Copilot Studioのストリーミングモードでは、単一の生成AIモデルがエージェント全体を動作させます。 このアプローチにより、従来の意図ツリーや硬直したダイアログフロー、または個別のオーケストレーションレイヤーが不要になります。
複数のシステムを統合するのではなく、生成AIモデルがエージェントの頭脳として機能します。 生成AIモデルは、リアルタイムでどのように応答し、どのアクションを取るかを動的に決定します。
生成AIモデルが実際に行うこと
生成AIモデルは会話ライフサイクル全体を管理します:
ユーザーのリクエスト（インテントとエンティティ）を理解する
次の最善のアクションを決定する、例えば:
サポート情報ソースから回答する
ツール、API、またはMCP連携を呼び出す
明確化のためのフォローアップ質問を行う
これらのアクションを実行する
自然な会話応答（音声またはテキスト）を生成すること
このアプローチはMicrosoftの生成オーケストレーションモデルです。 次のものを置き換えます：
従来型NLUのインテント分類（クラシックオーケストレーションモード）
ハードコーディングされたダイアログルーティング
決定論的意思決定ツリー
その結果、はるかに柔軟で人間らしい対話モデルが実現されます。
知識、API、MCPを利用するタイミング
大まかに言えば、知識、API、MCPの使い分けは、必要な回答や行動の種類によって決まります。 エージェントがポリシー、FAQ、免責事項、その他のガイダンスを、変化の少ない情報に基づいて説明する必要がある場合は、知識を利用してください。 エージェントがリアルタイムで顧客固有のデータ（例えば、注文状況の確認やシステムの記録からアカウント詳細の取得など）を必要とする場合は、APIを利用してください。 規模や体系的な構造が求められる場合はMCPを利用してください。 モデルが複数のツールやシステムと一貫性と管理のある方法で連携するための標準的な仕組みを提供します。
要するに、知識はエージェントの会話力を高め、APIはリアルタイムデータで行動を促し、MCPは複雑なエンタープライズ環境でも両方を安定して実現します。
| アプローチ | 使用する場合 | 主な特性 | 例 | 仕組み |
|---|---|---|---|---|
| 知識（静的コンテンツ） | 答えは静的で、ほとんど変化しません。 パーソナライズは不要です。 システムの検証は不要です。 | 高速かつ低コスト。 バックエンド依存なし。 よくある質問や一般的な情報に最適です。 | 店舗の営業時間は? セール品でも返金できますか？ サブスクリプションプランはどのような仕組みですか？ | モデルはナレッジベースから情報を取得します。 外部呼び出しを行わずに直接応答を生成します |
| API (リアルタイム データ) | リアルタイムのトランザクションデータが必要です。 リクエストはユーザー固有です。 権威あるシステム応答が必要です。 | ダイナミックおよびパーソナライズ。 記録システム主導型。 正確性と最新性を保証する | 注文状況はどうなっていますか? 今後の予約はありますか? 返金は処理されましたか？ 現在の残高はいくらですか？ | モデルはリアルタイム データの必要性を検出します。 API（Power Automate、コネクター、HTTPエンドポイント）を呼び出します。 構造化データを受け取ります。 自然言語応答を生成します。 |
| MCP（ツールオーケストレーションレイヤー） | 標準化され、再利用可能な統合が必要です。 複数のシステムやツールが連携して動作する必要があります。 LLMにはスケーラブルで管理されたアクセスが必要です。 | モデルとツールの間の契約レイヤーとして機能します。 システム間でのオーケストレーションを可能にします。 エンタープライズ用途でセキュアかつスケーラブルです。 | CRMデータを取り出しましょう。 請求システムを確認します。 チケット システムを更新します。 サブスクリプションを解約し、対象であれば最後の料金を返金する | モデルはMCPツールを選択します。 MCPは複数のバックエンドシステムをオーケストレートします。 ワークフローを安全に実行します。 応答生成のための構造化された結果を返します |