Implementar seus agentes do Copilot Studio exige atenção cuidadosa às integrações, canais, ferramentas, design de tópicos e comportamento de preenchimento de espaços para garantir que os agentes atuem de forma confiável em escala. Esta seção traz perguntas práticas e orientações de melhores práticas para ajudar você a validar suas escolhas de implementação.
Valide sua prontidão para implementação
Use o checklist a seguir para confirmar que seu agente está tecnicamente sólido, com desempenho e pronto para produção.
Capacidades de IA e planejamento de recursos
| Feito? |
Tarefa |
| ✓ |
Você identificou quais capacidades de IA (orquestração generativa, respostas generativas, construtor generativo, prompts de IA, uso de computador, aprovações) seu cenário exige? |
| ✓ |
Você definiu o propósito, escopo e restrições para cada capacidade selecionada? |
| ✓ |
Você avaliou riscos ou requisitos de governança para capacidades de alto privilégio (por exemplo, ações, agentes conectados, uso de computadores)? |
| ✓ |
Você validou que as fontes de conhecimento são precisas, bem estruturadas e prontas para fundamento? |
| ✓ |
Você confirmou como o conteúdo gerado por IA será revisado, validado ou anulado quando necessário? |
Design de orquestração generativa
| Feito? |
Tarefa |
| ✓ |
Você definiu claramente as ferramentas, temas, ações e agentes filhos ou conectados do agente com nomes e descrições significativas? |
| ✓ |
Você especificou limites de decisão sobre o que a IA pode agir de forma autônoma versus quando é necessária confirmação ou aprovação humana? |
| ✓ |
Você projetou entradas e saídas de tópicos e ações para que o orquestrador possa fazer auto-prompt e encadear passos naturalmente? |
| ✓ |
Você garantiu que as ferramentas se comportassem de forma determinística e incluíssem validação para parâmetros críticos? |
| ✓ |
Você definiu orientações para o orquestrador sobre quando usar conhecimento, quando usar ferramentas e quando realizar o planejamento em múltiplas etapas? |
Recuperação Aumentada de Geração
| Feito? |
Tarefa |
| ✓ |
Você validou que todas as fontes de conhecimento usadas para a Geração Aumentada de Recuperação (RAG) contêm conteúdo preciso, atualizado e aprovado, e que dados desatualizados ou proibidos foram removidos? |
| ✓ |
Você verificou se os formatos dos documentos, tamanhos de arquivo e regras de indexação (SharePoint, Dataverse, dados personalizados, Azure AI Search, arquivos enviados) cumprem os limites e comportamentos de cada provedor RAG? |
| ✓ |
Você estabeleceu uma governança para como novo conteúdo é adicionado, atualizado ou aposentado das fontes de conhecimento, garantindo que o RAG recupere apenas dados corporativos validados? |
Integrations
| Feito? |
Tarefa |
| ✓ |
Você identificou com quais sistemas seu agente deve se integrar e escolheu o padrão de integração apropriado (conector, HTTP, fluxo de trabalho, API, Protocolo de Contexto de Modelo)? |
| ✓ |
Você confirmou os requisitos de autenticação e decidiu entre credenciais de usuário e credenciais de fabricante para cada integração? |
| ✓ |
Você avaliou os limites da API, restrições de desempenho e o volume esperado para todos os serviços que seu agente chama? |
| ✓ |
Você projetou um comportamento adequado de manejo de erros para cada caminho de integração? |
| Feito? |
Tarefa |
| ✓ |
Você avaliou se uma funcionalidade deveria ser implementada usando uma ferramenta, um fluxo de trabalho, um servidor MCP ou um prompt? |
| ✓ |
Você garantiu que cada ferramenta tenha um nome claro, descrição, entradas e saídas para que o orquestrador possa selecioná-la de forma confiável? |
| ✓ |
Você confirmou se modelos ou configurações avançadas exigem o uso de um prompt de IA em vez do orquestrador? |
| ✓ |
Você testou ferramentas de forma independente para validar cargas úteis, esquemas, manejo de erros e características de desempenho? |
| ✓ |
Você avaliou se um cenário exige um agente filho ou um agente conectado, em vez de uma ferramenta? |
Canais, clientes e transferência de dados
| Feito? |
Tarefa |
| ✓ |
Você escolheu os canais corretos para seu público e verificou os formatos de mensagens que cada canal suporta, como Markdown, Adaptive Cards e imagens? |
| ✓ |
