Administrer AI-modellens livssyklus for Copilot Studio-agenter

Copilot Studio tilbyr ulike typer modeller. Disse modelltypene er basert på deres tiltenkte bruk og tilgjengelighet. AI-modellvalg er ikke en engangsbeslutning. Modeller introduseres, oppdateres, gjøres allment tilgjengelige, velges som standardmodeller og tas til slutt ut av drift. En agent som fungerer godt med én modell kan oppføre seg helt annerledes med en annen modell, selv en modell i samme modellfamilie.

Behandle modelllivssyklusstyring som en pågående driftspraksis for alle produksjonsagenter fra Copilot Studio. Etabler en repeterbar prosess for å oppdage modellendringer, evaluere kandidatmodeller, forberede seg på pensjonering, migrere berørte agenter og overvåke kvaliteten etter utrulling.

Å endre modellen en agent bruker, er sjelden bare en endring i modellvalg. En nyere modell kan tolke instruksjoner mer bokstavelig, velge verktøy annerledes, produsere ulik responslengde og formatering, og endre latens. Planlegg hver modellendring som en migrering som inkluderer evaluering, instruksjons- og verktøyforbedring, godkjenning og overvåking etter utrulling.

Det styrende prinsippet er å planlegge fleksibilitet, operere konservativt, og begrense hver oppgradering med vurdering. Oppgradering til hver ny modell risikerer stille regresjoner. Å unngå alle modellendringer garanterer en nødsituasjon når pensjonisttilværelsen kommer.

Bruk følgende livssyklus på produksjonsagenter:

1. Oppdag nye, oppdaterte, standard og pensjonerte modeller.
2. Gjør oversikt over agenter, miljøer, eiere og forretningsprosesser som avhenger av hver modell.
3. Vurder kandidat-erstatningsmodeller mot en etablert baseline.
4. Godkjenn migreringen ved å bruke dokumenterte kvalitets- og driftskriterier.
5. Distribuer gjennom organisasjonens Application Lifecycle Management (ALM)- prosess.
6. Overvåk produksjonsresultater og legg til nylig oppdagede scenarioer i regresjonssuiten.
7. Gjenta prosessen etter hvert som modeller og agentkrav utvikler seg.

Denne artikkelen omhandler oppdagelse og inventar. Serien fortsetter med:

• Bestem når du skal oppgradere en AI-modell: Oppgraderingsbeslutning, forutsetninger og håndtering av pensjonering.
• Kjør og valider en modellmigrering: Evaluering, godkjenning, distribusjon og overvåking.

Modelllivssyklusstyring krever koordinering mellom agenteiere, produsenter, plattformadministratorer, testere, sikkerhets- og compliance-team, samt release-godkjennere. Tildel eierskap før en modellendring fører til en akutt migrering.

Forstå modelllandskapet

Før du kan planlegge en modellendring, må du vite hvordan Copilot Studio klassifiserer modeller, hvilke modeller organisasjonen din faktisk kan bruke, og hvilke agenter som er avhengige av hver enkelt.

Forstå modellutgivelsestyper

Copilot Studio identifiserer modeller etter utgivelses- og tilgjengelighetsklassifiseringer. Disse klassifiseringene hjelper til med å avgjøre hvordan en modell skal styres og hvor den skal brukes. Modellnavn, lanseringsstadier, regional tilgjengelighet og pensjonsstatus endres over tid. Sjekk alltid modelltilgjengelighet etter region for nåværende informasjon i stedet for å stole på en statisk modellliste.

En agent som bruker standardmodellen går over til en ny modell hver gang standardmodellen oppgraderes, uansett om du hadde planlagt det eller ikke. For høyrisiko- og høyvolumagenter, velg en spesifikk modell i stedet for å spore standarden, slik at hver modellendring går gjennom migreringsprosessen din.

Match modellbrukskategorien til agentens formål

Copilot Studio merker hver modell med en brukskategori som beskriver hva modellen er optimalisert for. Å velge riktig kategori for agentens arbeidsmengde påvirker kvalitet, forsinkelse og kredittforbruk.

