Zapoznaj się z listą kontrolną dotyczącą wdrożenia

Wdrażanie agentów funkcji Copilot Studio wymaga starannego zwrócenia uwagi na integracje, kanały, narzędzia, projektowanie tematów oraz zachowanie dotyczące wypełniania miejsc, aby zapewnić niezawodną pracę agentów na dużą skalę. W tej sekcji znajdziesz praktyczne pytania oraz wskazówki dotyczące najlepszych rozwiązań, które pomogą Ci zweryfikować Twoje decyzje wdrożeniowe.

Weryfikowanie gotowości do wdrożenia

Skorzystaj z poniższej listy kontrolnej, aby potwierdzić, że Twój agent jest technicznie sprawny, wydajny i gotowy do produkcji.

Możliwości AI i planowanie funkcjonalności

Gotowe?	Zadanie
✓	Czy określono, które możliwości AI (orkiestracja generatywna, odpowiedzi generatywne, generatywny kreator, polecenia AI, obsługa komputera, zatwierdzenia) są wymagane przez Twój scenariusz?
✓	Czy zdefiniowano cel, zakres i ograniczenia dla każdej wybranej możliwości?
✓	Czy oceniono ryzyka lub wymagania dotyczące zarządzania dla możliwości o wysokich uprawnieniach (np. akcje, powiązani agenci, obsługa komputera)?
✓	Czy zweryfikowano, że źródła wiedzy są dokładne, dobrze uporządkowane i gotowe do wykorzystania w procesie uziemiania?
✓	Czy potwierdzono, jak treści generowane przez AI będą przeglądane, weryfikowane lub nadpisywane w razie potrzeby?

Projektowanie orkiestracji generatywnej

Gotowe?	Zadanie
✓	Czy jasno zdefiniowano narzędzia, tematy, akcje oraz elementy podrzędne lub powiązane agenty, nadając im znaczące nazwy i opisy?
✓	Czy określono granice decyzyjne dotyczące tego, w jakich obszarach AI może działać autonomicznie, a kiedy wymagane jest potwierdzenie lub zgoda człowieka?
✓	Czy zaprojektowano tematy oraz wejścia i wyjścia akcji tak, aby orkiestrator mógł automatycznie proponować i naturalnie łączyć kroki?
✓	Czy zadbano, by narzędzia zachowywały się deterministycznie i uwzględniały walidację parametrów krytycznych?
✓	Czy zdefiniowano wskazówki dla orkiestratora dotyczące tego, kiedy używać wiedzy, kiedy używać narzędzi oraz kiedy wykonywać planowanie wieloetapowe?

Pobieranie rozszerzonej generacji

Gotowe?	Zadanie
✓	Czy zweryfikowano, że wszystkie źródła wiedzy wykorzystywane w generowaniu wspomaganym wyszukiwaniem (RAG) zawierają dokładne, aktualne i zatwierdzone informacje oraz że nieaktualne lub zabronione dane zostały usunięte?
✓	Czy zweryfikowano, czy formaty dokumentów, rozmiary plików i reguły indeksowania (SharePoint, Dataverse, dane niestandardowe, Wyszukiwanie AI platformy Azure, przesłane pliki) odpowiadają ograniczeniom i zasadom działania każdego dostawcy treści RAG?
✓	Czy wdrożono nadzór dotyczący dodawania, aktualizowania lub wycofywania treści ze źródeł wiedzy, zapewniając, że RAG pobiera wyłącznie walidowane dane przedsiębiorstwa?

Integracje

Gotowe?	Zadanie
✓	Czy zidentyfikowano systemy, z którymi agent musi się zintegrować, i wybrano właściwy schemat integracji (łącznik, HTTP, przepływ pracy, API, protokół kontekstu modelu)?
✓	Czy potwierdzono wymagania uwierzytelniania i zdecydowano między poświadczeniami użytkownika a poświadczeniami twórcy dla każdej integracji?
✓	Czy przeanalizowano limity API, ograniczenia wydajności oraz oczekiwany wolumen dla wszystkich usług, z których korzysta twój agent?
✓	Czy zaprojektowano odpowiednie zachowanie obsługi błędów dla każdej ścieżki integracji?

Narzędzia agenta

Gotowe?	Zadanie
✓	Czy oceniono,, czy dana możliwość powinna być zaimplementowana jako narzędzie, przepływ pracy, serwer MCP czy polecenie?
✓	Czy zadbano, by każde narzędzie miało jasną nazwę, opis, wejścia i wyjścia, aby orkiestrator mógł je niezawodnie wybrać?
✓	Czy potwierdzono, że zaawansowane modele lub konfiguracja wymagają użycia polecenia AI zamiast orkiestratora?
✓	Czy testowano narzędzia niezależnie, aby zweryfikować poprawność ładunków, schematów, obsługi błędów oraz parametrów wydajności?
✓	Czy oceniono, czy scenariusz wymaga agenta podrzędnego, czy powiązanego agenta, a nie narzędzia?

