Hantera AI-modellens livscykel för Copilot Studio-agenter

Copilot Studio erbjuder olika typer av modeller. Dessa modelltyper baseras på deras avsedda användning och tillgänglighet. AI-modellval är inte ett engångsbeslut. Modeller introduceras, uppdateras, görs allmänt tillgängliga, väljs som standardmodeller och pensioneras så småningom. En agent som fungerar bra med en modell kan bete sig helt annorlunda med en annan modell, även en modell i samma modellfamilj.

Behandla modelllivscykelhantering som en pågående operativ praxis för varje produktionsagent från Copilot Studio. Etablera en upprepbar process för att upptäcka modellförändringar, utvärdera kandidatmodeller, förbereda för pensionering, migrera berörda agenter och övervaka kvaliteten efter utrullning.

Att ändra modellen en agent använder är sällan bara en förändring av modellval. En nyare modell kan tolka instruktioner mer bokstavligt, välja verktyg annorlunda, producera olika svarslängd och formatering, samt ändra latens. Planera varje modelländring som en migrering som inkluderar utvärdering, förfining av instruktioner och verktyg, godkännande och övervakning efter implementering.

Den styrande principen är att utforma för flexibilitet, arbeta konservativt och styra varje uppgradering med utvärdering. Att uppgradera till varje ny modell riskerar tysta regressioner. Att undvika alla modelländringar garanterar en nödsituation när pensionen kommer.

Tillämpa följande livscykel på produktionsagenter:

1. Upptäck nya, uppdaterade, standard- och utgångna modeller.
2. Inventera agenter, miljöer, ägare och affärsprocesser som beror på varje modell.
3. Utvärdera kandidatersättningsmodeller mot en etablerad baslinje.
4. Godkänn migreringen med hjälp av dokumenterade kvalitets- och driftskriterier.
5. Distribuera genom organisationens Application Lifecycle Management (ALM)-process.
6. Övervaka produktionsresultat och lägg till nyupptäckta scenarier i regressionssviten.
7. Upprepa processen i takt med att modeller och agentkrav utvecklas.

Den här artikeln handlar om upptäckt och inventering. Serien fortsätter med:

• Bestäm när du ska uppgradera en AI-modell: Uppgraderingsbeslut, förutsättningar och hantering av pensioneringar.
• Kör och validera en modellmigrering: Utvärdering, godkännande, distribution och övervakning.

Modelllivscykelhantering kräver samordning mellan agentägare, skapare, plattformsadministratörer, testare, säkerhets- och efterlevnadsteam samt release-approvers. Tilldela ägarskap innan en modelländring skapar en akut migration.

Förstå modelllandskapet

Innan du kan planera ett modellbyte behöver du veta hur Copilot Studio klassificerar modeller, vilka modeller din organisation faktiskt kan använda och vilka agenter som är beroende av var och en.

Förstå modellutgivningstyper

Copilot Studio identifierar modeller efter release- och tillgänglighetsklassificeringar. Dessa klassificeringar hjälper till att avgöra hur en modell ska styras och var den ska användas. Modellnamn, lanseringsstadier, regional tillgänglighet och pensionsstatus förändras över tid. Kontrollera alltid modelltillgänglighet per region för aktuell information istället för att förlita dig på en statisk modelllista.

En agent som använder standardmodellen byter till en ny modell varje gång standardmodellen uppgraderas, oavsett om du planerat det eller inte. För högrisk- och högvolymagenter, välj en specifik modell istället för att följa standardmodellen, så att varje modelländring går igenom din migreringsprocess.

Matcha modellanvändningskategorin med agentens syfte

Copilot Studio märker varje modell med en användningskategori som beskriver vad modellen är optimerad för. Att välja rätt kategori för agentens arbetsbelastning påverkar kvalitet, latens och kreditkonsumtion.

• Djup: Optimerad för resonemang i flera steg och verktygsstödda arbetsflöden. Bäst för komplex analys, policyanalys och dokumentsyntes. Har högst latens och kreditkonsumtion.
• Auto: Täcker blandade arbetsbelastningar genom att dirigera frågor dynamiskt. Bäst för helpdesk- och personalagenter med oförutsägbar eller varierande frågekomplexitet. Latens och kostnad varierar per tur.
• Allmänt: Optimerad för snabbhet och kostnad för vardagliga chattar och enkel faktagrundning. Bäst för utkast, sammanfattningar, FAQ-liknande svar och enkel automatisering av handlingar. Lägst latens och kreditförbrukning.

Läs mer i kategorierna för modellanvändning.

Förstå externa modeller och administratörskontroller

Du kan använda modeller från externa leverantörer som Anthropic, xAI och Mistral som agentens primära modell. Läs mer i Välj en extern modell som primär AI-modell.

Administratörsinställningar styr vilka modeller som skaparna kan välja i en miljö. En modell som är dokumenterad som tillgänglig kan fortfarande vara otillgänglig för agenten du migrerar om den nödvändiga inställningen inte är aktiverad.

Innan du planerar en migrering, kontrollera att kandidatmodellen är tillgänglig för tillverkaren i målmiljön. Modelllistan i Copilot Studio speglar dina administratörsinställningar och är grunden för vad en specifik agent kan använda. Läs mer under Adminkontroller för AI-modellval.

