Verktøy, kunnskap, MCP og API

I Copilot Studio-strømmemodus driver én generativ modell for kunstig intelligens hele agenten. Denne tilnærmingen fjerner behovet for tradisjonelle hensiktstrær, rigide dialogflyter eller separate iverksettingslag.

I stedet for å sette sammen flere systemer fungerer modellen som agentens hjerne. Den tar beslutninger dynamisk om hvordan den skal svare og hvilke handlinger den skal utføre i sanntid.

Hva den generative modellen faktisk gjør

Modellen for generativ KI håndterer den komplette samtaleprosessen:

  • Forstå brukerens forespørsel (hensikt og enheter)

  • Avgjøre neste beste handling, for eksempel følgende:

    • Svare fra kunnskapskilder

    • Kalle opp verktøy, API-er eller MCP-integreringer

    • Stille oppklarende oppfølgingsspørsmål

    • Utføre disse handlingene

    • Syntetisere et naturlig, samtalebasert svar (tale eller tekst)

Denne tilnærmingen representerer Microsofts generative iverksettingsmodell. Den erstatter følgende:

  • Tradisjonell hensiktsklassifisering for naturlig språkforståelse (klassisk iverksettingsmodus)

  • Hardkodet dialogruting

  • Deterministiske beslutningstrær

Resultatet er en mye mer fleksibel, menneskelignende samhandlingsmodell.

Når kunnskap, API-er eller MCP bør brukes

På et overordnet nivå avhenger forskjellen mellom kunnskap, API-er og MCP av hvilken type svar eller handling som trengs. Bruk kunnskap når agenten trenger å forklare policyer, vanlige spørsmål, ansvarsfraskrivelser eller annen veiledning basert på informasjon som sjelden endres. Bruk API-er når agenten trenger sanntidsdata som er spesifikke for kunden, for eksempel for sjekking av en ordrestatus eller henting av kontoinformasjon fra et registreringssystem. Bruk MCP når du trenger skala og struktur. Dette gir en standardisert måte for modellen å samhandle med flere verktøy og systemer på en konsekvent, styrt måte.

Kort sagt hjelper kunnskap agenten å kommunisere smartere, API-er hjelper den å behandle sanntidsdata, og MCP sikrer pålitelig utførelse av begge deler på tvers av komplekse bedriftsmiljøer.

Metode Når skal brukes Viktige kjennetegn Eksempler Hvordan det fungerer
Kunnskap (statisk innhold) Svaret er statisk eller endrer seg sjelden. Tilpassing er ikke nødvendig. Ingen systemvalidering trengs. Raskt og rimelig. Ingen serverdelavhengighet. Ideelt for vanlige spørsmål og generell informasjon. Hva er butikkens åpningstider? Tilbyr dere refusjon på salgsvarer? Hvordan fungerer abonnementet ditt? Modellen henter fra kunnskapsbasen. Genererer direkte svar uten eksterne oppkall
API-er (sanntidsdata) Trenger transaksjonsdata i sanntid. Forespørselen er brukerspesifikk. Krever autoritativt systemsvar. Dynamisk og tilpasset. Drevet av registreringssystemet. Sikrer nøyaktighet og oppdatering Hva er ordrestatusen min? Har jeg noen kommende avtaler? Har refusjonen min blitt behandlet? Hva er saldoen min nå? Modellen registrerer behov for sanntidsdata. Kaller opp API (Power Automate, kobling, HTTP-endepunkt). Mottar strukturerte data. Konverterer til svar på naturlig språk.
MCP (verktøyiverksettingslag) Trenger standardiserte, gjenbrukbare integrasjoner. Flere systemer/verktøy må samarbeide. Krever skalerbar, styrt tilgang for LLM-er. Fungerer som et kontraktslag mellom modell og verktøy. Muliggjør iverksetting på tvers av systemer. Sikkert og mer skalerbart for foretaksbruk. Hent CRM-data. Sjekk faktureringssystemene. Oppdater billetteringssystemene. Avslutt abonnementet mitt, og refunder siste betaling hvis jeg har krav på det Modellen velger MCP-verktøy. MCP iverksetter flere serverdelsystemer. Kjører arbeidsflyter trygt. Returnerer strukturerte resultater for svargenerering

Vanlige spørsmål for optimalisering av taleagent

  • Last updated on