Hinweis
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, sich anzumelden oder das Verzeichnis zu wechseln.
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, das Verzeichnis zu wechseln.
Gilt für: Azure Logic Apps (Verbrauch + Standard)
Von Bedeutung
Die Funktion „Consumption agentic workflows“ befindet sich in der Vorschauphase und unterliegt den Zusätzlichen Nutzungsbedingungen für Microsoft Azure-Vorschauversionen.
Dieser Artikel behandelt KI-agentische Workflows, die vorhersehbare und stabile Geschäftsprozesse automatisieren. Für unvorhersehbare oder schwer zu definierende Prozesse siehe Azure Logic Apps Automation.
Azure Logic Apps unterstützt Workflows, die Aufgaben mithilfe von Agentschleifen mit großen Sprachmodellen (LLMs) ausführen. Eine Agentschleife verwendet einen iterativen Prozess, um komplexe, mehrstufige Probleme zu lösen. Ein LLM ist ein trainiertes Programm, das Muster erkennt und Aufträge ohne menschliche Interaktion ausführt, z. B.:
- Analysieren, Interpretieren und Schlussfolgerungen ziehen über Informationen wie Anweisungen, Aufforderungen, Eingaben und andere Daten.
- Treffen Sie Entscheidungen basierend auf Ergebnissen und verfügbaren Daten.
- Formulieren Sie Antworten und geben Sie sie basierend auf den Anweisungen des Agent an den Fragesteller zurück.
Sie können Workflows erstellen, die autonome oder konversationale Agentenschleifen verwenden. Die Agentschleife verwendet natürliche Sprache, um mit Ihnen und dem verbundenen Modell zu kommunizieren. Der Agent verwendet auch modellgenerierte Ausgaben, um entweder mit oder ohne menschliche Interaktion zu arbeiten. Das Modell hilft der Agentenschleife, die folgenden Fähigkeiten bereitzustellen:
- Akzeptieren Sie Informationen über die Rolle des Agents, wie er zu bedienen ist und wie man reagieren soll.
- Empfangen und Beantworten von Anweisungen und Anfragen oder Aufforderungen.
- Verarbeiten von Eingaben, Analysieren von Daten und Treffen von Entscheidungen basierend auf verfügbaren Informationen.
- Wählen Sie Tools aus, um die aufgaben auszuführen, die zum Erfüllen von Anforderungen erforderlich sind. Ein Tool ist im Grunde eine Sequenz mit einer oder mehreren Aktionen, die eine Aufgabe ausführen.
- Passen Sie sich an Umgebungen an, die Flexibilität erfordern und dynamisch, dynamisch, unvorhersehbar oder instabil sind.
Mit 1.400+ Connectors, die Sie verwenden können, um Tools für eine Agentenschleife zu erstellen, unterstützen Agenten-Workflows eine Vielzahl von Szenarien, die erheblich von den Fähigkeiten von Agentenschleifen und Modellen profitieren. Erstellen Sie basierend auf Ihrem Szenario entweder einen autonomen agentischen Workflow ohne menschliche Interaktion oder einen unterhaltungsbasierten agentischen Workflow mit menschlicher Interaktion, um den Anforderungen Ihrer Lösung am besten gerecht zu werden.
Diese Übersicht umfasst die folgenden Bereiche:
- Agentische versus nicht-agentische Workflows
- Schlüsselkonzepte der Agentenschleife
- Autonome versus konversationelle agentische Workflows
- Agentenstruktur
- Beispielszenarien
- Authentifizierung und Autorisierung
- Grundlegende Abrechnungsinformationen
Bereit zum Bauen? Geh direkt zu:
Agentische versus nicht-agentische Workflows
Workflows, die Agentenschleifen verwenden, können über die Grenzen hinausgehen, die für nicht-agentische Workflows gelten:
Agentische Workflows können sich an Umgebungen anpassen, in denen unerwartete Ereignisse auftreten, Werkzeuge basierend auf Prompts und verfügbaren Daten auswählen, unstrukturierte Daten verarbeiten, mehr Anpassungsfähigkeit und Flexibilität bieten, ihre Leistung kontinuierlich verbessern und komplexe Szenarien unterstützen.
Nonagentische Workflows funktionieren am besten in stabilen Umgebungen, folgen vordefinierten Regeln und führen statische, vorhersehbare, sich wiederholende Aufgaben aus.
