogue) — le skill est un guide que l'agent suit, pas un logiciel Installe-moi « Configurer les agents IA et guardrails Celigo ». Il donne à mon agent le workflow de @celigo pour construire des étapes d'import alimentées par LLM (agents IA) et des guardrails dans les flux Celigo : les deux familles de fournisseurs (les fournisseurs intégrés — OpenAI via l'API Responses, et Gemini et Anthropic Claude via le proxy LiteLLM — et les fournisseurs du catalogue BYOK seulement, Mistral, xAI, Hugging Face, DeepSeek, Cohere et Groq), le design de prompts, les sorties structurées (json_schema/text/blob), l'usage d'outils (recherche web, outils, prompts et ressources MCP, Celigo Tools, génération d'images, exécution de code en BYOK), le fan-out one-to-many sur les items d'un tableau, le response mapping, l'historique de conversation via un identifiant stable, la décision Celigo AI vs BYOK, une vérification des capacités avant de construire, les commandes CLI (celigo ai-agents, celigo guardrails), une checklist pré-soumission, les pièges et une table d'erreurs courantes, par @celigo, licence MIT. Dépôt : https://raw.githubusercontent.com/celigo/ai/e8c094fcc8cf38f8aed63f253d7b8d46a6c7fb24/skills/configuring-ai-agents/SKILL.md (le skill est tout le dossier skills/configuring-ai-agents/ à ce commit : SKILL.md plus son sous-dossier references/, avec 36 fichiers de schémas YAML répartis dans references/schemas/, references/common-schemas/ et references/guardrail-schemas/) Version épinglée : installe le code au commit e8c094fcc8cf38f8aed63f253d7b8d46a6c7fb24 exactement (Skill Harbor a testé cette version). Ne substitue pas une version plus récente. Si ce commit est inaccessible, arrête-toi et dis-le-moi. Mis à jour le 22 octobre 2026 : Skill Harbor a régénéré ce prompt d'installation depuis le fichier amont actuel (SKILL.md, 28 861 → 35 553 caractères). Une correction renverse ce que le prompt précédent disait, et plusieurs capacités sont nouvelles ; le prompt précédent est corrigé partout où le fichier dit maintenant autre chose. Ce qui a changé : (1) CORRECTION — le contrôle du modèle hébergé se fait maintenant à l'enregistrement. Le prompt précédent disait qu'un modèle non hébergé sur Celigo AI s'enregistre et que son premier run échoue avec 422 invalid_model, dont le message liste les modèles hébergés. Le fichier dit maintenant le contraire : l'enregistrement vérifie le modèle, et une création ou une mise à jour avec tout autre modèle échoue avec 422 `Model "<model>" is not supported. Please choose a supported model and test your agent configuration.` Le message ne liste pas les modèles hébergés, donc choisis un modèle dans les exemples de references/schemas/aiagent.yml ou copie celui d'un agent existant qui fonctionne. En BYOK, un modèle hors de la liste hébergée s'enregistre et passe au fournisseur tel quel. (2) Nouvel outil : l'exécution de code intégrée du fournisseur (code_execution chez OpenAI, codeExecution chez Gemini et Anthropic), BYOK seulement — sur Celigo AI, l'enregistrement l'accepte mais le run est refusé avec 422 `Code Execution requires a BYOK connection.` N'envoie que {"type": ...