INTÉGRATION CONTEXTUAL AI n8n : AUTOMATISER CONTEXTUAL AI AVEC N8N

L'action Parse Document est le cœur de l'intégration Contextual AI. Elle analyse et extrait le contenu de vos documents avec une précision remarquable, transformant des fichiers bruts en données structurées exploitables dans vos workflows.

Paramètres clés : Input Binary Field(s) : Champ texte où vous spécifiez le nom du champ binaire contenant votre document. Requis pour que l'action fonctionne. Parse Mode : Menu déroulant pour choisir le mode de parsing (ex: "Standard"). Requis. Figure Caption Mode : Définit comment les légendes sont traitées, avec des options comme "Concise". Requis. Enable Document Hierarchy : Interrupteur on/off pour activer la structure hiérarchique du document en sortie. Optionnel. Page Range : Champ texte pour spécifier les pages à traiter (ex: "0-5"). Optionnel. Output Types : Sélectionnez le format de sortie souhaité, comme "markdown-per-page". Requis.

Cas d'usage typiques : Extraction automatique du contenu de factures PDF pour alimenter votre comptabilité, analyse de contrats pour en extraire les clauses clés, conversion de rapports en markdown pour publication automatique.

Cette action permet de réordonner intelligemment une liste de documents en fonction d'une requête et d'instructions spécifiques. Idéale pour améliorer la pertinence des résultats de recherche dans vos applications.

Paramètres clés : Query : Champ texte pour la requête de recherche utilisée pour classer les documents. Requis, supporte les expressions dynamiques. Documents : Liste des documents à réordonner. Requis, accepte les expressions. Instruction : Instructions spécifiques pour guider le reranking. Optionnel. Model : Menu déroulant pour sélectionner le modèle IA, par défaut "ctxl-rerank-v2-instruct-multilingual". Top N : Nombre de documents les mieux classés à retourner. Requis. Metadata : Champ optionnel pour ajouter des métadonnées supplémentaires.

Cas d'usage typiques : Améliorer les résultats d'un moteur de recherche interne, prioriser les documents les mieux classés avant affichage utilisateur, filtrer dynamiquement une base documentaire selon le contexte de la requête.

L'action Parse Result récupère et traite les informations issues d'opérations de parsing précédentes. Elle est essentielle pour les workflows asynchrones où le parsing prend du temps.

Paramètres clés : Job ID : Identifiant unique du job de parsing à récupérer. Optionnel mais recommandé pour cibler précisément la tâche. Output Types : Menu déroulant pour sélectionner le format de sortie (ex: "markdown-document"). Détermine comment le résultat sera formaté.

Cas d'usage typiques : Récupérer les résultats d'un parsing lancé en arrière-plan, intégrer dans un workflow avec attente conditionnelle, consolider plusieurs résultats de parsing dans un seul output.

Cette action interroge le statut d'un job de parsing en cours. Indispensable pour construire des workflows robustes qui attendent la fin du traitement avant de continuer.

Paramètres clés : Job ID : Identifiant du job de parsing dont vous souhaitez connaître le statut. Requis pour que l'action fonctionne.

Cas d'usage typiques : Vérifier si un document volumineux a fini d'être traité, construire des boucles d'attente intelligentes dans vos workflows, déclencher des notifications une fois le parsing terminé.

L'action Run LMUnit exécute une ressource LMUnit avec des paramètres spécifiques. Elle permet de lancer des tests unitaires sur vos modèles de langage directement depuis n8n.

Paramètres clés : Query : Champ texte pour définir les paramètres de requête. Optionnel, accepte les expressions. Response : Définit comment la réponse du LMUnit doit être traitée. Optionnel. Unit Test : Champ pour saisir un test unitaire validant l'exécution. Optionnel, supporte les expressions.

Cas d'usage typiques : Valider automatiquement les réponses d'un modèle IA avant déploiement, intégrer des tests de qualité dans vos pipelines MLOps, surveiller la cohérence des outputs de vos agents.

L'action Query Agent permet d'interroger directement un agent IA configuré dans Contextual AI. C'est la porte d'entrée vers des interactions conversationnelles automatisées.

Paramètres clés : Agent ID : Identifiant de l'agent à interroger. Requis, accepte texte fixe ou expressions. Query : La requête à envoyer à l'agent. Requis, ne peut pas être vide. Retrievals Only : Interrupteur on/off pour ne récupérer que les éléments trouvés sans génération. Optionnel, désactivé par défaut. Include Retrieval Content Text : Inclut le contenu texte des éléments récupérés dans la réponse. Optionnel. Stream Response : Active le streaming de la réponse. Optionnel. Conversation ID : Identifiant de conversation pour le suivi contextuel. Optionnel.