Die folgende Tabelle enthält weitere Vergleiche zwischen agentischen Workflows und nichtagentischen Workflows:
| Aspekt | Agent | Nicht-Agent |
|---|---|---|
| Logik | Treffen Sie fundierte Entscheidungen über die auszuführenden Aufgaben, basierend auf Eingaben und anderen verfügbaren Informationen, und ergreifen Sie Aktionen. | Folgen Sie vordefinierten Regeln und festen Sequenzen. |
| Aufgabenverwaltung | Behandeln von Aufgaben als separate Entitäten | Nicht anwendbar |
| Datenstruktur | Behandeln und Verarbeiten unstrukturierter Daten. | Behandeln und verarbeiten Sie strukturierte Daten mit vorhersagbaren Mustern. |
| Anpassungsfähigkeit | Erkennen und reagieren Sie auf sich ändernde Bedingungen und Umgebungen, treffen Sie Entscheidungen und passen Sie sich an neue Echtzeiteingaben an. | Kann mit Umgebungen zu kämpfen haben, die unerwartete oder dynamische Änderungen haben. |
Wichtige Begriffe
Die folgenden Abschnitte führen die wichtigsten Konzepte ein. Für eine praktische Einführung dieser Konzepte siehe:
| Begriff | BESCHREIBUNG |
|---|---|
| Agentschleife | Eine vorgefertigte Aktion, die einen strukturierten iterativen Prozess verwendet, um komplexe, mehrstufige Probleme zu lösen. Die Agentenschleife erreicht dieses Ziel durch das iterative Ausführen der folgenden Schritte: 1. Denken Sie daran: Sammeln, Verarbeiten und Analysieren verfügbarer Informationen und Eingaben wie Text, Bilder, Audio, Sensordaten usw. aus bestimmten Datenquellen. Wenden Sie Grund-, Logik- oder Lernmodelle an, um Anforderungen zu verstehen, Pläne oder Lösungen zu erstellen, und wählen Sie die beste Aktion aus, um Anfragen mit Hilfe von generativen KI-Modellen zu beantworten oder zu erfüllen. 2. Aktion: Auf der Grundlage der getroffenen Entscheidungen und verfügbaren Werkzeuge erledigen Sie Aufgaben in der digitalen oder realen Welt. 3. Lernen (optional): Passen Sie sein Verhalten im Laufe der Zeit mithilfe von Feedback oder anderen Informationen an. Ein Agent kann Anweisungen akzeptieren, mit Diensten, Systemen, Apps und Daten arbeiten, indem Sie Tools aufrufen, die Sie mit vordefinierten Aktionen in Azure Logic Apps erstellen und mit den Ergebnissen reagieren. Ein Agent kann Informationen verarbeiten, Entscheidungen treffen und Aufgaben ausführen, indem ein bereitgestelltes Modell verwendet wird, z. B. im Azure OpenAI-Dienst. Hinweis: Ein agentischer Workflow kann mehrere Agents in einer Sequenz enthalten. Sie können einen Agent inline nicht als Tool in einem anderen Agent hinzufügen. Weitere Informationen finden Sie unter Was ist ein KI-Agent? |
| Großes Sprachmodell (LLM) | Ein Programm, das trainiert wurde, Muster zu erkennen und Aufträge ohne menschliche Intervention durchzuführen. Weitere Informationen finden Sie unter Was sind große Sprachmodelle? |
| Werkzeug | Ein Tool enthält eine oder mehrere Aktionen, die eine Aufgabe für einen Agent ausführen. Beispielsweise kann ein Tool E-Mails senden, mit Datenquellen arbeiten, Berechnungen oder Konvertierungen ausführen, mit APIs interagieren usw. Weitere Informationen finden Sie unter Tool erstellen, um das Wetter zu erhalten. |
| Agent-Parameter | Ein Parameter, den man auf einem Tool oder in einem Aktionsparameter definiert, damit der Agent modellbasierte Ausgaben als Eingaben für eine Aktion in diesem Tool weitergeben kann. Agentenparameter sind auf ein Tool beschränkt, erhalten Werte nur, wenn der Agent das Tool aufruft, und können bei jedem Aufruf desselben Tools unterschiedliche Werte annehmen. Für Details und Beispiele siehe Agentenparameter erstellen. |
| Zusammenhang | Ein Agent verwaltet einen Protokollverlauf, indem eine maximale Anzahl von Token oder Nachrichten als Kontext beibehalten und diesen Kontext für die nächste Interaktion an das Modell übergeben wird. Jedes Modell weist unterschiedliche Grenzwerte für die Kontextlänge auf. |
Agentenparameter unterscheiden sich von traditionellen Parametern auf folgende Weise:
Agentenparameter gelten nur für das Tool, bei dem du sie definierst. Diese Einschränkung bedeutet, dass Sie Agentparameter nicht für andere Tools freigeben können. Im Vergleich dazu können Sie herkömmliche Parameter global mit Vorgängen und Steuerungsflussstrukturen in einem Workflow teilen.
