Wdrożenie agentów Copilot Studio wymaga dokładnej uwagi wobec integracji, kanałów, narzędzi, projektowania tematów oraz zachowania wypełniania slotów, aby zapewnić niezawodną pracę agentów na dużą skalę. Ta sekcja zawiera praktyczne pytania oraz wskazówki dotyczące najlepszych praktyk, które pomogą Ci zweryfikować Twoje decyzje wdrożeniowe.
Zweryfikowaj gotowość do wdrożenia
Skorzystaj z poniższej listy kontrolnej, aby potwierdzić, że Twój agent jest technicznie sprawny, wydajny i gotowy do produkcji.
Możliwości AI i planowanie funkcji
| Gotowy? |
Zadanie |
| ✓ |
Czy zidentyfikowałeś, jakich możliwości AI (generatywna orkiestracja, generatywne odpowiedzi, kreator generatywny, prompty AI, korzystanie z komputera, zatwierdzenia) wymaga twój scenariusz? |
| ✓ |
Czy zdefiniowałeś cel, zakres i ograniczenia dla każdej wybranej możliwości? |
| ✓ |
Czy oceniałeś ryzyka lub wymagania dotyczące zarządzania dla możliwości o wysokich uprawnieniach (np. akcje, powiązani agenti, korzystanie z komputerów)? |
| ✓ |
Czy potwierdziłeś, że źródła wiedzy są dokładne, dobrze uporządkowane i gotowe do ugruntowania? |
| ✓ |
Czy potwierdziliście, jak treści generowane przez AI będą przeglądane, weryfikowane lub nadpisywane w razie potrzeby? |
Projektowanie orkiestracji generatywnej
| Gotowy? |
Zadanie |
| ✓ |
Czy jasno zdefiniowałeś narzędzia, tematy, działania oraz podmioty podrzędne lub powiązane z nimi z nazwami i opisami? |
| ✓ |
Czy określił Pan granice decyzyjne, na czym AI może działać autonomicznie, a kiedy potrzebne jest potwierdzenie lub ludzka zgoda? |
| ✓ |
Czy zaprojektowałeś tematy i działania wejściowe i wyjściowe tak, aby orkestrator mógł automatycznie promptować i łączyć kroki naturalnie? |
| ✓ |
Czy zadbałeś, by narzędzia zachowywały się deterministycznie i uwzględniały walidację parametrów kluczowych? |
| ✓ |
Czy zdefiniowałeś wskazówki dla organizatora, kiedy używać wiedzy, kiedy używać narzędzi, a kiedy wykonać planowanie wieloetapowe? |
Pobieranie rozszerzonej generacji
| Gotowy? |
Zadanie |
| ✓ |
Czy potwierdziłeś, że wszystkie źródła wiedzy używane w Retrieval Augmented Generation (RAG) zawierają dokładne, aktualne i zatwierdzone treści, a przestarzałe lub zakazane dane zostały usunięte? |
| ✓ |
Czy zweryfikowałeś, czy formaty dokumentów, rozmiary plików i reguły indeksowania (SharePoint, Dataverse, niestandardowe dane, Azure AI Search, przesyłane pliki) spełniają limity i zachowania każdego dostawcy RAG? |
| ✓ |
Czy ustanowiłeś zarządzanie tym, jak nowe treści są dodawane, aktualizowane lub wycofywane ze źródeł wiedzy, zapewniając, że RAG pobiera tylko zweryfikowane dane korporacyjne? |
Integrations
| Gotowy? |
Zadanie |
| ✓ |
Czy określiłeś, z którymi systemami twój agent musi się zintegrować i wybrałeś odpowiedni wzorzec integracji (connector, HTTP, workflow, API, Model Context Protocol)? |
| ✓ |
Czy potwierdziłeś wymagania uwierzytelniania i zdecydowałeś między logowaniem użytkownika a logowaniem twórczym dla każdej integracji? |
| ✓ |
Czy oceniłeś limity API, ograniczenia wydajnościowe i oczekiwaną wolumenu dla wszystkich usług, które wywołują twoi agent? |
| ✓ |
Czy zaprojektowałeś odpowiednie zachowanie obsługi błędów dla każdej ścieżki integracji? |
| Gotowy? |
Zadanie |
| ✓ |
Czy oceniałeś, czy dana funkcja powinna być implementowana za pomocą narzędzia, workflow, serwera MCP lub promptu? |
| ✓ |
Czy zadbaliście, by każde narzędzie miało jasną nazwę, opis, wejścia i wyjścia, aby orkestrator mógł je niezawodnie wybrać? |
| ✓ |
Czy potwierdziliście, czy zaawansowane modele lub konfiguracja wymagają użycia promptu AI zamiast orchestratora? |
| ✓ |
Czy testowałeś narzędzia niezależnie, aby zweryfikować ładunki, schemat, zarządzanie błędami i charakterystykę wydajności? |
| ✓ |
Czy oceniłeś, czy scenariusz wymaga agenta potomnego, czy powiązanego agenta, a nie narzędzia? |
Kanały, klienci i przekazywanie
| Gotowy? |
Zadanie |
| ✓ |
Czy wybrałeś odpowiednie kanały dla swojej grupy odbiorców i zweryfikowałeś formaty przekazu obsługiwane przez każdy kanał, takie jak Markdown, Adaptive Cards i obrazy? |
| ✓ |
