Rever a lista de verificação de implementação

A implementação dos seus agentes do Copilot Studio requer uma atenção cuidadosa às integrações, canais, ferramentas, conceção de tópicos e comportamento de preenchimento de horários para garantir que, em larga escala, os agentes funcionam de forma fiável. Esta secção fornece perguntas práticas e orientações de melhores práticas para o ajudar a validar as suas escolhas de implementação.

Validar a sua preparação para a implementação

Utilize a seguinte lista de verificação para confirmar que o seu agente é tecnicamente sólido, apresenta elevado desempenho e está pronto para a produção.

Capacidades de IA e planeamento de funcionalidades

Concluído?	Tarefa
✓	Identificou quais as capacidades de IA (orquestração generativa, respostas generativas, criador generativo, pedidos de IA, utilização do computador, aprovações) que o seu cenário requer?
✓	Definiu o propósito, o âmbito e as restrições para cada capacidade selecionada?
✓	Avaliou os riscos ou os requisitos de governação para capacidades de alto privilégio (por exemplo, ações, agentes ligados, utilização do computador)?
✓	Validou que as fontes de conhecimento são precisas, estão bem estruturadas e aptas para a fundamentação?
✓	Confirmou como o conteúdo gerado por IA será revisto, validado ou anulado quando necessário?

Estrutura da orquestração generativa

Concluído?	Tarefa
✓	Definiu claramente as ferramentas, tópicos, ações e agentes subordinados ou ligados do agente com nomes e descrições significativas?
✓	Especificou os limites de decisão para o grau de atuação autónoma da IA versus quando é necessária confirmação ou aprovação humana?
✓	Concebeu entradas e saídas de tópicos e ações para o orquestrador poder fazer pedidos automáticos e encadear passos naturalmente?
✓	Assegurou que as ferramentas se comportam de forma determinística e incluem validação para parâmetros críticos?
✓	Definiu orientações para o orquestrador sobre quando utilizar conhecimentos, quando usar ferramentas e quando realizar o planeamento em vários passos?

Geração Aumentada de Obtenção

Concluído?	Tarefa
✓	Validou se todas as fontes de conhecimento usadas para a Geração Aumentada de Obtenção (RAG) contêm conteúdo preciso, atualizado e aprovado, e se os dados desatualizados ou proibidos foram removidos?
✓	Verificou se os formatos de documentos, tamanhos de ficheiros e regras de indexação (SharePoint, Dataverse, dados personalizados, Pesquisa de IA do Azure, ficheiros carregados) cumprem os limites e comportamentos de cada fornecedor de RAG?
✓	Estabeleceu governação para a forma como os novos conteúdos são adicionados, atualizados ou descontinuados das fontes de conhecimento, garantindo que a RAG obtém apenas dados empresariais validados?

Integrações

Concluído?	Tarefa
✓	Identificou com quais sistemas o seu agente deve integrar-se e escolheu o padrão de integração apropriado (conector, HTTP, fluxo de trabalho, API, Model Context Protocol)?
✓	Confirmou os requisitos de autenticação e decidiu entre credenciais de utilizador e credenciais de criador para cada integração?
✓	Avaliou os limites da API, as restrições de desempenho e o volume esperado para todos os serviços que o agente chama?
✓	Estruturou comportamentos adequados de processamento de erros para cada caminho de integração?

Ferramentas do agente

Concluído?	Tarefa
✓	Avaliou se uma capacidade deve ser implementada usando uma ferramenta, um fluxo de trabalho, um servidor MCP ou um pedido?
✓	Assegurou que cada ferramenta tem um nome claro, uma descrição, entradas e saídas para que o orquestrador possa selecioná-los de forma fiável?
✓	Confirmou se a configuração ou os modelos avançados exigem a utilização de um pedido de IA em vez do orquestrador?
✓	Testou as ferramentas de forma independente para validar os payloads, o esquema, o processamento de erros e o desempenho?
✓	Avaliou se um cenário exige um agente subordinado ou agente ligado em vez de uma ferramenta?