}, dans l'orthographe du fournisseur ; l'autre orthographe fait échouer l'enregistrement. (3) Une connexion MCP peut maintenant aussi donner à l'agent des prompts et des ressources en lecture seule, à côté de ses outils : "prompts": [{"type": "mcp", "mcp": {"_mcpConnectionId": "…", "allowedPrompts": ["…"]}}] et "resources": [{"type": "mcp", "mcp": {"_mcpConnectionId": "…", "allowedResources": [{"name": "…", "uri": "…"}]}}] (au moins une entrée de ressource). L'enregistrement ne vérifie que leur forme et l'existence de la connexion, donc copie les noms de prompts et les URI de ressources depuis le catalogue du serveur ; si le serveur est injoignable au moment du run, chaque enregistrement échoue avec mcp_connection_error avant l'appel au modèle. Les prompts et les ressources sont du contenu en lecture seule, pas des actions. (4) Nouveau : le fan-out one-to-many — règle oneToMany: true et pathToMany sur un champ tableau pour juger chaque item séparément ; chaque item devient son propre enregistrement et son propre appel au modèle facturé, portant les autres champs du parent sous _PARENT, et les items sont rejoints dans l'enregistrement parent avant l'étape suivante. (5) Écrire jsonSchema soi-même chez un fournisseur intégré : mets schemaMode: "json" à côté et renvoie-le à chaque mise à jour complète — un PUT qui l'omet l'efface, et sans lui l'interface ouvre le schéma dans son éditeur visuel, dont l'enregistrement suivant laisse tomber les mots-clés qu'il ne conserve pas (format, const, $ref, anyOf, additionalProperties, …) et transforme integer en number. Chez OpenAI, un additionalProperties de niveau racine est retiré de jsonSchema à l'enregistrement (ceux imbriqués restent). (6) La sortie blob est maintenant réservée à OpenAI et Gemini : l'enregistrement la refuse avec 422 chez Anthropic et chez les fournisseurs du catalogue. (7) Limites de raisonnement et d'échantillonnage corrigées : les modèles OpenAI -pro commencent à reasoning.effort "medium" ("low" s'enregistre mais le run est refusé) ; la pensée de Claude est _overrides.anthropic.thinkingConfig — type: "enabled" avec budgetTokens (1024 ou plus ; l'enregistrement refuse enabled sans lui) ou type: "adaptive" avec un effort ; Anthropic accepte une température de 0 à 1 seulement (une valeur plus haute fait échouer l'enregistrement), OpenAI et Gemini montent à 2 ; laisse topK de côté sur les modèles Claude sortis après Claude Opus 4.6, qui le refusent au moment du run. L'outil de recherche web d'Anthropic est webSearch, avec allowedDomains ou blockedDomains, pas les deux. (8) Le plafond du prompt système est maintenant énoncé jusqu'à 1 000 000 de caractères chez les fournisseurs intégrés (le fichier disait 50 KB avant). Un agent n'a ni déclencheur ni horaire propre : il roule quand un flux, une API ou un outil lui remet un enregistrement, ou quand une demande de chat lui envoie un message — une demande comme « chaque matin » exige de construire aussi le flux parent. Le mapping d'entrée est des lignes mappings Mapper 2.0 (avec inputContext: "envelope", leurs chemins extract lisent l'enveloppe du run), avec les hooks preMap/postMap/postSubmit et aucun hook postAggregate. (9) Précisions invoke et prévisualisation : une prévisualisation n'évalue que le premier enregistrement ; un mockResponse doit contenir des enregistrements de résultat ([{"statusCode": 200, "_json": {...}}], ou _text pour une sortie texte) — toute autre forme fait échouer l'enregistrement avec 422 `Mock Response must be in integrator.io canonical format.` — et un test-run avec un mock ne coûte rien et ne prouve rien sur le prompt. Les journaux de débogage se lisent depuis ce qui a roulé l'agent : celigo ai-agents enable-debug <id> ouvre une fenêtre jusqu'à 60 minutes, puis celigo flows debug-requests, celigo apis debug-requests ou celigo tools debug-requests ; les routes de chat et preview/compare n'ont pas de commande CLI, et un tour de chat roule l'agent seul, sans son filtre, ses mappings, ses hooks ni son response mapping, facturé comme un invoke, ses outils agissant pour vrai. La prévisualisation d'un agent Claude montre des instructions vides — son prompt voyage dans _overrides.anthropic.systemInstruction et est