Czy weryfikowaliście zachowania klientów i zapewnialiście im spójne doświadczenia w Teams, Web Chat, na urządzeniach mobilnych lub w aplikacjach niestandardowych? |
| ✓ |
Czy określiłeś, czy twoja implementacja wymaga przekazania agenta na żywo i wybrałeś odpowiedni wzorzec, czy Bot-as-an-Agent lub Bot-in-the-Loop? |
| ✓ |
Czy potwierdziłeś, że kredyty, opóźnienia i zachowanie przejęcia agentów są akceptowalne dla wybranego modelu przekazania? |
Tematy, frazy wyzwalające i wypełnianie slotów
| Gotowy? |
Zadanie |
| ✓ |
Czy ułożyłeś tematy tak, aby każdy miał jasny cel i unikał nakładających się obowiązków? |
| ✓ |
Czy zaprojektowałeś skuteczne frazy wyzwalające wspierające synonimy, wariacje i słownictwo domenowe? |
| ✓ |
Czy zdefiniowałeś podmioty i zasady wypełniania slotów, aby agent efektywnie zbierał wymagane informacje? |
| ✓ |
Czy oceniłeś, czy niestandardowe jednostki, takie jak zamknięta lista czy RegEx, są konieczne, aby uniknąć nieporozumień NLU? |
| ✓ |
Czy weryfikowałeś zachowania awaryjne i zapewniałeś, że agent z gracją rozwiązuje brakujące lub niejasne informacje? |
Najlepsze praktyki
-
Nazywaj komponenty jasno i celowo: Używaj nazw nastawionych na działanie i czytelnych dla człowieka dla narzędzi, tematów i powiązanych agentów, aby pomóc orkiestratorowi konsekwentnie wybierać właściwy komponent.
-
Projektuj wejścia i wyjścia z celem: Używaj zwięzłych, przyjaznych dla człowieka nazw wejść i ustrukturyzowanych wyników, aby orkestrator mógł automatycznie promptować i niezawodnie łączyć kroki.
-
Utrzymuj możliwości modułowe i wielokrotnego użytku: traktuj tematy, narzędzia i powiązanych agentów jak elementy budulcowe. Unikaj dublowania logiki między przepływami lub komponentami.
-
Priorytetyzuj granice bezpieczeństwa już na początku: Określ, które działania AI może wykonywać autonomicznie, które wymagają potwierdzenia, a które wymagają ludzkiej zgody, aby zapobiec niezamierzonym zachowaniom.
-
Wybieraj wysokiej jakości źródła wiedzy: Utrzymuj bazy wiedzy małe, ale dokładne, aby ograniczyć wykorzystanie kontekstu i przeszukiwanie wiedzy. Usuń przestarzałe lub głośne treści, aby poprawić jakość uziemienia i ograniczyć nieprawdziwe informacje.
-
Wybierz najprostszy wzorzec integracji: preferuj wbudowane konektory lub workflowy, chyba że Twój scenariusz wymaga wyraźnie niestandardowych API lub serwerów MCP. Prostsze ścieżki są łatwiejsze do utrzymania i debugowania.
-
Jasno i konsekwentnie zdefiniuj zachowanie narzędzia: nadaj każdemu narzędziu sensowną nazwę, opis, zestaw wejściowy i oczekiwany wynik, aby orkiestrator mógł je poprawnie wybrać i wygenerować stabilne plany.
-
Wczesne uwierzytelnienie: Unikaj niespodzianek, potwierdzając, czy scenariusz wymaga uwierzytelniania użytkownika, danych uwierzytelniających od makera lub bezpiecznego dostępu przez zarządzane tożsamości.
-
Projektuj z myślą o opóźnieniach i wydajności: Utrzymuj efektywność zapytań API, zmniejszaj rozmiary payloadów i unikaj łańcuchowania powolnych integracji, aby zapewnić responsywne doświadczenie rozmowy.
-
Testuj narzędzia, workflow i prompty osobno: Weryfikuj wejścia, wyjścia i stany błędów indywidualnie, zanim połączysz je z tematami lub do orkiestratora.
-
Planuj zachowanie kanałów świadomie: Zrozum, które kanały obsługują Markdown, Adaptive Cards, zdjęcia lub niestandardowe układy, i zaprojektuj odpowiednie komunikaty.
-
Strukturyzuj tematy tak, aby były przejrzyste i łatwiejsze w utrzymaniu: Utrzymuj koncentrację tematów, unikaj nakładania się i upewnij się, że każdy temat rozwiązuje jedno dobrze określone zadanie.
-
Twórz frazy wyzwalające odpowiadające prawdziwemu językowi użytkownika: Uwzględnij wariacje, synonimy i powszechne wzorce frazowania, aby poprawić rozpoznawanie intencji i zmniejszyć częstotliwość wpadek.
-
Używaj encji do redukcji zbędnych pytań: Stosuj wbudowane i niestandardowe jednostki, aby wydobyć informacje z początkowej wiadomości użytkownika, zmniejszając tarcia i przyspieszając przepływy danych.
-
Dokładnie testuj przypadki brzegowe wypełniające sloty: Zweryfikowaj, jak agent zachowuje się, gdy użytkownik poda wiele wartości, niepełne informacje lub niejednoznaczne dane wejściowe, i doprecyzuj jednostki, aby zmniejszyć zamieszanie.