Gebruik agenttools om uw agenten uit te breiden, te automatiseren en te verbeteren

Agenten worden krachtiger wanneer u ze uitrust met gespecialiseerde tools die hun kerncapaciteiten uitbreiden. Copilot Studio biedt drie hoofdcategorieën van agenttools:

In dit artikel wordt onderzocht hoe elk type tool werkt, wanneer u welke tool moet gebruiken en hoe tools u kunnen helpen om meer capabele en efficiëntere agenten te maken. U leert ook over de verschillen tussen gehoste en eigen BYO-machines (Bring your Own) voor computergebruikscenario's. Bovendien krijgt begeleiding bij het kiezen tussen de traditionele RPA-benadering (Robotic Process Automation, robotgestuurde procesautomatisering) en de CUA-benadering (Computer Using Agents, agenten die computers bedienen).

Gebruik AI-prompts om een respons te genereren

AI-prompts gebruiken een reeks instructies om een antwoord van een AI-model te genereren. U kunt variabelen opnemen om meer tekst of documenten aan deze instructies toe te voegen. De uitvoer wordt meestal geleverd in platte tekst of JSON-formaat. U kunt om een respons te genereren elk AI-model selecteren dat beschikbaar is in Copilot Studio of dat via Microsoft Foundry is geïmplementeerd.

U kunt prompts aanroepen als een agenttool of vanuit een onderwerp. Alle prompts worden opgeslagen in een promptbibliotheek en bieden ondersteuning voor het levenscyclusbeheer van toepassingen, op rollen gebaseerd toegangsbeheer en het delen van gegevens.

Kom meer te weten over het gebruik van prompts om uw agent specifieke taken te laten uitvoeren.

Bepalen wanneer u AI-prompts en wanneer u de orchestrator gebruikt

Elke agent die in Copilot Studio is gemaakt, gebruikt de orchestrator om te bepalen hoe te reageren door tools, onderwerpen en kennis te selecteren op basis van systeeminstructies, gebruikersinvoer en contextuele informatie. De orchestrator is de motor achter generatieve orkestratie, die acties plant en met behulp van de hulpprogramma's en beschrijvingen van de agent antwoorden samenstelt.

Hoewel door de orchestrator gestuurde responsen lijken op AI-prompts, dienen de twee mogelijkheden verschillende doelen. AI-prompts zijn op zichzelf staande prompt-gebaseerde acties die makers diepere controle geven over de modelconfiguratie.

AI-prompts ondersteunen een breder scala aan modellen, waaronder de modellen die beschikbaar zijn via Microsoft Foundry. Ze ondersteunen ook functies, zoals Dataverse-onderbouwing, bestandsinvoer en code-interpreter.

De orchestrator gebruikt een vaste systeemprompt en toolbeschrijvingen om de juiste bouwstenen voor een bepaalde aanvraag te kiezen. Makers kunnen de systeemprompt van de orchestrator niet bewerken, maar ze kunnen wel beïnvloeden hoe deze zich gedraagt via agentinstructies.

AI-prompts geven volledige controle over de opmaak, beperkingen en logica, waardoor ze de juiste keuze zijn voor scenario's waarbij nauwkeurige afstemming of strikt gestructureerde uitvoer nodig is. Als u bijvoorbeeld stilistische controle nodig hebt die verder gaat dan alleen simpele opmaak ("schrijf een rijmend gedicht in ABAB-structuur met precies deze woorden"), is een prompt meer geschikt.

De orchestrator werkt goed voor eenvoudige taken, zoals het extraheren van één naam uit tekst. Gebruik AI-prompts voor complexe extractie. Gebruik ze bijvoorbeeld voor het ophalen van meerdere entiteiten uit een lang rapport en het koppelen van deze entiteiten aan domeinspecifieke relaties (zoals het ophalen van verschillende namen uit een verzekeringsrapport en het identificeren van de eigenaar van het autoreparatiebedrijf die is verbonden aan slechts één partij in het incident).

