為 Agent 配備可擴充其核心功能的專用工具後，Agent 會變得更強大。 Copilot Studio 提供三種主要的 Agent 工具類別：
本文探討每種工具類型的運作方式、使用時機，以及如何協助您建置功能更強大、更有效率的 Agent。 您還會了解模擬電腦使用案例所需託管電腦與自備電腦之間的差異，以及有關如何在傳統機器人程序自動化 (RPA) 與電腦使用 Agent (CUA) 方法之間選擇的指引。
使用 AI 提示產生回應
AI 提示會使用一組指示，從 AI 模型產生回應。 您可以加入變數，在這些指示中插入更多文字或文件。 輸出通常會以純文字或 JSON 格式提供。 您可以選取任何內建於 Copilot Studio 或透過 Microsoft Foundry 部署的 AI 模型來產生回應。
您可以將提示當做 Agent 工具來叫用，或是從主題中叫用提示。 所有提示都會儲存到提示庫，並支援應用程式生命週期管理、角色型存取控制和共用。
如需詳細資訊，請參閱使用提示讓 Agent 執行特定工作。
判斷何時該使用 AI 提示，何時該使用協調器
在 Copilot Studio 中建置的每個 Agent，都會使用協調器根據系統指示、使用者輸入及內容資訊，選取工具、主題和知識，藉此決定如何回應。 協調器是生成式協調流程背後的引擎，會使用 Agent 的工具和描述來規劃動作並組成回應。
雖然由協調器驅動的回應可能看起來與 AI 提示類似，但這兩種功能的用途不同。 AI 提示是獨立的以提示為基礎的動作，可讓製作者更深入地控制模型設定。
AI 提示支援更廣泛的模型，包括透過 Microsoft Foundry 提供的模型。 它們也支援 Dataverse 落地、檔案輸入，以及程式碼解譯器等功能。
協調器會使用固定的系統提示和工具描述，為特定要求選擇正確的建構元素。 製作者無法編輯協調器的系統提示，但可以透過 Agent 指示影響其行為方式。
AI 提示可完全控制格式、限制和邏輯，因此是需要微調或高度結構化輸出案例的合適選擇。 例如，如果您需要簡單格式化以外的風格控制 (「使用這些確切的字詞寫一首 ABAB 結構的押韻詩」)，提示會是更好的選擇。
協調器很適合處理從文字擷取單一名稱等簡單工作。 如需複雜的擷取作業，請使用 AI 提示。 例如，從長篇報告中擷取多個實體，並將其連結至特定領域的關聯性 (例如從保險報告中擷取多個姓名，並找出僅與事故中一方相關聯的汽車維修服務業者)。
要選擇協調器還是 AI 提示，取決於所需的自訂程度。 如果您需要精準控制模型的行為或輸出，請選擇 AI 提示。 如果一般推理、工具選取和輕量格式化就已足夠，協調器會是合適的選擇。
使用 MCP 整合 Agent 工具
Model Context Protocol (MCP)是一種通用介面，AI 模型可用一致且可擴充的方式，透過此介面與外部工具、資料來源及使用者環境互動。
相較之下，Power Platform 連接器需要您描述每個動作及其輸入，並在有新定義可用時更新這些描述。 為每個工具自訂撰寫整合程式碼較為複雜，且擴充性較低。
針對 Outlook、Dataverse 和 GitHub 等 Microsoft 服務，或 Salesforce 和 JIRA 等協力廠商服務，使用 Copilot Studio 隨附的 MCP 伺服器。 針對尚無 MCP 伺服器的服務，建置自訂 MCP 伺服器。
MCP 的優點包括：
- AI 模型的標準化內容
- 與 Copilot Studio 無縫整合
- 提升開發人員效率和使用者體驗
- 治理、監視和擴充性
實作 MCP 伺服器之前，請先考慮下列限制：
- 您無法在工具描述中加入更多關於呼叫時機的內容資訊。
- 主題無法直接呼叫 MCP 伺服器。
了解何時該使用 MCP
您可以透過多種整合方法，在 Copilot Studio 中達成相同的結果。 了解何時該使用 Model Context Protocol (MCP) 伺服器，何時該使用 Power Platform 連接器或直接呼叫 REST API 等較簡單的選項，是相當重要的一件事。