Agentenparameter verwenden keine aufgelösten Werte, wenn der Workflow zu laufen beginnt. Ein Agentparameter empfängt nur dann einen Wert, wenn der Agent das Tool mithilfe bestimmter Argumente aufruft. Diese Argumente werden zu den Agentparametern zum Aufrufen des Tools.
Ein Agent kann dasselbe Tool mehrfach mit unterschiedlichen Agentenparametern aufrufen, selbst wenn dieses Tool in derselben Schleifen-Iteration existiert. Beispielsweise kann ein Tool das Wetter sowohl in Seattle als auch in London überprüfen.
Autonom versus konversationsagentische Workflows
Um besser zu verstehen, wie sich diese agentischen Workflowtypen unterscheiden, beschreiben die folgenden Abschnitte und zeigen Beispiele für jeden agentischen Workflowtyp. Beide Workflowtypen verwenden eine Agentschleife und Tools, um das aktuelle Wetter abzurufen und diese Informationen per E-Mail zu senden. Alle Agents verfügen über einen Informationsbereich, in dem Sie den Agent mit dem gewünschten Modell einrichten und Anweisungen zu den Rollen des Agents, seinen Funktionen und der Möglichkeit zur Reaktion bereitstellen.
Autonomer agentenbasierter Workflow
Die folgenden allgemeinen Schritte beschreiben das Verhalten für einen einfachen autonomen agentengesteuerten Workflow:
Der Workflow beginnt mit jedem verfügbaren unterstützten Trigger.
Optionalerweise können null oder mehrere Aktionen zwischen dem Trigger und dem Agenten ausgeführt werden.
Der Agent akzeptiert Systemanweisungen und nichtmenschliche Aufforderungen oder Eingaben, beispielsweise Ausgaben des Triggers oder einer vorherigen Aktion.
Der Agent verwendet ein Azure OpenAI-Modell oder eine LLM-API aus der folgenden Quelle, um die Anweisungen und Anfragen zu interpretieren und zu verstehen, je nachdem, ob Sie einen Consumption- oder Standard-Agentic-Workflow verwenden. Die Agentenschleife nutzt das Modell außerdem, um die bereitgestellten Eingaben zu verarbeiten und zu analysieren.
Logik-App Modellquelle Consumption Microsoft Foundry Norm - Azure OpenAI Service-Ressource
- Microsoft Foundry-Projekt (Vorschau)
- Azure API-Verwaltungskonto mit einer LLM-API (Vorschau)Das Modell hilft bei der Planung, welche Werkzeuge der Agent aufrufen muss, um die notwendigen Aufgaben zu erfüllen, basierend auf den Anweisungen des Agenten.
Der Agent gibt die Toolergebnisse zurück und antwortet auf den Workflowanrufer oder den angegebenen Empfänger.
Der folgende Screenshot zeigt ein einfaches Beispiel für einen autonomen agentischen Workflow:
Konversationsagentenbasierter Workflow
Die folgenden allgemeinen Schritte beschreiben das Verhalten eines grundlegenden agentenbasierten Workflows für Unterhaltungen:
Der Workflow beginnt immer mit dem Trigger namens "Beim Starten einer Chatsitzung".
Optionalerweise können null oder mehrere Aktionen zwischen dem Trigger und dem Agenten ausgeführt werden.
Der Agent akzeptiert Systemanweisungen und von Menschen bereitgestellte Eingabeaufforderungen oder Eingaben über die integrierte Chatschnittstelle, z. B. Was ist das Wetter in Seattle?
Der Agent verwendet ein Azure OpenAI-Modell oder eine LLM-API aus der folgenden Quelle, um die Anweisungen und Anfragen zu interpretieren und zu verstehen, je nachdem, ob Sie einen Consumption- oder Standard-Agentic-Workflow verwenden. Die Agentenschleife nutzt das Modell außerdem, um die bereitgestellten Eingaben zu verarbeiten und zu analysieren.
