Använd agentverktyg för att utöka, automatisera och förbättra dina agenter

Agenter blir kraftfullare när du utrustar dem med specialiserade verktyg som utökar deras kärnfunktioner. Copilot Studio erbjuder tre huvudsakliga kategorier av agentverktyg:

• AI-promptar för att generera intelligenta svar
• Model Context Protocol (MCP) för standardiserade integrationer
• Datoranvändningsverktyg för automatisering av skrivbordsprocesser

Den här artikeln utforskar hur varje verktygstyp fungerar, när du ska använda dem och hur de kan hjälpa dig att skapa mer kapabla och effektiva agenter. Du lär dig också om skillnader mellan hostade och BYO-maskiner för datoranvändningsscenarier, samt får vägledning om att välja mellan traditionell Robotic Process Automation (RPA) och Computer Using Agents (CUA).

Generera ett svar med hjälp av AI-promptar

AI-promptar använder en uppsättning instruktioner för att generera ett svar från en AI-modell. Du kan inkludera variabler för att infoga mer text eller dokument i dessa instruktioner. Utdata tillhandahålls vanligtvis i antingen klartext eller JSON-format. Du kan välja vilken AI-modell som helst som är inbyggd i Copilot Studio eller distribuerad via Microsoft Foundry för att generera svaret.

Du kan anropa prompter som ett agentverktyg eller inom ett ämne. Alla prompts sparas i ett promptbibliotek och har stöd för applikationslivscykelhantering, rollbaserad åtkomstkontroll och delning.

Läs mer om hur du kan använda prompts för att låta agenten utföra specifika uppgifter.

Bestäm när AI-promptar ska användas i stället för orkestrering

Varje agent som skapas i Copilot Studio använder orkestrering för att avgöra hur den ska ge svar genom att välja verktyg, ämnen och kunskap baserat på systeminstruktioner, användarinput och kontextuell information. Orkestratören är motorn bakom generativ orkestrering, som planerar handlingar och komponerar svar med hjälp av agentens verktyg och beskrivningar.

Även om orkestrering-styrda svar kan verka likna AI-promptar, används de två funktionerna för olika ändamål. AI-promptar är fristående promptbaserade åtgärder som ger tillverkare djupare kontroll över modellkonfigurationen.

AI-promptar stödjer ett bredare urval av modeller, inklusive de som är tillgängliga via Microsoft Foundry. De stödjer också funktioner som Dataverse-integrering, filer som indata och kodtolkare.

Orkestratören använder en fast systemprompt och verktygsbeskrivningar för att välja rätt byggblock för en given förfrågan. Skapare kan inte redigera orkestratörens systemprompt, men de kan påverka hur den beter sig genom agentinstruktioner.

AI-promptar ger full kontroll över formatering, begränsningar och logik, vilket gör dem till rätt val för scenarier som kräver finjusterad eller mycket strukturerad utdata. Till exempel, om du behöver stilistisk kontroll utöver enkel formatering ("skriv en rimmande dikt i ABAB-struktur med exakt dessa ord"), är en prompt det bästa valet.

Orchestratorn fungerar bra för enkla uppgifter som att extrahera ett enda namn från text. För komplexa extraktioner, använd AI-promptar. Till exempel att hämta flera entiteter från en lång rapport och länka dem till domänspecifika relationer (som att extrahera flera namn från en försäkringsrapport och identifiera bilverkstadens ägare associerad med endast en part i incidenten).

Valet mellan orkestrering och AI-prompter beror på vilken nivå av anpassning som krävs. Om du behöver precis kontroll över modellens beteende eller utdata, välj AI-promptar. För scenarier där allmän logik, verktygsval och lättviktsformatering är tillräckliga är orkestrering det lämpliga valet.

Använd MCP för att integrera agentverktyg

Model Context Protocol (MCP) är ett universellt gränssnitt som gör att AI-modeller kan interagera med externa verktyg, datakällor och användarmiljöer på ett enhetligt och skalbart sätt.

Jämfört med detta kräver Power Platform-anslutningsprogram att du beskriver varje åtgärd och dess indata, samt att du uppdaterar dessa beskrivningar när nya definitioner blir tillgängliga. Egen kodning av en integration för varje verktyg är mer komplicerat och mindre skalbart.

Använd MCP-servrarna som följer med Copilot Studio för Microsoft-tjänster som Outlook, Dataverse och GitHub, eller tredjepartstjänster som Salesforce och JIRA. Bygg anpassade MCP-servrar för tjänster där inga finns.

Fördelarna med MCP är till exempel:

• Standardiserad kontext för AI-modeller
• Sömlös integration med Copilot Studio
• Förbättrad effektivitet för utvecklare och användarupplevelse
• Styrning, övervakning och utbyggbarhet

Överväg följande begränsningar innan du implementerar MCP-servrar:

• Du kan inte berika verktygsbeskrivningar med mer kontext om när du ska aktivera.
• Ämnen kan inte direkt anropa MCP-servrar.