Cas d'usage typiques : Créer un chatbot automatisé alimenté par vos documents, répondre automatiquement aux questions clients via formulaire, enrichir des tickets support avec des suggestions IA.

Cette action crée un nouvel agent IA dans Contextual AI, configuré selon vos spécifications. Parfait pour provisionner des agents dynamiquement selon vos besoins.

Paramètres clés : Agent Name : Nom de l'agent à créer (ex: "Customer Support Bot"). Requis. Agent Description : Description des capacités de l'agent. Optionnel. Datastore Name : Nom du datastore associé à l'agent. Optionnel. Datastore IDs : Identifiants des datastores à lier. Optionnel. Input Binary Field(s) : Champs binaires pour les données d'entrée. Optionnel. Document Metadata (JSON String) : Métadonnées additionnelles au format JSON. Optionnel. System Prompt : Prompt initial guidant le comportement de l'agent (ex: "You are a helpful assistant"). Typiquement requis.

Cas d'usage typiques : Créer un agent spécialisé pour chaque nouveau client onboardé, générer des assistants thématiques selon les départements, automatiser le déploiement d'agents lors de l'ajout de nouvelles bases documentaires.

L'action Delete Agent supprime un agent existant de votre compte Contextual AI. Utile pour le nettoyage automatisé ou la gestion du cycle de vie de vos agents.

Paramètres clés : Agent ID : Identifiant de l'agent à supprimer. Requis, doit être un ID valide.

Cas d'usage typiques : Nettoyer automatiquement les agents de test après validation, supprimer les agents associés à des projets clôturés, gérer la rotation des agents dans un environnement multi-tenant.

Cette action récupère les métadonnées d'un document spécifique stocké dans un datastore. Essentiel pour auditer et gérer votre base documentaire.

Paramètres clés : Datastore ID : Identifiant du datastore contenant le document. Requis. Document ID : Identifiant unique du document dont vous voulez les métadonnées. Requis.

Cas d'usage typiques : Vérifier les informations d'un document avant traitement, construire des rapports sur votre base documentaire, valider l'ingestion correcte d'un fichier.

L'action Ingest Document permet d'ingérer des documents dans un datastore spécifié. C'est la première étape pour alimenter vos agents IA avec de nouvelles connaissances.

Paramètres clés : Datastore ID : Identifiant du datastore cible. Requis. Input Binary Field(s) : Nom du champ binaire contenant le document (ex: "data"). Requis. Metadata (JSON String) : Métadonnées additionnelles au format JSON. Optionnel.

Cas d'usage typiques : Ingérer automatiquement les pièces jointes d'emails, alimenter un datastore depuis un dossier Google Drive surveillé, synchroniser une base de connaissances avec des documents externes.

Cette action récupère la liste de tous les datastores disponibles dans votre compte Contextual AI. Idéale pour l'inventaire et la navigation programmatique.

Paramètres clés : Limit : Nombre maximum de datastores à récupérer. Optionnel, défaut à 50. Cursor : Curseur pour la pagination des résultats. Optionnel. Agent ID : Filtre les datastores par agent associé. Optionnel.

Cas d'usage typiques : Générer un inventaire de vos ressources Contextual AI, construire des menus dynamiques de sélection de datastore, auditer l'utilisation des datastores par agent.

L'action Create Datastore crée un nouveau datastore dans Contextual AI. Les datastores sont les conteneurs de vos documents et la base de connaissances de vos agents.

Paramètres clés : Datastore Name : Nom du datastore à créer. Requis, doit être une chaîne valide. Configuration (JSON String) : Paramètres de configuration additionnels au format JSON. Optionnel.

Cas d'usage typiques : Créer un datastore dédié pour chaque nouveau projet, provisionner automatiquement l'infrastructure pour un nouveau client, organiser vos documents par thématique ou département.

Cette action récupère la liste de tous les agents configurés dans votre compte Contextual AI. Parfait pour l'administration et le monitoring.

Paramètres clés : Limit : Nombre maximum d'agents à récupérer. Optionnel, valeur suggérée : 50. Cursor : Curseur pour paginer les résultats. Optionnel.

Cas d'usage typiques : Monitorer le nombre d'agents actifs, construire des dashboards d'administration, sélectionner dynamiquement un agent selon le contexte.