Procedimientos recomendados para crear agentes declarativos

Los agentes declarativos son asistentes de IA que personalizan Microsoft 365 Copilot para escenarios empresariales específicos a través de instrucciones personalizadas, orígenes de conocimiento y acciones. En este artículo se resumen los procedimientos recomendados para crear agentes declarativos que se adapten a sus necesidades empresariales específicas.

Componentes del agente declarativo

Un agente declarativo consta de varios componentes. Es importante aplicar las mejores prácticas a tu diseño para cada componente de tu agente. En la tabla siguiente se proporcionan las prácticas recomendadas para cada componente del agente.

Componente Descripción Procedimiento recomendado
Nombre El nombre para mostrar del agente. Asegúrese de que su nombre para mostrar transmita el propósito de su agente para la detección de usuarios en el almacén de agentes. El nombre debe cumplir los límites de caracteres según la herramienta de desarrollo:
  • Microsoft 365 Copilot: 30 caracteres
  • Kit de herramientas de agentes de Microsoft 365: 100 caracteres
Para obtener información sobre los requisitos de nombre de aplicación, consulte los requisitos de validación de Teams Store.
Description Breve resumen de lo que hace el agente. Indicar claramente el propósito y el dominio del agente. Por ejemplo: "Usa el agente de proyectos en Microsoft 365 Copilot para buscar y resumir los documentos del proyecto". Mencione que el agente trabaja en Microsoft 365 Copilot. Manténgalo conciso (unas pocas oraciones, ≤ 1000 caracteres) y limite las instrucciones a lo que el agente debe hacer, en lugar de lo que no debe hacer.
Instrucciones Las pautas de comportamiento básicas para el agente. Las instrucciones son la indicación clave que dirige las respuestas del agente. Proporciona hasta 8000 caracteres de instrucciones detalladas sobre cómo debe comportarse el agente, qué tareas puede hacer y las reglas o estilos que debe seguir. Para obtener más información, consulte Escribir instrucciones eficaces.
Orígenes de conocimiento Contenido empresarial o datos externos que el agente puede usar para fundamentar sus respuestas. Se configura en la sección de conocimientos de Microsoft 365 Copilot o en el manifiesto. Agregue solo el conocimiento relevante que necesita el agente. Puede agregar sitios, carpetas o archivos de SharePoint; chats específicos de Teams; correo electrónico de Outlook; y direcciones URL web públicas como orígenes.

Al agregar archivos, menos es más: Copilot funciona mejor cuando los documentos tienen un tamaño y un enfoque adecuados. Asegúrese también de que el contenido esté actualizado y sea preciso porque el agente utiliza contenido en sus fuentes de conocimiento en sus respuestas.
Capacidades Funcionalidades de IA integradas opcionales (como el intérprete de código y el generador de imágenes). Las capacidades proporcionan a tu agente habilidades adicionales, como ejecutar código de Python o generar imágenes a partir de indicaciones. Agregue solo capacidades que se alineen con los objetivos de su agente. Por ejemplo, Code Interpreter puede ser ideal para un agente de análisis de datos.
Acciones (API/complementos) Acciones externas que el agente puede realizar a través de complementos de API (conectores de Copilot, API web personalizadas y conectores de Power Platform), definidos en el manifiesto del agente. Si el agente necesita consultar sistemas externos o realizar transacciones, puede integrar complementos basados en API. Cada acción corresponde a una operación de API.

Diseñe las acciones con cuidado: proporcione un documento OpenAPI con descripciones claras de la operación y agregue esas acciones en el manifiesto del agente.

Para cada acción, observe si tiene consecuencias (es decir, escribe o cambia datos externos). Cualquier acción de tipo crear/actualizar/eliminar debe tener isConsequential: true. Las consultas de solo lectura se pueden marcar como no consecuentes.
Inicios de conversación (mensajes de muestra) Ejemplos de consultas que un usuario puede hacer al agente, que se muestran como sugerencias o sugerencias de ayuda. Incluye un mínimo de tres mensajes de ejemplo que reflejen las capacidades principales de tu agente. Esto ayuda a los usuarios a comprender cómo usar el agente. Por ejemplo:
  • Redacte un correo electrónico a una persona sobre el asunto.
  • Compara y contrasta las propuestas en archivo y archivo.
  • Crea un gráfico de líneas para mostrar las tendencias de ventas de los últimos seis meses.

Procedimientos recomendados para instrucciones de agente

Las instrucciones que proporciona determinan el comportamiento de su agente y lo ayudan a brindar respuestas precisas y útiles. Las instrucciones mal elaboradas pueden dar lugar a ambigüedades, resultados incoherentes o acciones no deseadas. En general, aplique las prácticas recomendadas definidas en el artículo Escriba instrucciones eficaces para agentes declarativos cuando desarrolle su agente.

La siguiente tabla proporciona información sobre cómo puede planificar, probar e iterar para mejorar el comportamiento de su agente.