如果您需要以標準化、集中管理的方式，將工具和資源公開給多個 Agent，而不必逐一設定用戶端，請使用 MCP。 MCP 伺服器會發佈工具和資源，由於 MCP 伺服器定義了工具描述及其輸入，Agent 可以自動探索、建立版本並一致地使用這些工具和資源。 相較之下，直接新增 API 需要您針對每個 Agent 手動描述其用途，並定義其輸入。
當上游 API 經常變更時，MCP 特別有價值。 您只需在 MCP 伺服器上修改一次定義，所有使用該 API 的 Agent 就會自動使用更新後的版本，不必逐一更新或重新發佈。 如果沒有現成的 MCP 伺服器，或您正在快速製作原型，直接呼叫 API 會更快，並可避免導入完整 MCP 生命週期所需的設定額外負荷。
必須啟用生成式協調流程才能使用 MCP。 如需詳細資訊，請參閱 MCP 的運作方式為何？
使用電腦操作工具自動化桌面程序
透過使用電腦操作工具，Agent 不需要自動化指令碼或 API 即可操作電腦。 您可以使用提示設定 Agent，而不必使用指令碼或 API。 Agent 會決定達成目標的最佳方式。 在此過程中，Agent 會在每個步驟擷取螢幕畫面、分析畫面以決定下一步動作、執行該動作，並重複此循環，直到工作完成為止。 Agent 擷取的螢幕擷取畫面和推理步驟，都會顯示在執行歷程記錄中。
Agent 可受惠於電腦操作工具的常見案例包括：
- 資料輸入：針對傳入 CSV 檔案中的每一列，在 SAP 中建立銷售訂單，並將產生的訂單識別碼寫回檔案。
- 資料擷取：前往每個供應商入口網站，搜尋所列的 SKU，擷取價格、庫存和前置時間，並將結果連同時間戳記一併插入資料庫。
- 跨應用程式：從桌面財務用戶端匯出當天的交易，瀏覽 QuickBooks，並將每筆項目過帳到正確的帳戶。
了解託管電腦與自帶電腦 (BYO) 之間的差異
Agent 可以在 Microsoft 託管電腦或自備 (BYO) 電腦上呼叫電腦使用工具。 託管電腦無需 IT 設定或計費，即可立即使用。 這些電腦屬於預先佈建 Windows 365 雲端電腦的共用集區，未透過 Entra 加入客戶租用戶。 BYO 電腦必須在客戶自己的虛擬網路中預先佈建。 您必須在 Power Automate 中註冊及管理 BYO 電腦。
將 BYO 電腦用於生產案例。 這些電腦支援 Microsoft Entra ID、已登錄至 Intune，並支援 Web 和桌面自動化使用案例。 由於託管電腦的功能有限，僅可用於製作原型。 每位使用者一次僅可使用一部雲端電腦，且使用量可能會根據需求受到節流。
在電腦使用執行處配置了解更多。
機器人程序自動化 (RPA) 與電腦操作 Agent (CUA) 的比較
機器人程序自動化 (RPA) 是使用指令碼將電腦自動化的技術。 您可以將它套用至許多與 CUA 相同的案例。 不過，了解 RPA 與 CUA 之間的差異相當重要。
| 方向 | RPA | CUA |
|---|---|---|
| 自動化類型 | 以規則為基礎 | LLM 導向 |
| 互動方式 | UI 樹狀結構 | 視覺 |
| 製作 | 指令碼、複雜 | 自然語言指示 |
| 決策制定 | 預先定義的規則 | 以視覺為基礎的自主決策 |
| 靈活性 | 彈性有限 | 高彈性 |
| 錯誤處理 | 靜態錯誤處理 | 根據視覺意見反應自我修正 |
符合下列情況時，請使用 RPA：
- 僅允許使用正式發行版 (GA) 功能。
- 使用者介面穩定。 畫面、欄位和選取器很少變更。
- 規則明確。 您可以用規則來擷取決策。
- 速度很重要。 交易量大。 分秒必爭。
- 由 RPA 團隊負責。 團隊已具備 RPA 開發和管理知識。
符合下列情況時，請使用 CUA：
- 使用者介面經常變動或差異很大。 您需要處理多個應用程式，且經常重新設計。
- 您需要快速完成。 RPA 團隊的待辦項目已滿。
- 使用者介面很重要。 工作取決於畫面上顯示的內容，例如圖表、色彩和動態版面配置。
- 決策較不明確。 Agent 必須進行推理、選擇下一步，或自我修正。