• Dyp: Optimalisert for bevisst, flertrinns resonnement og verktøystøttede arbeidsflyter. Best for komplekse analyser, policyanalyse og dokumentsyntese. Har høyest latens og kredittforbruk.
• Auto: Dekker blandede arbeidsbelastninger ved å rute spørringer dynamisk. Best for helpdesk- og ansattagenter med uforutsigbar eller variert søkekompleksitet. Latens og kostnad varierer fra runde til runde.
• Generelt: Optimalisert for hastighet og kostnad på daglig chat og lett jording. Best for utkast, oppsummering, FAQ-lignende svar og enkel automatisering av handlinger. Lavest latens og kredittforbruk.

Lær mer i kategorier for modellbruk.

Forstå eksterne modeller og administratorkontroller

Du kan bruke modeller fra eksterne leverandører som Anthropic, xAI og Mistral som agentens primære modell. Lær mer i Velg en ekstern modell som den primære AI-modellen.

Administratorinnstillinger styrer hvilke modeller produsentene kan velge i et miljø. En modell som er dokumentert som tilgjengelig, kan fortsatt være utilgjengelig for agenten du migrerer hvis den nødvendige innstillingen ikke er aktivert.

Før du planlegger en migrering, må du bekrefte at kandidatmodellen er tilgjengelig for produsenten i målmiljøet. Modelllisten i Copilot Studio gjenspeiler administratorinnstillingene dine og er den grunnleggende sannheten for hva en spesifikk agent kan bruke. Lær mer i Admin-kontroller for valg av AI-modell.

Gjennomgå modellens tilgjengelighet jevnlig

Gå jevnlig gjennom den primære AI-modellen for agenten din . Det er den autoritative kilden for dagens modellliste. Nye modeller dukker opp der når de introduseres, og eksisterende modeller oppdateres etter hvert som de blir allment tilgjengelige, blir standard eller pensjoneres.

Bruk følgende kilder sammen:

Utløs også en anmeldelse når:

• En relevant modell blir tilgjengelig i forhåndsvisning eller generelt tilgjengelig.
• Standardmodellen endres.
• En modellpensjonering eller automatisk oppgradering blir annonsert.
• En modell blir tilgjengelig i organisasjonens region.
• Organisasjonen muliggjør kryss-geo prosessering, eksterne modeller eller forhåndsvisnings- og eksperimentelle modeller.
• Produksjonsovervåking identifiserer et kvalitets-, latens-, pålitelighets- eller forbruksproblem som en annen modell kan ta tak i.

Oppretthold en modell og agentinventar

Bruk agentinventarene som tilbys i Power Platform-administrasjonssenteret, Power Platform CLI eller Power Platform-API-er for å identifisere agenter som bruker en spesifikk modell. Bruk denne informasjonen til å starte kommunikasjon om modellens livssyklus med de berørte forretnings- og tekniske eierne.

Bruk en av følgende visninger i Power Platform administrasjonssenter:

Søk i inventar-API-et for å finne agenter etter modell

Power Platform-administrasjonssentervisningene er effektive for manuell gjennomgang og eksport av resultater. Spør i inventar-API-et i stedet når du vil samle inn samme informasjon programmatisk, slik at agentoppramsing kan skriptes, planlegges og gjentas på tvers av hele leietakeren i stedet for å laste ned rapporter for hånd. Organisasjoner med et stort meglerportefølje kan bruke denne tilnærmingen til å oppdatere listen over berørte agenter på forespørsel under en pensjonsmigrering og holde den oppdatert mellom livssyklushendelser.

Inventar-API-et returnerer agentnavn, visningsnavn, miljø og konfigurert modell i en enkelt leietakeromfattende spørring, så ingen korrelasjon med en annen datakilde er nødvendig.

Før du kjører spørringen:

• Logg inn med en konto som har Power Platform-administratorrollen eller Dynamics 365-administrator.
• Skaff deg en tilgangstoken for ressursen https://api.powerplatform.com/ .
• Bekreft at agentinventaret er aktivert for leietakeren.