Förstå när MCP ska användas

Du kan nå samma resultat i Copilot Studio genom olika integrationssätt. Det är viktigt att förstå när man ska använda Model Context Protocol (MCP)-servrar jämfört med enklare alternativ som Power Platform-anslutningsprogram eller direkta REST API-anrop.

Använd MCP när du behöver ett standardiserat, centralt hanterat sätt att göra verktyg och resurser tillgängliga för flera agenter utan individuell klientkonfiguration. MCP-servrar publicerar verktyg och resurser som agenter automatiskt kan upptäcka, versionera och använda konsekvent, eftersom MCP-servern definierar verktygen och deras indata. Däremot kräver att lägga till ett API direkt att du manuellt beskriver dess syfte och definierar dess indata för varje agent.

MCP är särskilt värdefullt när upstream-API:er ändras ofta. Istället för att uppdatera varje agent som använder API:et, ändrar du definitionen en gång på MCP-servern, och alla agenter använder automatiskt den uppdaterade versionen utan att återpublicera. Om det inte finns någon MCP-server, eller om du snabbt prototypar, är det snabbare att anropa API:er direkt och du slipper det uppstartsarbete som krävs för att introducera hela MCP-livscykeln.

Generativ orkestrering måste vara aktiverat för att använda MCP. Läs mer i Hur fungerar MCP?

Automatisera skrivbordsprocesser med hjälp av datoranvändningsverktyget

Genom att använda datoranvändningsverktyget kan en agent arbeta med en dator utan behov av automatiseringsskript eller API:er. Istället för att använda skript eller API:er konfigurerar du agenten genom en prompt. Agenten avgör det bästa sättet att uppnå sina mål. Under processen tar agenten en skärmbild vid varje steg, analyserar bilden för att avgöra nästa åtgärd, utför den åtgärden och upprepar denna cykel tills uppgiften är slutförd. Skärmbildar som tagits av agenten och steg i resonemanget finns tillgängliga som en del av körhistoriken.

Vanliga scenarier där en agent kan dra nytta av datoranvändningsverktyget inkluderar:

• Datainmatning: För varje rad i den inkommande CSV-filen, skapa en försäljningsorder i SAP och skriv det genererade order-ID:t till filen.
• Datautvinning: Gå till varje leverantörsportal, sök efter den listade SKU:n, extrahera pris, lager och ledtid, och infoga resultaten med en tidsstämpel i databasen.
• Över appar: Exportera dagens transaktioner från den skrivbordsbaserade ekonomiklienten, navigera i QuickBooks och boka varje post på rätt konto.

Förstå värdbaserade datorer kontra att ta med din egen dator

Agenter kan använda verktyget för datoranvändning på en dator som tillhandahålls av Microsoft eller på en egen dator (BYO). Värdbaserade datorer finns tillgängliga för omedelbar användning utan IT-konfiguration eller fakturering. De tillhör en gemensam pool av förkonfigurerade Windows 365 molnbaserade datorer som inte är Entra-anslutna till kundens klientorganisation. BYO-maskiner måste konfigureras i förväg inom kundens eget virtuella nätverk. Du måste registrera och hantera BYO-maskiner i Power Automate.

Använd BYO-maskiner för produktionsscenarier. De har stöd för Microsoft Entra ID, är Intune-inskrivna och stödjer både webb- och skrivbordsautomation. Använd värdbaserade datorer enbart för prototyper eftersom de har begränsade kapaciteter. Endast en molnbaserad dator är tillgänglig per användare samtidigt, och användningen kan begränsas beroende på efterfrågan.

Läs mer i Konfigurera var datoranvändningen körs.

Robotstyrd Processautomation (RPA) vs. Computer Using Agents (CUA)

Robotstyrd processautomation (RPA) innebär att automatisera en dator med hjälp av ett skript. Du kan använda det i många av de scenarier som CUA används för. Det är dock viktigt att förstå skillnaderna mellan RPA och CUA.

Använd RPA när:

• Endast allmänt tillgängliga (GA) funktioner är tillåtna.
• Användargränssnittet är stabilt. Skärmarna, fälten och selektorerna ändras sällan.
• Reglerna är tydliga. Du kan fånga in beslut i regler.
• Hastighet är viktigt. Hög volym. Varje sekund räknas.
• Ett RPA-team ansvarar för det. Teamet har kunskap om utveckling och hantering av RPA.

Använd CUA när:

• Användargränssnitten förändras eller varierar mycket. Du arbetar med flera appar och återkommande redesigns.
• Du behöver det snabbt. RPA-teamets backlogg är full.
• Användargränssnittet är viktigt. Uppgiften beror på vad som syns på skärmen, såsom diagram, färger och dynamiska layouter.
• Beslut är oklara. Agenten måste resonera, välja nästa steg eller korrigera sig själv.

Relaterad information

• Lägga till verktyg till anpassade agenter
• Utöka agenten med modellkontextprotokoll
• Automatisera webb- och datorappar med datoranvändning