Você validou o comportamento dos clientes e garantiu que os usuários tivessem uma experiência consistente no Teams, Web Chat, mobile ou aplicativos personalizados? |
| ✓ |
Você determinou se sua implementação requer transferência de agente ao vivo e selecionou o padrão apropriado, seja Bot-como-agente, ou Bot-in-the-Loop? |
| ✓ |
Você confirmou que créditos, latência e comportamento de tomada de controle de agentes são aceitáveis para o modelo de transferência que escolheu? |
Tópicos, frases de gatilho e preenchimento de espaços
| Feito? |
Tarefa |
| ✓ |
Você estruturou seus temas de forma que cada um tenha um propósito claro e evite responsabilidades sobrepostas? |
| ✓ |
Você criou frases gatilho eficazes que suportam sinônimos, variações e vocabulário de domínio? |
| ✓ |
Você definiu entidades e regras de preenchimento de vagas para garantir que o agente colete as informações necessárias de forma eficiente? |
| ✓ |
Você avaliou se entidades personalizadas, como closed list ou RegEx, são necessárias para evitar confusão com NLU? |
| ✓ |
Você validou o comportamento de recurso, garantiu que o agente resolvesse com elegância informações faltantes ou pouco claras? |
Chamadas de melhores práticas
-
Nomeie os componentes de forma clara e intencional: Use nomes orientados à ação e legíveis para pessoas para ferramentas, tópicos e agentes conectados para ajudar o orquestrador a escolher consistentemente o componente certo.
-
Projete entradas e saídas com propósito: Use nomes de entrada concisos e amigáveis para o usuário e saídas estruturadas para que o orquestrador possa fazer prompts automáticos naturalmente e encadear passos de forma confiável.
-
Mantenha as capacidades modulares e reutilizáveis: trate tópicos, ferramentas e agentes conectados como blocos de construção. Evite duplicar lógica entre fluxos ou componentes.
-
Priorize limites de segurança desde cedo: Defina quais ações a IA pode realizar de forma autônoma, quais ações exigem confirmação e quais ações exigem aprovação humana para evitar comportamentos não intencionais.
-
Selecione fontes de conhecimento de alta qualidade: Mantenha as bases de conhecimento pequenas, mas precisas. Remova conteúdos desatualizados ou barulhentos para melhorar a qualidade do aterramento e reduzir informações incorretas.
-
Escolha primeiro o padrão de integração mais simples: prefira conectores ou fluxos de trabalho embutidos, a menos que seu cenário exija explicitamente APIs personalizadas ou servidores MCP. Caminhos mais simples são mais fáceis de manter e depurar.
-
Defina o comportamento da ferramenta de forma clara e consistente: Dê a cada ferramenta um nome significativo, descrição, conjunto de entrada e saída esperada para que o orquestrador possa selecioná-la corretamente e gerar planos estáveis.
-
Valide a autenticação antecipadamente: Evite surpresas confirmando se o cenário requer autenticação do usuário, credenciais do fabricante ou acesso seguro por meio de identidades gerenciadas.
-
Projete para latência e desempenho: Mantenha as consultas da API eficientes, reduza o tamanho das cargas úteis e evite encadear integrações lentas para manter uma experiência conversacional responsiva.
-
Ferramentas de teste, fluxos de trabalho e prompts isoladamente: Valide entradas, saídas e estados de erro individualmente antes de conectá-los aos tópicos ou ao orquestrador.
-
Planeje o comportamento dos canais de forma deliberada: Entenda quais canais suportam Markdown, Adaptive Cards, fotos ou layouts personalizados, e projete suas mensagens de acordo.
-
Estruture os tópicos para clareza e facilidade de manutenção: Mantenha os temas focados, evite sobreposições e garanta que cada tema resolva uma única tarefa bem definida.
-
Crie frases de gatilho que combinem com a linguagem real do usuário: Inclua variações, sinônimos e padrões comuns de frase para melhorar o reconhecimento de intenções e reduzir a frequência de recurso.
-
Use entidades para reduzir perguntas desnecessárias: Empregue entidades integradas e personalizadas para extrair informações da mensagem inicial do usuário, reduzindo atritos e acelerando os fluxos.
-
Teste completamente: Valide como o agente se comporta quando o usuário fornece múltiplos valores, informações incompletas ou entrada ambígua, e refinar as entidades para reduzir a confusão.