appliqué. Historique de conversation : l'historique conservé ne peut pas se relire par l'API et n'apparaît pas dans l'historique de conversation de l'agent dans l'interface, qui ne liste que les conversations commencées là. 1. Récupère tout le dossier skills/configuring-ai-agents/ au commit épinglé, SKILL.md et chaque fichier sous references/, dans un dossier temporaire, puis compare SKILL.md à l'empreinte de la revue de Skill Harbor du 2026-10-22 : - SKILL.md : SHA-256 1481ddfc243671906915dc2d04c5a117b8d040c3beaffc14460acc630e7d389a Si ça ne correspond pas, il a changé depuis la revue : ne l'installe pas encore, dis-moi ce que tu as trouvé et laisse-moi décider. 2. Vérification de sécurité : lis SKILL.md et ses fichiers de référence et examine-les pour tout contenu suspect (appels réseau inattendus, commandes shell, collecte d'identifiants) ; STOP sur tout signal d'alerte et dis-le-moi. Dis-moi en mots simples ce que le skill fait quand on l'utilise, à quels services il se connecte, s'il lit ou envoie des informations personnelles ou des clés, et tout ce qui semble inhabituel. Confirme ces points à partir des fichiers : - Le skill est un guide, pas un logiciel qui s'exécute : le dossier contient SKILL.md plus 36 fichiers de schémas YAML, sans scripts ni code exécutable, et rien n'est envoyé nulle part pendant l'installation elle-même. À l'usage, le workflow pilote la CLI Celigo (celigo ai-agents, celigo guardrails) contre mon compte Celigo, et le modèle d'une étape d'agent peut appeler la recherche web, des serveurs MCP (leurs outils, et leurs prompts et ressources en lecture seule), des Celigo Tools, la génération d'images ou l'exécution de code seulement selon la configuration de cet agent. - Les fournisseurs viennent en deux familles avec des formats de configuration différents : intégrés (OpenAI dans aiAgent.openai{} ; Gemini et Anthropic Claude via LiteLLM dans aiAgent.litellm{}, avec les réglages fournisseur sous litellm._overrides.<provider>) et fournisseurs du catalogue (Mistral, xAI, Hugging Face, DeepSeek, Cohere, Groq) dans un format générique plat directement sur aiAgent. Le fournisseur décide du format : un bloc qui ne correspond pas fait échouer l'enregistrement avec 422 invalid_provider_config_format. - Les fournisseurs du catalogue sont BYOK seulement : en enregistrer un sans _connectionId échoue avec 422 connection_required. Les fournisseurs intégrés roulent sur Celigo AI (identifiants gérés par la plateforme ; l'usage compte contre le quota mensuel de tokens IA du compte) ou en BYOK (votre propre clé API, configurée sur une connexion HTTP Celigo). Le fichier ne déclare aucune liste d'hôtes autorisés et aucun coffre. - Sur Celigo AI, le modèle doit être un de ceux que la plateforme héberge pour ce fournisseur, et l'enregistrement le vérifie : une création ou une mise à jour avec tout autre modèle échoue avec 422 `Model "<model>" is not supported. Please choose a supported model and test your agent configuration.` — le message ne liste pas les modèles hébergés, et rien n'est substitué silencieusement. En BYOK, un modèle hors de la liste hébergée s'enregistre et passe au fournisseur tel quel. Les IDs de modèles Gemini sont stockés nus, sans préfixe gemini/. - Les instructions vivent à un chemin différent par famille (aiAgent.openai.instructions ; aiAgent.litellm._overrides.