Nota:
El acceso a esta página requiere autorización. Puede intentar iniciar sesión o cambiar directorios.
El acceso a esta página requiere autorización. Puede intentar cambiar los directorios.
En el modo de streaming de Copilot Studio, un único modelo de IA generativa impulsa todo el agente. Este enfoque elimina la necesidad de árboles de intención tradicionales, flujos de diálogo rígidos o capas de orquestación separadas.
En lugar de conectar varios sistemas, el modelo actúa como el cerebro del agente. El modelo determina dinámicamente cómo responder y qué acciones realizar en tiempo real.
Lo que realmente hace el modelo generativo
El modelo de IA generativa gestiona todo el ciclo de vida conversacional:
Comprender la solicitud del usuario (intención y entidades)
Decidir la siguiente mejor acción, como:
Responder a partir de fuentes de conocimientos
Llamar a herramientas, API o integraciones MCP
Pedir preguntas de seguimiento aclaratorias
Ejecutar esas acciones
Sintetizar una respuesta natural y conversacional (voz o texto)
Este enfoque representa el modelo de orquestación generativa de Microsoft. Sustituye:
Clasificación tradicional de intención de NLU (modo clásico de orquestación)
Enrutamiento de diálogo codificado de forma fija
Árboles de decisión deterministas
El resultado es un modelo de interacción mucho más flexible, similar al humano.
Cuándo usar conocimiento, API o MCP
En términos generales, la diferencia entre conocimiento, API y MCP depende del tipo de respuesta o acción necesaria. Usa el conocimiento cuando el agente necesite explicar directivas, preguntas frecuentes, avisos legales u otras guías basadas en información que rara vez cambia. Utilice las API cuando el agente necesita datos en tiempo real y específicos del cliente, como comprobar el estado de un pedido o recuperar detalles de la cuenta desde un sistema de referencia. Use MCP cuando necesite escala y estructura. Proporciona una forma estandarizada para que el modelo interactúe con varias herramientas y sistemas de manera consistente y regulada.
En términos simples: el conocimiento ayuda al agente a comunicarse de manera más inteligente, las API le permiten actuar sobre datos en tiempo real, y MCP le permite hacer ambas cosas de forma confiable en entornos empresariales complejos.
| Enfoque | Cuándo usar | Características clave | Ejemplo | Cómo funciona |
|---|---|---|---|---|
| Conocimiento (contenido estático) | La respuesta es estática o rara vez cambia. No se requiere personalización. No se requiere validación del sistema. | Rápido y de bajo coste. Sin dependencia de back-end. Ideal para preguntas frecuentes e información general. | ¿Cuales son su horario de la tienda? ¿Ofrecen reembolsos por artículos en oferta? ¿Cómo funciona el plan de suscripción? | El modelo recupera información de la base de conocimiento. Generar respuesta directa sin llamadas externas |
| API (datos en tiempo real) | Requiere datos transaccionales en tiempo real. Solicitud específica del usuario. Requiere una respuesta autorizada del sistema. | Dinámico y personalizado. Sistema de registro controlado. Garantiza precisión y frescura | ¿Cuál es el estado de mi pedido? ¿Tengo alguna cita programada próximamente? ¿Se ha procesado mi reembolso? ¿Cuál es mi saldo actual? | El modelo detecta la necesidad de datos en tiempo real. Llama a la API (Power Automate, conector, punto de conexión HTTP). Recibe datos estructurados. Convierte los datos en una respuesta en lenguaje natural. |
| MCP (capa de orquestación de herramientas) | Se necesitan integraciones estandarizadas y reutilizables. Varios sistemas y herramientas deben funcionar juntos. Se requiere un acceso escalable y regulado para LLM. | Actúa como una capa de contrato entre el modelo y las herramientas. Permite la orquestación entre sistemas. Seguro y más escalable para uso empresarial. | Obtenga datos del CRM. Comprueba los sistemas de facturación. Actualiza los sistemas de gestión de incidencias. Cancelar mi suscripción y reembolsar el último cargo si corresponde. | El modelo seleccione las herramientas MCP. MCP orquesta múltiples sistemas de backend. Ejecute flujos de trabajo de forma segura. Devuelve resultados estructurados para la generación de respuestas |