Send en POST-forespørsel til ressursspørringsendepunktet, filtrer på microsoft.copilotstudio/agents ressurstype, og projiser feltene du trenger, inkludert properties.model:

POST https://api.powerplatform.com/resourcequery/resources/query?api-version=2024-10-01
Authorization: Bearer <access-token>
Content-Type: application/json

{
  "TableName": "PowerPlatformResources",
  "Clauses": [
    {
      "$type": "where",
      "FieldName": "type",
      "Operator": "in~",
      "Values": ["'microsoft.copilotstudio/agents'"]
    },
    {
      "$type": "project",
      "FieldList": [
        "name",
        "properties.displayName",
        "properties.model",
        "environmentId = tostring(properties.environmentId)"
      ]
    }
  ],
  "Options": { "Top": 200 }
}

Svaret gir én post per agent. Feltnavn i svaret erstatter prikken med en understrek, slik at properties.model den returneres som properties_model:

{
  "totalRecords": 158,
  "count": 200,
  "data": [
    {
      "name": "00000000-0000-0000-0000-000000000000",
      "properties_displayName": "Sample Agent",
      "properties_model": "GPT-5 Auto",
      "environmentId": "00000000-0000-0000-0000-000000000000"
    }
  ]
}

Svaret inkluderer totalRecords og, når resultatene forkortes, en skipToken verdi. Send den verdien tilbake Options.SkipToken og gjenta forespørselen til alle poster er hentet.

Gruppere de innsamlede postene etter properties_model for å se hvor hver modell brukes på tvers av leietakeren. Følgende eksempel viser antall agenter per modell for en leietaker, ekskludert agenter som bruker Copilot Studio-standardmodellen eller kjører i Microsoft 365 Copilot-opplevelsen:

Model                  Count
-----                  -----
Claude Sonnet 4.6         24
GPT-5 Chat                22
GPT-5.5 Chat               5
GPT-5 Auto                 4
Claude Sonnet 4.5          3
Claude Opus 4.6            2
Claude Opus 4.7            1
Claude Opus 5              1
Claude Sonnet 5            1
GPT-4o                     1
GPT-5.6 Reasoning          1

Når en pensjonering kunngjøres, filtrer du det samme resultatet satt på den pensjonerende modellen for å produsere listen over berørte agenter, deres miljøer og agent-ID-er. Bruk environmentId verdien til å mappe hver agent til et navngitt miljø, og rute resultatene til eierne av disse miljøene. Les mer i Svar på en modellpensjon for full pensjonsrespons.

Finn ut mer i:

• Power Platform Lager-API
• Referanse for Power Platform-lagerskjema

Bruk Power Platform CLI for miljøavgrensede detaljer

Bruk pac copilot list når du trenger agenter og løsningskontekst for et enkelt miljø, for eksempel når du forbereder en migrering i ett miljø:

pac copilot list --environment <environment-id-or-url>

Kommandoen returnerer agentnavn, Copilot-ID, komponentstatus, administrert status, løsnings-ID, statuskode og tilstandskode. Denne utdataen inkluderer ikke modellen, så bruk inventar-API-et for å identifisere agenter per modell. Bruk pac admin list for å hente miljønavn og ID-er.

Hva man skal registrere for hver agent

Modellen alene er ikke nok til å planlegge en migrasjon. Registrer følgende for hver agent, slik at du allerede vet hvem du skal kontakte når en pensjonering annonseres og hvilket arbeid hver agent trenger:

• Agentnavn, agent-ID, miljø og miljøtype, som utvikling, test eller produksjon.
• Forretningskritisk betydning.
• Bedriftseier, teknisk eier, tester og godkjenner av utgivelsen.
• Den konfigurerte modellen og dens utgivelsesmerke.
• Enten agenten bruker standardmodellen eller en spesifikk valgt modell.
• Krav til tverr-geo prosessering og regionale begrensninger.
• Om agenten drives av standardselen eller GitHub Copilot-selen, som bestemmer hvilke evalueringstestmetoder den har tilgjengelig. Lær mer om Copilot Studio-seler.
• Regresjonstesten satte sted og dato for siste baseline-løp.
• Om vinduet for den pensjonerte modellen er i bruk, når det utløper, og hvem som godkjente det.

Neste trinn:

Med modelllandskapet forstått og agentinventaret på plass, bruk beslutningskriteriene for å avgjøre om en oppgradering er nødvendig.

Relatert informasjon

• Spor, administrer og skaler Copilot-innføring i Power Platform