Revisar la lista de verificación de implementación

La implementación de los agentes de Copilot Studio requiere mucha atención a las integraciones, canales, herramientas, diseño de tópicos y comportamiento de llenado de ranuras para garantizar que los agentes funcionen de manera confiable a gran escala. Esta sección ofrece preguntas prácticas y orientación de buenas prácticas para ayudarle a validar sus elecciones de implementación.

Valide su preparación para la implementación

Utilice la siguiente lista de comprobación para confirmar que su agente es técnicamente sólido, tiene buen rendimiento y está listo para producción.

Capacidades de IA y planificación de características

¿Ha acabado?	Tarea
✓	¿Ha identificado qué capacidades de IA (orquestación generativa, respuestas generativas, constructor generativo, indicaciones de IA, uso de equipos, aprobaciones) requiere su escenario?
✓	¿Ha definido el propósito, alcance y restricciones para cada capacidad seleccionada?
✓	¿Ha evaluado riesgos o requisitos de gobernanza para capacidades de alto privilegio (por ejemplo, acciones, agentes conectados, uso de ordenadores)?
✓	¿Ha validado que las fuentes de conocimientos son precisas, bien estructuradas y listas para ser fundamentadas?
✓	¿Ha confirmado cómo se revisará, validará o anulará el contenido generado por IA cuando sea necesario?

Diseño de orquestación generativa

¿Ha acabado?	Tarea
✓	¿Ha definido claramente con nombres y descripciones significativas las herramientas, temas, acciones y elementos secundarios del agente, así como los agentes conectados?
✓	¿Ha especificado límites de decisión sobre qué puede actuar la IA de forma autónoma frente a cuándo se requiere confirmación o aprobación humana?
✓	¿Ha diseñado las entradas y salidas de temas y acciones para que el orquestador pueda generar indicaciones automáticas y encadenar pasos de forma natural?
✓	¿Se ha asegurado de que las herramientas se comportaran de forma determinista e incluyeran validación para parámetros críticos?
✓	¿Ha definido una guía para el orquestador sobre cuándo usar el conocimiento, cuándo usar herramientas y cuándo realizar la planificación en varios pasos?

Generación aumentada de recuperación

¿Ha acabado?	Tarea
✓	¿Ha validado que todas las fuentes de conocimientos utilizadas para Retrieval Augmented Generation (RAG) contengan contenido preciso, actualizado y aprobado, y que se haya eliminado la información obsoleta o prohibida?
✓	¿Ha verificado que los formatos de documentos, tamaños de archivo y reglas de indexación (SharePoint, Dataverse, datos personalizados, Búsqueda de Azure AI, archivos cargados) cumplan con los límites y comportamientos de cada proveedor de RAG?
✓	¿Ha establecido la gobernanza sobre cómo se agrega, actualiza o retira contenido nuevo de las fuentes de conocimientos, para asegurar que RAG recupere únicamente datos empresariales validados?

Integraciones

¿Ha acabado?	Tarea
✓	¿Ha identificado con qué sistemas debe integrarse su agente y elegido el patrón de integración adecuado (conector, HTTP, flujo de trabajo, API, Protocolo de contexto del modelo)?
✓	¿Ha confirmado los requisitos de autenticación y ha decidido entre las credenciales de usuario y las del fabricante para cada integración?
✓	¿Ha evaluado los límites de la API, las restricciones de rendimiento y el volumen esperado para todos los servicios a los que accede su agente?
✓	¿Ha diseñado un comportamiento adecuado de control de errores para cada ruta de integración?

Herramientas del agente

¿Ha acabado?	Tarea
✓	¿Ha evaluado si una capacidad debe implementarse mediante una herramienta, un flujo de trabajo, un servidor MCP o una indicación?
✓	¿Ha verificado que cada herramienta tenga un nombre claro, una descripción, entradas y salidas para que el orquestador pueda seleccionarlas de manera fiable?
✓	¿Ha confirmado si los modelos avanzados o la configuración requieren usar una indicación de IA en vez del orquestador?
✓	¿Ha probado herramientas de forma independiente para validar cargas, esquemas, control de errores y características de rendimiento?
✓	¿Ha evaluado si un escenario requiere un agente secundario o un agente conectado en lugar de una herramienta?

