當你配備專門工具，擴展核心能力時，代理人會變得更強大。 Copilot Studio 提供三大類客服工具：
本文將探討每種工具的運作方式、何時使用，以及它們如何幫助你打造更有能力且高效的代理人。 你也會了解主機與自帶機之間的差異，以及在傳統機器人流程自動化（RPA）與電腦代理（CUA）方式間選擇的指導。
利用 AI 提示生成回應
AI 提示使用一組指令從 AI 模型生成回應。 你可以加入變數，讓更多文字或文件進入這些指令中。 輸出通常以純文字或 JSON 格式提供。 你可以選擇任何內建於 Copilot Studio 或透過 Microsoft Foundry 部署的 AI 模型來產生回應。
你可以以代理工具的形式呼叫提示，或在主題內調用。 所有提示都會儲存在提示函庫中，並支援應用程式生命週期管理、基於角色的存取控制及分享。
了解更多 如何利用提示讓你的代理人執行特定任務。
判斷何時使用 AI 提示，何時使用協調器
每個在 Copilot Studio 內建的代理程式都會使用 編排器 ，根據系統指令、使用者輸入及情境資訊，選擇工具、主題與知識來決定如何回應。 編排器是生成式編排背後的引擎，負責規劃行動並利用代理的工具與描述組合回應。
雖然由編排器驅動的回應看似類似 AI 提示，但兩者功能有不同的目的。 AI 提示是獨立的提示式動作，讓創作者能更深入地掌控模型配置。
AI 提示支援更廣泛的模型，包括 Microsoft Foundry 提供的模型。 它們也支援 Dataverse 接地、 檔案輸入及 程式碼直譯器等功能。
編排器使用固定的系統提示詞與工具描述，為特定請求選擇合適的建構模組。 製作者無法編輯編排器的系統提示，但可以透過 代理指令影響其行為。
AI 提示詞能完全控制格式、限制與邏輯，使其成為需要細緻或高度結構化輸出場景的理想選擇。 例如，如果你需要超越簡單格式的風格控制（例如「用這些字寫一首押韻的ABAB詩」），提示詞會更合適。
編排器非常適合像從文字中提取單一名稱這類簡單任務。 對於複雜的提取，請使用AI提示。 例如，從一份長報告中擷取多個實體，並將其連結到特定領域的關聯（例如從保險報告中提取多個名字，並識別只與事件中單一一方相關的汽車維修服務業主）。
在編排器與 AI 提示之間選擇，取決於所需的客製化程度。 如果你需要精確控制模型的行為或輸出，可以選擇 AI 提示。 在一般推理、工具選擇與輕量級格式即可的情況下，編排器是合適的選擇。
透過使用 MCP 整合代理工具
模型情境協定（MCP）是一個通用介面，AI 模型用以一致且可擴展的方式與外部工具、資料來源及使用者環境互動。
相比之下，Power Platform 連接器要求你描述每個動作及其輸入，並隨著新定義的出現而更新這些描述。 為每個工具自訂編碼和整合會更複雜且難以擴展。
使用 Copilot Studio 提供的 MCP 伺服器，用於 Microsoft 服務如 Outlook、Dataverse 和 GitHub，或第三方服務如 Salesforce 和 JIRA。 為沒有 MCP 服務的服務建立自訂 MCP 伺服器。
MCP 的好處包括：
- AI 模型的標準化上下文
- 與 Copilot Studio 無縫整合
- 提升開發者效率與使用者體驗
- 治理、監控與擴展性
在實作 MCP 伺服器前，請考慮以下限制：
- 你無法用更多關於何時調用的上下文來豐富工具描述。
- 主題無法直接呼叫 MCP 伺服器。
了解何時使用 MCP
你可以透過多種整合方式在 Copilot Studio 中達成相同的成果。 了解何時使用模型上下文協定（MCP）伺服器，與 Power Platform 連接器或直接 REST API 呼叫等簡單方案非常重要。