Kanały, klienci i przekazywanie połączeń

Gotowe?	Zadanie
✓	Czy wybrano właściwe kanały dla swojej grupy odbiorców i zweryfikowano formaty wiadomości obsługiwane przez każdy kanał, takie jak Markdown, karty adaptacyjne i obrazy?
✓	Czy zweryfikowano zachowanie klientów i upewniono się, że użytkownicy mają spójne środowisko w usłudze Teams, czat internetowy, aplikacjach mobilnych lub niestandardowych?
✓	Czy określono, czy implementacja wymaga przekierowania rozmowy do prawdziwego agenta i wybrano odpowiedni wzorzec: Bot-as-an-Agent lub Bot-in-the-Loop?
✓	Czy potwierdzono, że zasoby, opóźnienia i zachowanie przy przejęciu przez agentów są akceptowalne dla wybranego modelu przekazania zadań?

Tematy, frazy wyzwalające oraz wypełnianie gniazd

Gotowe?	Zadanie
✓	Czy zorganizowano tematy tak, aby każdy miał jasno określony cel i nie nakładał się funkcjami z innymi?
✓	Czy zaprojektowano skuteczne frazy wyzwalające obsługujące synonimy, warianty i słownictwo domeny?
✓	Czy zdefiniowano podmioty i zasady wypełniania slotów, aby agent efektywnie zbierał wymagane informacje?
✓	Czy oceniono, czy niestandardowe jednostki, takie jak zamknięta lista czy RegEx, są konieczne, aby uniknąć nieporozumień w rozpoznawaniu znaczenia przez technologię NLU?
✓	Czy weryfikowano zachowania awaryjne i zapewniono, że agent elegancko rozwiązuje brakujące lub niejasne informacje?

Wywołania najlepszych rozwiązań

• Nazywaj komponenty jasno i celowo: używaj nazw związanych z akcją, czytelnych dla człowieka nazw 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 orkiestrator mógł automatycznie wysyłać polecenia i niezawodnie łączyć kroki.
• Utrzymuj możliwości modułowe i wielokrotnego użytku: traktuj tematy, narzędzia i połączonych agentów jako moduły konstrukcyjne. Unikaj powielania logiki między przepływami lub komponentami.
• Ustal wcześnie granice bezpieczeństwa: zdefiniuj, które działania AI mogą być wykonywane autonomicznie, które wymagają potwierdzenia, a które muszą być zatwierdzone przez człowieka, aby zapobiec niezamierzonemu zachowaniu.
• Zadbaj o wysoką jakość źródeł wiedzy: utrzymuj bazy wiedzy małe, ale dokładne, co pozwoli ograniczyć użycie kontekstu i czas wyszukiwania informacji. Usuń nieaktualne lub zakłócające treści, aby poprawić jakość powiązania i zredukować liczbę błędnych informacji.
• Wybierz najpierw najprostszy wzorzec integracji: preferuj wbudowane łączniki lub przepływy pracy, chyba że Twój scenariusz wymaga niestandardowych interfejsów 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.
• Weryfikuj uwierzytelnianie na wczesnym etapie: unikaj niespodzianek, potwierdzając, czy scenariusz wymaga uwierzytelniania użytkownika, poświadczeń twórcy lub bezpiecznego dostępu za pomocą zarządzanych tożsamości.
• Projektuj z myślą o opóźnieniach i wydajności: utrzymuj efektywność zapytań API, zmniejszaj rozmiary przesyłanych danych i unikaj łańcucha powolnych integracji, aby zapewnić responsywne środowisko konwersacji.
• Testuj narzędzia, przepływy pracy i polecenia w izolacji: weryfikuj wejścia, wyjścia i stany błędów indywidualnie, zanim połączysz je z tematami lub z orkiestratorem.
• Planowanie zachowania kanału celowo: zrozum, które kanały obsługują język Markdown, Karty adaptacyjne, zdjęcia lub układy niestandardowe, i odpowiednio projektuj swoje komunikaty.
• Strukturyzuj tematy pod kątem przejrzystości i łatwej konserwacji: skupiaj tematy na jednym zagadnieniu, unikaj nakładania się i upewnij się, że każdy temat rozwiązuje jedno dobrze określone zadanie.
• Twórz frazy wyzwalające zgodne z rzeczywistym językiem użytkownika: uwzględnij warianty, synonimy i powszechne wzorce frazeologiczne, aby poprawić rozpoznawanie intencji i zmniejszyć częstotliwość sytuacji awaryjnych.
• Używaj encji, aby ograniczyć liczbę zbędnych pytań: wykorzystuj wbudowane i niestandardowe encje do ekstrakcji informacji z początkowej wiadomości użytkownika, zmniejszając liczbę zbędnych interakcji i przyspieszając przebieg konwersacji.
• Dokładnie testuj przypadki brzegowe wypełniania miejsc na wartość: zweryfikuj, jak agent zachowuje się, gdy użytkownik poda wiele wartości, niepełne informacje lub niejednoznaczne dane wejściowe, i doprecyzuj encje, aby zmniejszyć zamieszanie.