Canales, clientes y transferencia

¿Ha acabado?	Tarea
✓	¿Ha seleccionado los canales correctos para su audiencia y ha comprobado los formatos de mensajería que admite cada canal, como Markdown, Tarjetas adaptables e imágenes?
✓	¿Ha validado el comportamiento del cliente y se ha asegurado de que los usuarios tengan una experiencia coherente en Teams, Chat en web, dispositivos móviles o aplicaciones personalizadas?
✓	¿Has establecido si tu implementación requiere la transferencia de agente por chat y has establecido el patrón adecuado, ya sea bot como agente o bot en el bucle?
✓	¿Ha confirmado que los créditos, la latencia y el comportamiento de toma de control del agente son aceptables para el modelo de transferencia elegido?

Temas, frases desencadenadoras y relleno de ranuras

¿Ha acabado?	Tarea
✓	¿Ha estructurado los temas de modo que cada uno tenga un objetivo claro y evite la duplicidad de responsabilidades?
✓	¿Ha diseñado frases desencadenadoras efectivas que apoyen sinónimos, variantes y vocabulario del dominio?
✓	¿Ha definido entidades y reglas de relleno de ranuras para asegurar que el agente recopile la información requerida de forma eficiente?
✓	¿Ha evaluado si se requieren entidades personalizadas, como lista cerrada o RegEx, para evitar confusión en la NLU?
✓	¿Ha validado el comportamiento de reserva y se ha asegurado de que el agente resuelva con elegancia la información que falta o poco clara?

Llamadas de procedimientos recomendados

• Nombre los componentes de forma clara y deliberada: utilice nombres orientados a la acción y fáciles de entender para las herramientas, temas y agentes conectados, de modo que ayuden al orquestador a elegir consistentemente el componente adecuado.
• Diseñe entradas y salidas con un propósito: use nombres de entrada concisos y fáciles de entender y salidas estructuradas, para que el orquestador pueda generar indicaciones de forma natural y encadenar pasos de manera fiable.
• Mantenga las capacidades modulares y reutilizables: trate los temas, herramientas y agentes conectados como bloques de construcción. Evite duplicar la lógica en flujos o componentes.
• Priorice los límites de seguridad desde el principio: defina qué acciones puede realizar la IA de forma autónoma, cuáles requieren confirmación y cuáles exigen aprobación humana para prevenir comportamientos no intencionados.
• Seleccione fuentes de conocimientos de alta calidad: mantenga bases de conocimiento concisas y precisas para disminuir el consumo de contexto y la búsqueda de información. Elimine contenido desactualizado o irrelevante para mejorar la calidad de la contextualización y reducir la información incorrecta.
• Elija primero el patrón de integración más sencillo: prefiera conectores o flujos de trabajo integrados, a menos que su escenario requiera explícitamente API personalizadas o servidores MCP. Las rutas más simples son más fáciles de mantener y depurar.
• Defina el comportamiento de las herramientas de forma clara y coherente: asigne a cada herramienta un nombre significativo, una descripción, un conjunto de entradas y salidas esperadas, para que el orquestador pueda seleccionarla correctamente y generar planes estables.
• Valide la autenticación con antelación: evite sorpresas confirmando si el escenario requiere autenticación de usuario, credenciales de creador o acceso seguro mediante identidades gestionadas.
• Diseñe para la latencia y el rendimiento: mantenga las consultas de API eficientes, reduzca el tamaño de las cargas y evite encadenar integraciones lentas para mantener una experiencia conversacional fluida.
• Pruebas de herramientas, flujos de trabajo e indicaciones aisladamente: valide las entradas, salidas y estados de error individualmente antes de conectarlos a los temas o al orquestador.
• Planifique el comportamiento de los canales de forma deliberada: comprenda qué canales admiten Markdown, Tarjetas adaptables, fotos o diseños personalizados, y diseñe sus mensajes en consecuencia.
• Estructure los temas para mayor claridad y mantenibilidad: mantenga los temas enfocados, evite la superposición y asegúrese de que cada tema resuelva una tarea bien definida.
• Redacte frases desencadenadoras alineadas con el lenguaje real del usuario: incluya variaciones, sinónimos y patrones comunes de expresión para mejorar el reconocimiento de intenciones y reducir la frecuencia de respuestas de respaldo.
• Utilice entidades para reducir preguntas innecesarias: emplee entidades integradas y personalizadas para extraer información del mensaje inicial del usuario, reduciendo la fricción y agilizando los flujos.
• Prueba a fondo los casos límite de relleno de espacio: valide la manera en que se comporta el agente cuando el usuario proporciona múltiples valores, información incompleta o entrada ambigua, y refina las entidades para reducir la confusión.