<provider>.systemInstruction ; aiAgent.instructions pour les fournisseurs du catalogue), et le mauvais chemin produit silencieusement un agent sans instructions. adaptorType est sensible à la casse : AiAgentImport, GuardrailImport. - Un guardrail rend un verdict fixe (flagged: true|false) sur lequel le flux parent route — les guardrails signalent, ils ne bloquent jamais d'eux-mêmes. Les trois sous-types sont pii (détecter et masquer au besoin — mask: true retourne le texte masqué sous un champ de résultat de premier niveau masked, visible en aval seulement si le response mapping de l'étape l'écrit en retour), moderation et ai_agent (validation IA custom) ; l'entrée d'un guardrail est sélectionnée par mapping, un objet Mapper 1.0, et non par des lignes mappings Mapper 2.0. Le response mapping se configure sur l'entrée pageProcessors[] du flux, pas sur l'agent, dans la forme {"fields": [{"extract": "_json.<champ>", "generate": "<champ>"}]} ; une réponse json_schema est disponible via _json. - Invoquer est un vrai run facturé : celigo ai-agents invoke (un agent enregistré, ou un document en prévisualisation sans id) ne crée aucun job, mais le modèle est appelé et facturé — crédits IA sur Celigo AI, le propriétaire de la clé en BYOK — et les outils de l'agent (serveurs MCP, Celigo Tools, recherche web) agissent pour vrai. Une prévisualisation n'évalue que le premier enregistrement. N'invoque un agent dont les outils peuvent écrire qu'avec mon accord ; pour tester le flux autour sans appeler le modèle, utilise un mockResponse d'enregistrements de résultat canoniques ([{"statusCode": 200, "_json": {...}}], ou _text pour une sortie texte — toute autre forme fait échouer l'enregistrement) et celigo flows test-run ; le run avec mock ne coûte rien et ne prouve rien sur le prompt. - L'entrée files dépend du réglage Intelligent document processing du compte (désactivé par défaut, à l'échelle du compte, propriétaire/administrateur seulement, dans l'interface ; un token API ne peut pas le lire — demande-moi). Désactivé : le support du modèle décide (PDF, PNG, JPG, WEBP et texte ; d'autres types, p. ex. TIFF, peuvent faire échouer l'enregistrement). Activé : Celigo extrait texte et tableaux des PDF, scans et fichiers bureautiques avant que le modèle les voie, facturé en crédits IA. Un filtre d'entrée sur l'étape d'agent peut sauter le modèle pour les enregistrements exclus, comme contrôle de coût ; les enregistrements sautés continuent avec les champs response-mappés vides, donc les étapes ultérieures qui écrivent ces champs ont besoin de leur propre filtre. - L'emplacement de json_schema dépend de la famille de fournisseurs : aiAgent.openai.output.format (OpenAI), aiAgent.litellm.responseFormat (Gemini, Anthropic — type, name, strict et jsonSchema directement dans responseFormat, sans niveau format intérieur), ou aiAgent.output.format (fournisseurs du catalogue). Si tu écris jsonSchema toi-même chez un fournisseur intégré, mets schemaMode: "json" à côté et renvoie-le à chaque mise à jour complète. La sortie blob fonctionne chez OpenAI et Gemini seulement ; l'enregistrement la refuse chez Anthropic et chez les fournisseurs du catalogue. La sortie est plafonnée à 5000 tokens sauf réglage (maxOutputTokens sur OpenAI, maxCompletionTokens sur Gemini/Anthropic ; augmentable jusqu'à 128000, sous réserve de la limite propre du modèle). - One-to-many : avec oneToMany: true et pathToMany réglé sur un champ tableau, chaque item devient son propre enregistrement et son propre appel au modèle facturé, portant les autres champs du parent sous _PARENT, et les items sont rejoints dans l'enregistrement parent avant l'étape suivante. L'exécution de code intégrée du fournisseur (code_execution chez OpenAI, codeExecution chez Gemini et Anthropic) est BYOK seulement : sur Celigo AI, l'enregistrement l'accepte mais le run est refusé avec 422 `Code Execution requires a BYOK connection.