De keuze tussen orchestrator en AI-prompts is afhankelijk van de mate van aanpassing die vereist is. Als u nauwkeurige controle over het gedrag of de uitvoer van het model nodig hebt, kies dan voor AI-prompts. Voor scenario's waarin algemene logica, keuze van tools en eenvoudige opmaak volstaan, is de orchestrator de beste keuze.

Agenttools integreren door MCP te gebruiken

Het Model Context Protocol (MCP) is een universele interface waarmee AI-modellen op een consistente en schaalbare manier kunnen communiceren met externe tools, gegevensbronnen en gebruikersomgevingen.

Ter vergelijking vereisen Power Platform-connectors dat u elke actie en de bijbehorende invoer beschrijft en dat u deze beschrijvingen aanpast zodra er nieuwe definities beschikbaar komen. Het schrijven van maatwerkcode voor integraties met elke tool is complexer en minder schaalbaar.

Gebruik de MCP-servers die met Copilot Studio worden geleverd voor Microsoft-services, zoals Outlook, Dataverse en GitHub of externe services, zoals Salesforce en JIRA. Bouw aangepaste MCP-servers voor services waarvoor nog geen server beschikbaar is.

Voordelen van MCP zijn onder meer:

  • Gestandaardiseerde context voor AI-modellen
  • Naadloze integratie met Copilot Studio
  • Verbeterde ontwikkelaarsefficiëntie en gebruikerservaring
  • Governance, monitoring en uitbreidbaarheid

Houd rekening met de volgende beperkingen voordat u MCP-servers implementeert:

  • U kunt toolbeschrijvingen niet verrijken met meer context over wanneer ze moeten worden aangeroepen.
  • Onderwerpen kunnen MCP-servers niet direct aanroepen.

Begrijpen wanneer u MCP moet gebruiken

U kunt dezelfde resultaten bereiken in Copilot Studio via verschillende integratiemethoden. Het is belangrijk te begrijpen wanneer MCP-servers (Model Context Protocol) de voorkeur hebben boven eenvoudigere opties, zoals Power Platform-connectors of directe REST API-aanroepen.

Gebruik MCP wanneer u een gestandaardiseerde, centraal beheerde manier nodig hebt om tools en bronnen beschikbaar te stellen aan meerdere agenten zonder configuratie voor elke afzonderlijke client. MCP-servers stellen tools en bronnen beschikbaar die agenten automatisch kunnen detecteren, waarvan ze versies kunnen beheren en die ze consistent kunnen gebruiken omdat de MCP-server de beschrijvingen van de tools en hun invoer definieert. Daarentegen moet u bij het direct toevoegen van een API handmatig het doel beschrijven en de invoer per agent definiëren.

MCP is vooral waardevol wanneer upstream API's vaak veranderen. In plaats van iedere agent die de API gebruikt te moeten bijwerken, past u de definitie slechts één keer aan op de MCP-server, waarna alle agenten automatisch de bijgewerkte versie gebruiken zonder dat u die opnieuw hoeft te publiceren. Als er geen MCP-server is of als u snel een prototype wilt maken, is het direct aanroepen van API's sneller en voorkomt u de overhead van het instellen die nodig is voor de volledige MCP-levenscyclus.

Generatieve orkestratie moet ingeschakeld zijn om MCP te kunnen gebruiken. Lees meer in Hoe werkt MCP?

Automatiseer desktopprocessen met behulp van de tool voor computergebruik

Door gebruik te maken van de tool voor computergebruik kan een agent een computer bedienen zonder automatiseringsscripts of API's. In plaats van scripts of API's te gebruiken, configureert u de agent via een prompt. De agent bepaalt hoe hij zijn doelen het beste kan bereiken. Tijdens het proces maakt de agent bij elke stap een schermopname, analyseert hij deze opname om de volgende actie te bepalen, voert hij die actie uit en herhaalt hij deze cyclus totdat de taak voltooid is. Schermopnamen gemaakt door de agent en redeneringsstappen zijn beschikbaar als onderdeel van de uitvoergeschiedenis.