Área de enfoque Instrucciones Objetivo
Estrategia de instrucción Defina claramente el rol y los objetivos del agente. Plan para escenarios comunes y extremos. Dé al agente la flexibilidad suficiente para actuar, pero establezca límites para guiar el comportamiento Ayuda a los agentes a responder de forma adecuada y coherente en diferentes situaciones.
Inteligencia contextual Ajuste las instrucciones en función de dónde y cómo se usará el agente, como en Word, Teams o Outlook. Tenga en cuenta los roles de usuario y las necesidades urgentes. Garantiza que las instrucciones sigan siendo relevantes y eficaces en las aplicaciones en las que se usan.
Iteración colaborativa Trabaje con compañeros de equipo multidisciplinares, como jefes de producto, escritores e ingenieros, para revisar y mejorar las instrucciones. Prueba cómo se comportan las instrucciones en diferentes aplicaciones y mantén un registro de los cambios. Mejora la calidad de la instrucción a través del trabajo en equipo y ayuda a mantener la coherencia a lo largo del tiempo.
Diagnóstico de instrucciones Para comprender cómo funcionan las instrucciones, use herramientas como registros y comentarios de los usuarios. Busque patrones en los que las respuestas del agente no sean útiles y revise las instrucciones para mejorarlas. Le ayuda a mejorar las instrucciones en función del uso real y la experiencia del usuario.
Arquitectura de instrucciones Divida las instrucciones en partes más pequeñas y reutilizables. Usa etiquetas y plantillas para mantenerte organizado y aplicar patrones coherentes entre los agentes. Facilita la administración de instrucciones y su reutilización en varios agentes y escenarios.

Para obtener más información y orientación específica para crear instrucciones de agente, consulte Escribir instrucciones eficaces para agentes declarativos.

Elegir las fuentes de conocimiento adecuadas

Puede fundamentar los agentes declarativos en conocimiento público y organizativo, como contenido de SharePoint, datos de usuario como correos electrónicos y chats, y sitios web públicos.

Tenga en cuenta las siguientes consideraciones clave al elegir fuentes de conocimiento para su agente:

  • Relevancia sobre cantidad: Sé selectivo con el conocimiento que agregas. Considere si la fuente ayudará al agente a responder los tipos de preguntas que espera que hagan los usuarios.

  • Use SharePoint y conectores para datos estructurados: Para un conocimiento más estático o estructurado, SharePoint es ideal. Si tiene una base de knowledge base en documentos PDF u Office, alójelos en un sitio de SharePoint y agregue ese sitio como origen. Si necesita otros sistemas (como registros de bases de datos o datos de CRM), vea si existe un conector de Copilot para ellos o agregue un complemento de API.

  • Consideraciones sobre licencias y acceso: Algunas características de conocimiento requieren que el usuario tenga una licencia de Microsoft 365 Copilot. Tenga esto en cuenta si planea compartir el agente. Si alguien sin una licencia de Copilot intenta usarlo, esas fuentes de conocimiento personal no funcionarán para ellos. Además, los permisos son importantes: el agente solo puede recuperar el contenido al que el usuario tiene acceso.

  • Actualización y mantenimiento de datos: El conocimiento del agente sobre las fuentes agregadas se actualiza con el tiempo. Revise y actualice periódicamente las fuentes de conocimiento.

  • Ámbito de los chats de equipo: Si agrega conversaciones de Teams, tiene dos opciones: todos los chats o reuniones de Teams o conversaciones específicas. Por lo general, agregar hilos de chat específicos produce resultados más específicos y menos ruido. Por ejemplo, fundamentar a un agente en el historial de un canal de proyecto en particular, en lugar de examinar todos los chats que ha tenido, lo ayudará a responder preguntas específicas del proyecto con mayor precisión.

  • Use SharePoint y conectores para datos estructurados: Para un conocimiento más estático o estructurado, SharePoint es ideal. Si tiene una base de knowledge base en documentos PDF u Office, alójelos en un sitio de SharePoint y agregue ese sitio como origen. Si necesita otros sistemas, como registros de bases de datos o datos de CRM, vea si existe un conector de Copilot para ellos o agregue un complemento de API.

  • Desaconsejar el conocimiento del modelo: La adición de orígenes de conocimiento por sí solos no impide que el modelo aproveche sus conocimientos de entrenamiento integrados. Para asegurarse de que el agente se base solo en los orígenes configurados, establezca la discourage_model_knowledge propiedad true en el special_instructions objeto del manifiesto del agente. Cuando se habilita, el agente hace todo lo posible para evitar el uso del conocimiento del modelo en sus respuestas. Para obtener más información, consulte el objeto Instrucciones especiales. También puedes reforzar esto en tus instrucciones; para obtener más información, consulte Respuestas de tierra a fuentes de conocimiento configuradas.

  • Pruebe las respuestas con y sin conocimiento: Pruebe algunas consultas antes y después de agregar orígenes de conocimiento. Por ejemplo, haga una pregunta que deba responderse desde un documento determinado. Sin el documento, ¿el agente lucha o genera información falsa? Después de agregar el documento, ¿encuentra el agente la respuesta? Si notas que el agente sigue sin usar la información, es posible que debas ajustar las instrucciones. O, si el agente está abusando de una fuente de conocimiento, considere la posibilidad de eliminar esa fuente o refinar las instrucciones para usarla solo en contexto.