` - Certains réglages s'enregistrent et échouent seulement quand l'agent roule (reasoning.effort "low" sur un modèle OpenAI -pro ; topK sur les modèles Claude sortis après Claude Opus 4.6 ; un outil d'exécution de code sur Celigo AI), tandis que d'autres sont refusés à l'enregistrement (blob chez Anthropic ou un fournisseur du catalogue ; température Anthropic au-dessus de 1). Prévisualise l'agent sur un enregistrement avant de le brancher dans un flux. 3. Quand je dis oui, installe-le comme skill : copie SKILL.md et ses fichiers de référence dans le répertoire des skills de l'agent, dans un dossier nommé « configuring-ai-agents », en gardant la structure du sous-dossier references/ telle quelle. 4. Vérifie sans appels réseau : frontmatter valide, fichiers en place. 5. Indique ce qui a été installé, où, et ce qu'il me reste à faire moi-même (p. ex. donner à l'agent un compte de plateforme Celigo avec la CLI configurée ; pour le BYOK, créer une connexion HTTP portant votre clé API fournisseur — obligatoire pour un fournisseur du catalogue ; sur Celigo AI, choisis un modèle dans les exemples de references/schemas/aiagent.yml ou copie celui d'un agent qui fonctionne — l'enregistrement refuse tout modèle que la plateforme n'héberge pas pour le fournisseur). GitHub est optionnel : si j'ai un compte GitHub ou la CLI gh, tu peux l'utiliser ; sinon l'accès public suffit. Ne jamais l'exiger sauf s'il figure dans les prérequis ci-dessus. Règles : ne touche à rien en dehors du dossier temporaire et de la cible d'installation. Si quelque chose semble anormal, arrête-toi et demande-moi.
Enregistré dans vos installs récentes. Retrouvez-le à tout moment sur /connect.
🔒 Sécurité, provenance et ce que ça touche
- Fonctionne avec une clé API ou un jeton que tu fournis.
Ce que le scan a trouvé — extraits du prompt d’installation
- utilise des clés API ou des jetons — Prerequisites: a Celigo platform account (paid iPaaS — AI-agent usage on Celigo AI counts against the account' · - Catalog providers are BYOK-only: saving one without a _connectionId fails with 422 connection_required. Buil · - Files input depends on the account's Intelligent document processing setting (off by default, account-wide,
Le prompt d'installation ci-dessous inclut déjà les étapes de vérification : votre agent suit la checklist communautaire avant d'installer tout ce qui contient du code exécutable. Vous en voulez plus ?
Certificat de vérification
Faits datés sur ce qui a été vérifié pour cette fiche, et comment. Ce n’est pas une certification de sécurité.
- Version épinglée
- e8c094f · 2026-10-22
- Test d’installation en sandbox
- Installation exécutée dans notre sandbox de test · 11 nov. 2026
- Identité du créateur
- Non vérifiée
- Veille d’empreinte
- Dernière vérification · 19 nov. 2026 : aucun changement détecté dans les fichiers liés par ce prompt d’installation
- Analyse du prompt d’installation
- 2026-10-22 : utilise des clés API ou des jetons
Skill Harbor ne révise jamais le code des skills listés. Ce sont des faits datés sur le prompt d’installation et notre test d’installation, pas une certification de sécurité. Révisez un skill vous-même avant de l’installer. Comment nous vérifions
Questions
Comment installer un skill ?
Chaque fiche produit contient un prompt d’installation à copier-coller. Collez-le dans votre Muse et il installe le skill pour vous — sans configuration manuelle.
Où va mon argent ?
Directement au vendeur. Skill Harbor ne traite jamais les paiements : le paiement se fait sur la page du vendeur, généralement via Stripe.
Que signifie le ✓ à côté du nom d’un créateur ?
Il signifie que nous avons confirmé l’identité de la personne derrière la fiche. Il ne dit rien sur le code lui-même — vérifiez toujours un skill avant de l’installer.