Logik-App Modellquelle Consumption Microsoft Foundry Norm - Azure OpenAI Service-Ressource
- Azure API-Verwaltungskonto mit einer LLM-API (Vorschau)Basierend auf den Agentanweisungen hilft das Modell beim Planen der Tools, die der Agent für die erforderlichen Aufgaben aufruft.
Der Agent gibt die Toolergebnisse zurück und antwortet über die Chatschnittstelle auf die menschliche Eingabeaufforderung.
Der folgende Screenshot zeigt ein einfaches Beispiel für einen konversationsagentischen Arbeitsablauf.
Der folgende Screenshot zeigt die integrierte Chatschnittstelle, auf die Sie über die Designersymbolleiste oder das Workflow-Randleistenmenü im Azure-Portal zugreifen können:
Konversationsagenten-Workflows unterstützen auch einen externen Chat-Client, den andere außerhalb des Azure-Portals nutzen können. Um den Zugriff für diesen externen Chatclient bereitzustellen und zu sichern, müssen Sie die Produktionsauthentifizierung und Autorisierung einrichten.
Agentische Workflow-Struktur
Um einen neuen agentischen Workflow zu erstellen, erstellen Sie eine Consumption-Logik-App in mehrinstanzenfähigen Azure Logic Apps oder eine Standard-Logik-App in single-tenant Azure Logic Apps, und wählen Sie einen der folgenden Workflowtypen aus.
- Autonome Agenten
- Konversationsagenten
Diese Workflowtypen umfassen alle Funktionen in „Verbrauch“ oder „Standardstatus“-Workflows und sind speziell für die Arbeit mit Agent-Funktionen konzipiert. Diese Workflowtypen enthalten automatisch einen leeren Agent.
Der folgende Screenshot zeigt beispielsweise einen neuen autonomen agentischen Workflow:
Der folgende Screenshot zeigt einen neuen agentischen Workflow für Unterhaltungen:
Um einen dieser Workflows Schritt für Schritt zu erstellen, siehe:
In Standard-Logik-Apps zeigt der folgende Screenshot, wie Sie bei einem vorhandenen stateful Workflow eine Agent-Aktion hinzufügen können, um autonome Agent- und LLM-Fähigkeiten einzuschließen.
Während Consumption-Agenten-Workflows automatisch mit einem zu verwendenden Modell eingerichtet werden, erfordern Standard-Agenten-Workflows, dass Sie eine Verbindung zum Modell einrichten, das der Agent verwenden soll:
Hinweis
Im Verbindungsbereich werden die verschiedenen Verbindungsanforderungen basierend auf Ihrem Workflowtyp und der ausgewählten Modellquelle angezeigt.
Der Agent erfordert, dass Sie Anweisungen bereitstellen, die die Rollen beschreiben, die der Agent spielen kann, Aufgaben, die der Agent ausführen kann, und andere spezifische präskriptive Informationen, die dem Agent helfen, auf Eingabeaufforderungen zu antworten, Fragen zu beantworten und angeforderte Aufgaben auszuführen, z. B.:
Ein leerer Agent, der mit einem Modell verbunden ist, kann auf Eingabeaufforderungen reagieren, die nur die Funktionen des Modells verwenden, sodass ein Agent keine Tools enthalten muss. Damit der Agent jedoch Aktionen verwenden kann, die in Azure Logic Apps verfügbar sind, muss der Agent Tools erstellen. Sie können mit dem Erstellen eines Tools beginnen, indem Sie zuerst eine Aktion aus dem Connector-Katalog hinzufügen.
Das folgende Diagramm zeigt den Katalog, in dem Sie Aktionen zum Erstellen von Tools durchsuchen und auswählen können:
Das folgende Diagramm zeigt einen Wetteragenten, der die Wettervorhersage abrufen und diese Prognose per E-Mail senden kann:
Weitere Beispiele für agentische Workflow-Szenarien
Im folgenden Abschnitt werden einige weitere Möglichkeiten beschrieben, wie ein Agent Aufgaben in einem Workflow ausführen kann:
Hypothekenkreditberater
Stellen Sie sich vor, dass Ihre Bank einen Hypothekenkreditberater verwendet, der Kredite bei Bedarf autonom oder mit menschlichem Eingreifen verarbeitet, indem sie die folgenden Aufgaben in einer einzigen koordinierten Schleife ausführen:
- Sprechen Sie mit Kunden, um Fragen zu beantworten.
- Überprüfen Sie Darlehensanträge.
- Sammeln Sie Finanzinformationen, um die Kreditberechtigung zu bewerten.