Poner en tierra agentes de motor personalizados con la API de recuperación

Si crea un agente de motor personalizado o una aplicación de conocimiento personalizada que fundamenta las respuestas en datos de Microsoft 365, la API de recuperación de Microsoft 365 Copilot proporciona Generación aumentada de recuperación (RAG) a través de conectores de SharePoint, OneDrive y Copilot sin copiar ni volver a indexar el contenido. Aplique los siguientes procedimientos recomendados al poner en tierra un agente con la API de recuperación:

  • Evite la salida de datos mediante la recuperación en el lugar: La API de recuperación devuelve fragmentos de texto relevantes del índice híbrido que alimenta a Microsoft 365 Copilot, por lo que no es necesario exportar, duplicar o volver a indexar los datos de la organización en un almacén independiente. La recuperación de los datos en contexto conserva los controles de seguridad y cumplimiento existentes. Para obtener más información, consulte Administrar riesgos de cumplimiento y seguridad.

  • Recuperación de ámbito con lenguaje de consulta por palabra clave (KQL): use el parámetro para definir el filterExpression ámbito de la recuperación antes de que se ejecute la consulta (por ejemplo, filtrar por ruta de acceso al sitio, tipo de archivo, autor o intervalo de fechas), de modo que el agente solo use orígenes aprobados. De forma predeterminada, no se aplica ningún ámbito. Valide su KQL antes de llamar a la API: Si tiene filterExpression una sintaxis incorrecta, la consulta se ejecuta sin ámbito en lugar de con errores. Para obtener más información, vea Prácticas recomendadas y la referencia de filterExpression.

  • Confíe en el modelo de permisos de Microsoft 365 y conceda acceso con privilegios mínimos: La API de recuperación respeta los permisos de Microsoft 365, por lo que un usuario solo recibe resultados del contenido al que ya tiene permiso para acceder. Conceda a la aplicación solo los permisos que necesita: Files. Read.All y Sites.Read.All para SharePoint y OneDrive, y ExternalItem.Read.All para los conectores de Copilot. Para obtener más información, vea Limitaciones conocidas.

Probar e iterar

Incluso después de seguir todas las prácticas y directrices recomendadas de diseño, pruebe exhaustivamente el agente para comprobar que funciona según lo previsto. Aplique los siguientes procedimientos recomendados para probar e iterar en su agente:

  • Use el chat de prueba integrado: En el panel derecho de Agent Builder en Microsoft 365 Copilot, puede chatear con una vista previa en directo de su agente mientras lo crea. Haga esto con frecuencia. Pruebe todos los iniciadores de conversación y mensajes de muestra. Además, pruebe preguntas extremas, preguntas largas, preguntas irrelevantes, etc., para ver cómo responde el agente. Si sucede algo extraño, refine sus instrucciones o fuentes de conocimiento y pruebe nuevamente.

  • Prueba en varias aplicaciones: Si tiene acceso a la Microsoft 365 Copilot experiencia en aplicaciones de Microsoft 365, como Word, Excel, Teams y Outlook, agregue su agente en cada uno de esos lugares para ver cómo se comporta fuera del entorno de creación. Es posible que observe que en Word, por ejemplo, determinadas respuestas, como las acciones sugeridas, se comportan de forma diferente que en Teams. Detecte esas discrepancias temprano. El agente debe estar funcional en todas las aplicaciones de Microsoft 365.

  • Compruebe los flujos de confirmación: Si el agente usa funciones procesables que requieren confirmaciones, pruebe completamente esos bucles. Por ejemplo, escriba una consulta que desencadene la acción, compruebe que el texto de la solicitud de confirmación es claro, seleccione Permitir (o lo que diga el botón) y, a continuación, compruebe el resultado. Además, pruebe a elegir Cancelar/Denegar para ver cómo reacciona el agente.

  • Pruebas de carga (si es posible): Como desarrollador, es posible que no simule fácilmente una carga pesada; Sin embargo, tenga en cuenta lo que sucede si se formulan varias preguntas al agente rápidamente o si varios usuarios la utilizan al mismo tiempo. Si tiene un componente de API, utilice perfiles o registros para asegurarse de que el agente responde sin retraso.

  • Pruebas de pares o usuarios: Si puede, pida a un compañero que pruebe al agente. Pueden preguntar cosas que no esperabas y encontrar lagunas en las instrucciones o el conocimiento. Un nuevo usuario podría usar palabras diferentes a las que el agente no responde. También es una buena manera de detectar cualquier problema de usabilidad. Por ejemplo, si un evaluador no sabe qué preguntarle a tu agente, es posible que debas agregar más temas de conversación.

  • Validar la precisión de las salidas: Debido a que los agentes declarativos a menudo responden en función de fuentes de conocimiento, verifique las respuestas que da con el material fuente. Si el agente resume un documento, compruebe que el resumen es correcto. Si cita una política, verifique que haya citado los detalles correctos. Asegúrese de que para cualquier consulta real, el agente prefiera las fuentes de conocimiento proporcionadas.

Contenido relacionado

  • Se actualizó por última vez el