Canais, clientes e entrega

Concluído?	Tarefa
✓	Escolheu os canais corretos para a sua audiência e verificou os formatos de mensagens que cada canal suporta, como Markdown, Cartões Adaptativos e imagens?
✓	Validou o comportamento de cliente e garantiu que os utilizadores têm uma experiência consistente no Teams, Webchat, dispositivos móveis ou aplicações personalizadas?
✓	Determinou se a sua implementação requer a entrega do agente em direto e selecionou o padrão apropriado, seja Bot-como-agente, ou Bot-no-Ciclo?
✓	Confirmou que os créditos, a latência e o comportamento de entrega do agente são aceitáveis para o modelo de entrega que escolheu?

Tópicos, expressões de acionador e preenchimento de blocos

Concluído?	Tarefa
✓	Estruturou os seus tópicos de forma a que cada um tenha um propósito claro e evite responsabilidades sobrepostas?
✓	Desenhou expressões acionadoras eficazes que suportam sinónimos, variações e vocabulário de domínio?
✓	Definiu entidades e regras de preenchimento de blocos para garantir que o agente recolhe a informação necessária de forma eficiente?
✓	Avaliou se entidades personalizadas, como listas fechadas ou RegEx, são necessárias para evitar confusão na NLU?
✓	Validou o comportamento de contingência e garantiu que o agente resolve corretamente as informações em falta ou pouco claras?

Notas de aviso de melhores práticas

• Atribuir nomes aos componentes de forma clara e intencional: utilize nomes orientados para a ação, nomes legíveis por humanos para ferramentas, tópicos e agentes ligados, para ajudar o orquestrador a escolher o componente certo de forma consistente.
• Estruturar entradas e saídas com objetivo: utilize nomes de entrada concisos e amigáveis para o utilizador e saídas estruturadas para que o orquestrador possa fazer o pedido automático de forma natural e encadear passos de forma fiável.
• Manter as capacidades modulares e reutilizáveis: trate tópicos, ferramentas e agentes ligados como blocos modulares. Evite duplicar a lógica entre fluxos ou componentes.
• Priorizar os limites de segurança desde o início: defina quais ações a IA pode executar autonomamente, quais requerem confirmação e quais exigem aprovação humana para evitar comportamentos não intencionais.
• Selecionar fontes de conhecimento de alta qualidade: mantenha as bases de dados de conhecimento pequenas, mas precisas, para reduzir a utilização de contexto e a pesquisa de conhecimento. Remova conteúdos desatualizados ou irrelevantes para melhorar a qualidade da fundamentação e reduzir informações incorretas.
• Primeiro, escolha o padrão de integração mais simples: prefira conectores ou fluxos de trabalho incorporados, a menos que o seu cenário exija explicitamente APIs personalizadas ou servidores MCP. Os caminhos mais simples são mais fáceis de manter e depurar.
• Definir o comportamento da ferramenta de forma clara e consistente: dê a cada ferramenta um nome significativo, uma descrição, um conjunto de entradas e uma saída esperada, para que o orquestrador possa selecioná-la corretamente e gerar planos estáveis.
• Validar a autenticação cedo: evite surpresas confirmando se o cenário requer autenticação do utilizador, credenciais do criador ou acesso seguro através de identidades geridas.
• Estruturar para latência e desempenho: mantenha as consultas da API eficientes, reduza o tamanho da payload e evite encadear integrações lentas para manter uma experiência conversacional reativa.
• Ferramentas de teste, fluxos de trabalho e pedidos em isolamento: valide as entradas, saídas e estados de erro individualmente antes de os ligar aos tópicos ou ao orquestrador.
• Planear deliberadamente o comportamento dos canais: compreenda quais canais suportam Markdown, Cartões Adaptativos, fotografias ou esquemas personalizados e estruture as suas mensagens em conformidade.
• Estruturar tópicos para clareza e capacidade de manutenção: mantenha os tópicos focados, evite sobreposição e garanta que cada tópico resolve uma única tarefa bem definida.
• Elaborar expressões acionadoras que correspondam à linguagem real do utilizador: inclua variações, sinónimos e padrões comuns de expressão para melhorar o reconhecimento de intenção e reduzir a frequência de respostas de contingência.
• Utilizar entidades para reduzir perguntas desnecessárias: empregue entidades incorporadas e personalizadas para extrair informações da mensagem inicial do utilizador, reduzindo a fricção e acelerando os fluxos.
• Testar cuidadosamente os casos-limite de preenchimento de blocos: valide como o agente se comporta quando o utilizador fornece múltiplos valores, informações incompletas ou dados ambíguos, e refine as entidades para reduzir a confusão.