- Abrufen und Analysieren von Risikodaten.
- Fordern Sie Immobilienbewertungen an und fassen Sie diese zusammen, sobald sie eingereicht werden.
- Für Spezialfälle schließen Sie menschliche Prüfer ein.
- Genehmigen oder Ablehnen von Anwendungen.
- Kommunizieren Sie Entscheidungen an relevante Parteien.
Auftragserfüllungs-Agent
Angenommen, Ihr Unternehmen verwendet einen Auftragserfüllungsagenten, um die folgenden Aufgaben auszuführen:
- Wenden Sie sich an Kunden, um Produktfragen auf der Grundlage von Unternehmenskenntnissen zu beantworten.
- Erstellen Sie Bestellungen, übergeben Sie sie aber bei Bedarf an den Menschen.
- Bieten Sie 24/7 Unterstützung mit intelligenter Eskalation.
Sie können auch einen Agenten haben, der die Arbeit über andere Agenten hinweg orchestriert. So könnten Sie beispielsweise über ein Team von Agents verfügen, z. B. einen Autor, einen Bearbeiter und einen Herausgeber, die zusammenarbeiten, um Vertriebsberichte zu erstellen und zu verteilen.
Arbeitsauftragsagent für Einrichtungen
Um ein internes Einrichtungsteam zu unterstützen, führt ein Arbeitsauftragsmitarbeiter die folgenden Aufgaben aus:
- Sprechen Sie mit Mitarbeitern und stellen Sie Optionen für Serviceanfragen bereit.
- Öffnen Sie Arbeitsaufträge basierend auf den Mitarbeiterauswahlen.
- Senden Sie Arbeitsaufträge an die entsprechenden Serviceteams.
- Aktualisieren Sie Arbeitsaufträge mit dem Auftragsfortschritt und dem Status.
- Schließen Sie Arbeitsaufträge, wenn Aufträge abgeschlossen sind.
- Informieren Sie die entsprechenden Parteien über abgeschlossene Aufträge.
Authentifizierung und Autorisierung
Konversationelle agentische Workflows kommunizieren mit einer Vielzahl von Anrufern, wie Personen, Agenten, Model Context Protocol (MCP)-Servern, Tool-Brokern und externen Diensten. Diese Anrufer können aus dynamischen, unbekannten oder nicht vertrauenswürdigen Netzwerken stammen, daher müssen Sie jeden Anrufer authentifizieren und autorisieren.
Wähle die Option, die zu deiner Stufe passt:
- Design und Test: Das Azure-Portal verwendet einen Entwicklerschlüssel für die Authentifizierung und Autorisierung in Ihrem Namen.
- Produktion: Richte Produktionsauthentifizierung und Autorisierung für deinen Logik-App-Typ ein.
Entwicklerschlüsselauthentifizierung und Autorisierung
Nur für Nichtproduktionsaktivitäten, z. B. Entwurf, Entwicklung und schnelle Validierung, stellt das Azure-Portal einen Entwicklerschlüssel bereit, verwaltet und verwendet einen Entwicklerschlüssel , um Ihren Workflow in Ihrem Auftrag auszuführen.
Was ist ein Entwicklerschlüssel?
Ein Entwicklerschlüssel ist ein Komfortauthentifizierungsmechanismus, der nur vom Azure-Portal verwendet wird, um Ihren Workflow während der Entwurfs-, Entwicklungs- und Schnelltestphasen im Azure-Portal auszuführen. Während dieser Phasen können Sie mit dem Entwicklerschlüssel die Notwendigkeit überspringen, easy Auth manuell einzurichten oder Rückruf-URLs mit freigegebenen Zugriffssignaturen (SAS) zu kopieren. Der Schlüssel ist mit einem bestimmten Benutzer und Mandanten verknüpft, der nur auf einem Azure Resource Manager-Bearertoken basiert, bei dem es sich um ein Zugriffstoken handelt, das Anforderungen an die REST-API des Azure Resource Manager authentifiziert.
Das Portal fügt den Entwicklerschlüssel automatisch ein, wenn Sie integrierte Testerfahrungen im Workflow-Designer verwenden, z. B. einen Workflow ausführen, den Request-Trigger aufrufen oder mit einem konversationellen agentengestützten Workflow in der internen Chat-Oberfläche interagieren. Der Schlüssel ist implizit an eine Mandantensitzung und einen angemeldeten Portalbenutzer gebunden, sodass Sie den Schlüssel aufgrund dieser Bindung, die nur auf dem ARM-Bearertoken basiert, nicht extern verteilen können.