Veelvoorkomende scenario's waarin een agent baat heeft bij de tool voor computergebruik zijn onder andere:

  • Gegevensinvoer: Voor elke rij in het inkomende CSV-bestand maakt u de verkooporder aan in SAP en schrijft u de gegenereerde order-ID terug naar het bestand.
  • Gegevensextractie: Bezoek elke leveranciersportal, zoek de opgegeven SKU, extraheer de prijs, voorraad en levertijd, en sla de resultaten met een tijdstempel op in de database.
  • Tussen apps: Exporteer de dagtransacties uit de financiële desktopclient, ga naar QuickBooks en boek elke transactie op de juiste rekening.

Gehoste machines versus BYO-machines

Agenten kunnen de tool voor computergebruik aanroepen op een door Microsoft gehoste machine of een BYO-machine (Bring Your Own). Gehoste machines zijn direct beschikbaar voor gebruik, zonder dat IT-configuratie of facturering vereist is. Ze maken deel uit van een gedeelde pool van vooraf ingerichte Windows 365 Cloud-pc's die niet zijn gekoppeld aan de Entra-tenant van de klant. BYO-machines moeten vooraf worden ingericht binnen het eigen virtuele netwerk van de klant. U moet BYO-machines registreren en beheren in Power Automate.

Gebruik BYO-machines voor productiescenario's. Ze bieden ondersteuning voor Microsoft Entra ID, zijn ingeschreven bij Intune en ondersteunen zowel web- als desktopautomatiseringsscenario's. Gebruik gehoste machines uitsluitend voor het maken van prototypes vanwege hun beperkte mogelijkheden. Er is per gebruiker slechts één Cloud-pc beschikbaar en het gebruik kan worden beperkt op basis van de vraag.

Meer informatie vindt u in Configureren waar computergebruik wordt uitgevoerd.

Robotgestuurde procesautomatisering (RPA) versus agenten die computers bedienen (CUA)

Robotgestuurde procesautomatisering (Robotic Process Automation, RPA) is de automatisering van een computer met behulp van een script. U kunt RPA toepassen op veel van de scenario's waarvoor CUA (Computer Using Agents, agenten die computers bedienen) wordt toegepast. Het is echter belangrijk om de verschillen tussen RPA en CUA te begrijpen.

Aspect RPA CUA
Automatiseringstype Gebaseerd op regels LLM-gedreven
Interactiemethode UI-boomstructuur Vision
Creatie Script, complex Instructies in natuurlijke taal
Besluitvorming Vooraf gedefinieerde regels Autonome beslissingen op basis van visuele informatie
Flexibiliteit Beperkte flexibiliteit Grote flexibiliteit
Foutverwerking Statische foutbehandeling Zelfcorrigerend op basis van visuele feedback

Gebruik in de volgende gevallen RPA:

  • Alleen algemeen beschikbare (GA) functies zijn toegestaan.
  • De gebruikersinterface is stabiel. De schermen, velden en selectors veranderen zelden.
  • De regels zijn helder. U kunt beslissingen vastleggen in regels.
  • Snelheid doet ertoe. Hoog volume. Elke seconde telt.
  • Een RPA-team beheert het. Het team beschikt over bestaande kennis van RPA-ontwikkeling en -beheer.

Gebruik in de volgende gevallen CUA:

  • Gebruikersinterfaces verschuiven of variëren sterk. U werkt met meerdere apps en frequente wijzigingen in de gebruikersinterface.
  • U hebt het snel nodig. De backlog van het RPA-team is vol.
  • De gebruikersinterface is belangrijk. De taak is afhankelijk van wat er op het scherm zichtbaar is, zoals grafieken, kleuren en dynamische lay-outs.
  • Beslissingen zijn vaag. De agent moet redeneren, de volgende stap kiezen of zichzelf corrigeren.
  • Last updated on