當你需要一個標準化、集中管理的方式，讓多個代理能夠將工具和資源暴露給多個客服，而不必為每個客戶端設定時，使用 MCP。 MCP 伺服器發布工具與資源，代理者可自動發現、版本並一致使用，因為 MCP 伺服器定義工具描述及其輸入。 相較之下，直接新增 API 則需要你手動描述其用途並定義每個代理的輸入。
當上游 API 頻繁變動時，MCP 特別有價值。 你不必更新每個使用 API 的代理，只需在 MCP 伺服器上修改一次定義，所有代理就會自動使用更新版本，無需重新發布。 如果沒有 MCP 伺服器，或你正在快速原型開發，直接呼叫 API 會更快，也避免了引入完整 MCP 生命週期所需的設定負擔。
必須啟用生成式協調流程才能使用 MCP。 了解更多資訊請參考 MCP 如何運作？
透過使用電腦使用工具自動化桌面流程
透過使用 電腦使用工具，代理人員可以在不依賴自動化腳本或 API 的情況下操作電腦。 你不是用腳本或 API，而是透過提示詞來設定代理。 代理人決定如何最好地達成其目標。 在這個過程中，代理會在每個步驟截圖，分析以決定下一步動作，執行該動作，並重複這個循環直到任務完成。 客服拍攝的截圖及推理步驟會作為跑道歷史的一部分提供。
客服人員能從電腦使用工具中受益的常見情境包括：
- 資料輸入：對於收到的 CSV 檔案中每一列，在 SAP 建立銷售訂單，並將產生的訂單 ID 寫回檔案。
- 資料擷取：前往每個供應商入口網站，搜尋列出的SKU，擷取價格、庫存與交期，並將帶有時間戳的結果插入資料庫。
- 跨應用程式：從桌面財務客戶端匯出當天的交易，使用QuickBooks，並將每筆記錄上傳到正確的帳戶。
了解主機與自備機器的差異
客服人員可以在 Microsoft 主機或自帶（BYO）機器上呼叫使用工具。 託管機器可立即使用，無需 IT 設定或計費。 它們屬於一個由預先配置好的 Windows 365 雲端電腦共用的池子，這些 PC 並未與客戶租戶 Entra 連接。 BYO 機器必須事先在客戶自己的虛擬網路中配置。 您必須在 Power Automate 中註冊並管理 BYO 機器。
生產場景使用自攜機。 他們支援 Microsoft Entra ID，註冊 Intune，並支援網頁與桌面自動化的使用情境。 由於主機功能有限，只能使用主機來做原型設計。 每位使用者同時只能使用一台雲端電腦，且可根據需求限制使用。
如需進一步瞭解，請參閱 設定電腦使用的環境。
機器人流程自動化（RPA）與使用代理的電腦（CUA）
機器人流程自動化（RPA）是 利用腳本自動化電腦的技術。 你可以把它應用在許多與 CUA 相同的情境上。 然而，了解 RPA 與 CUA 之間的差異非常重要。
| 層面 | RPA | CUA |
|---|---|---|
| 自動化類型 | 規則基礎 | 以大型語言模型為驅動 |
| 互動法 | UI 樹 | 視覺 |
| 編寫 | 書寫，複雜 | 自然語言指令 |
| 決策 | 預先定義的規則 | 自主視覺決策 |
| 靈活性 | 彈性有限 | 高度彈性 |
| 錯誤處理 | 靜態錯誤處理 | 基於視覺回饋的自我校正 |
使用 RPA 時：
- 僅允許使用一般可用（GA）功能。
- 使用者介面很穩定。 掩護、場地和選擇器很少會改變。
- 規則很明確。 你可以用規則記錄決策。
- 速度很重要。 高音量。 每一秒都很重要。
- 一個RPA團隊擁有它。 團隊具備現有的RPA開發與管理知識。
使用 CUA 時：
- 使用者介面會不斷變動或變化很大。 你會接觸多個應用程式，並且經常重新設計。
- 你需要快點。 RPA團隊的積壓工作已經滿了。
- 使用者介面很重要。 這項任務取決於螢幕上可見的資訊，例如圖表、色彩和動態版面配置。
- 決策很模糊。 代理人必須推理、選擇下一步，或自我修正。