Wichtige Einschränkungen für Entwickler
In der folgenden Liste werden die Nutzungs- und Entwurfsbeschränkungen des Entwicklerschlüssels beschrieben:
- Der Schlüssel ist kein Ersatz für Easy Auth, verwaltete Identität, Verbundanmeldeinformationen oder signierte Rückruf-URLs in Produktionsszenarien.
- Der Schlüssel wurde nicht für große oder nicht vertrauenswürdige Anruferpopulationen, Agenttools oder Automatisierungsclients entwickelt.
- Der Schlüssel ist kein Benutzerautorisierungsmechanismus, da es an granularen Bereichen und Rollen fehlt.
- Der Schlüssel unterliegt nicht den Richtlinien für bedingten Zugriff auf der Anforderungsausführungsebene, nur auf der Portalanmeldungsebene.
- Der Schlüssel ist nicht für die programmgesteuerte oder CI/CD-Verwendung vorgesehen.
Einen Vergleich zwischen Entwicklerschlüssel und Easy Auth finden Sie unter Easy Auth im Vergleich zum Entwicklerschlüssel.
Anwendungsfälle für Entwicklerschlüssel
In der folgenden Tabelle werden geeignete und unangemessene Szenarien für die Verwendung des Entwicklerschlüssels beschrieben:
| Geeignete Szenarien | Unangemessene Szenarien |
|---|---|
| Schnelle Tests im Designer, bevor Sie die Authentifizierung formalisieren. | Ihr Workflow benötigt deterministische Automatisierung, die stattdessen einen Dienstprinzipal und Easy Auth oder signierte SAS verwendet. |
| Überprüfen Sie die Workflowstruktur, Bindungen oder das grundlegende Trigger- und Aktionsverhalten. | – Ihre Workflowanrufer umfassen externe Agents, MCP-Server oder konversationelle Clients. – Sie planen, Ihren Workflowendpunkt außerhalb Ihres Mandanten zu veröffentlichen. |
| Temporäre Sandkasten- oder Spike-Prototypen, die später Easy Auth oder SAS-URL-Härtung implementieren. | Ihr Workflow erfordert auditierbare Benutzeridentitäten, Tokenwiderruf, Richtlinien für bedingten Zugriff oder das Prinzip der minimalen Rechte. |
Produktionsauthentifizierung und Autorisierung
Wenn Ihre dialogbasierten Agenten-Workflows produktionsreif sind, werden in den folgenden Abschnitten die Optionen für Nicht-Produktions- und Produktionsumgebungen zur Authentifizierung von Anrufern und zur Autorisierung ihres Zugriffs auf die Agenten-Workflows beschrieben.
| Logik-App | Authentifizierung und Autorisierung |
|---|---|
| Consumption | OAuth 2.0 mit Microsoft Entra ID |
| Norm | Easy Auth, auch bekannt als App Service Authentication, in Ihrer Logik-App-Ressource ermöglicht einen externen Chatclient außerhalb des Azure-Portals, den andere verwenden können, nachdem Sie Easy Auth eingerichtet haben. Weitere Informationen finden Sie unter Easy Auth für Ihre Logik-App. |
Weitere Informationen zur Produktionsauthentifizierung und Autorisierung finden Sie auf der Registerkarte für Ihren Logik-App-Typ.
OAuth 2.0 mit Microsoft Entra ID für Ihre Logik-App
Für Consumption-basierte dialogbasierte Agenten-Workflows in der Produktion schützen Sie den Zugriff auf Ihren Chat-Client mit OAuth 2.0 mit Microsoft Entra ID, indem Sie eine Agentenautorisierungsrichtlinie für Ihre Logik-App-Ressource einrichten. Siehe Migration zur Produktionsauthentifizierung.
Abrechnung
Verbrauch: Die Abrechnung verwendet das Pay-as-You-Go-Modell. Die Preisgestaltung des Agent-Loops basiert auf der Anzahl der Tokens, die jede einzelne Agentenaktion verwendet, und die auf Ihrer Rechnung als Enterprise Units erscheinen. Spezifische Preisinformationen finden Sie unter Azure Logic Apps-Preise.
Standard: Obwohl agentische Workflows keine zusätzlichen Gebühren verursachen, verursacht die Nutzung des KI-Modells Gebühren. Weitere Informationen finden Sie im Azure-Preisrechner.