Granska modellernas tillgänglighet regelbundet

Gå igenom primär AI-modell för din mäklare regelbundet. Det är den auktoritativa källan för den nuvarande modelllistan. Nya modeller dyker upp där när de introduceras, och befintliga modeller uppdateras när de blir allmänt tillgängliga, blir standard eller pensioneras.

Använd följande källor tillsammans:

Trigga också en recension när:

• En relevant modell blir tillgänglig i förhandsvisning eller allmänt tillgänglig.
• Standardmodellen ändras.
• En modellpensionering eller automatisk uppgradering tillkännages.
• En modell blir tillgänglig i organisationens region.
• Organisationen aktiverar bearbetning över geografiska områden, externa modeller eller förhandsgransknings- och experimentella modeller.
• Produktionsövervakning identifierar en kvalitets-, latens-, tillförlitlighets- eller konsumtionsfråga som en annan modell kan ta itu med.

Underhåll en modell och agentinventarium

Använd agentinventarierna som tillhandahålls i Power Platforms admincenter, Power Platform CLI eller Power Platform API:er för att identifiera agenter som använder en specifik modell. Använd den här informationen för att inleda kommunikation om modellens livscykel med de berörda affärs- och teknikansvariga.

Använd någon av följande vyer i Power Platforms admincenter:

Sök i inventarie-API:et för att hitta agenter per modell

Power Platform-administrationscentervyerna är effektiva för manuell granskning och export av resultat. Använd i stället Inventory API när du vill samla in samma information programmatiskt, så att inventering av agenter kan skriptas, schemaläggas och upprepas i hela klientorganisationen i stället för att ladda ner rapporter manuellt. Organisationer med ett stort mäklarområde kan använda detta tillvägagångssätt för att uppdatera listan över berörda agenter vid behov under en pensionsmigrering och hålla den aktuell mellan livscykelhändelser.

Inventory API returnerar agentens namn, visningsnamn, miljö och konfigurerad modell i en enda hyresgästövergripande fråga, så ingen korrelation med en annan datakälla krävs.

Innan du kör frågan:

• Logga in med ett konto som har Power Platform-administratörsrollen eller Dynamics 365-administratör.
• Skaffa en åtkomsttoken för resursen https://api.powerplatform.com/ .
• Bekräfta att agentinventariet är aktiverat för hyresgästen.

Skicka en POST-förfrågan till resursfrågans endpoint, filtrera microsoft.copilotstudio/agents på resurstypen och projicera de fält du behöver, inklusive 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 innehåller en post för varje agent. Fältnamn i svaret ersätter punkten med ett understreck, så properties.model returneras 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 inkluderar totalRecords och, när resultaten förkortas, ett skipToken värde. Skicka tillbaka det värdet i Options.SkipToken och upprepa förfrågan tills alla poster har hämtats.

Gruppera de insamlade posterna efter properties_model för att se var varje modell används i hela klientorganisationen. Följande exempel visar antalet agenter per modell för en hyresgäst, exklusive agenter som använder Copilot Studio-standardmodellen eller körs i Microsoft 365 Copilot-upplevelsen:

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

När en avveckling annonseras filtrerar du samma resultatuppsättning för den modell som avvecklas för att ta fram en lista över berörda agenter, deras miljöer och deras agent-ID:n. Använd environmentId värdet för att mappa varje agent till en namngiven miljö och skicka resultaten vidare till ägarna av dessa miljöer. Läs mer i Svara på en modellpension för det fullständiga pensionssvaret.

Läs mer i:

• Power Platform-inventarie-API
• Schemareferens för Power Platform-inventering

Använd Power Platform CLI för miljöspecifik information

Använd pac copilot list när du behöver agenter och lösningskontext för en enda miljö, till exempel när du förbereder en migrering i en miljö:

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

Kommandot returnerar agentens namn, Copilot-ID, komponentstatus, hanterad status, lösnings-ID, statuskod och tillståndskod. Denna utdata inkluderar inte modellen, så använd inventarie-API:et för att identifiera agenter per modell. Använd pac admin list för att hämta miljönamn och ID:n.

Vad man ska registrera för varje agent

Modellen i sig räcker inte för att planera en migration. Registrera följande för varje agent, så att du redan vet vem du ska kontakta när en pension annonseras och vilket arbete varje agent behöver:

• Agentnamn, agent-ID, miljö och miljötyp, såsom utveckling, test eller produktion.
• Affärskritisk faktor.
• Verksamhetsansvarig, tekniskt ansvarig, testare och releasegodkännare.
• Den konfigurerade modellen och dess releasetagg.
• Oavsett om agenten använder standardmodellen eller en specifik vald modell.
• Krav på bearbetning mellan geografiska områden och regionala begränsningar.
• Huruvida agenten drivs med standard harness eller GitHub Copilot harness, vilket avgör vilka testmetoder för utvärdering som är tillgängliga för agenten. Läs mer om hur Copilot Studio använder.
• Regressionstestet satte plats och datum för den senaste baslinjelöpningen.
• Om fönstret för pensionerad modell är i bruk, när det går ut och vem som godkände det.

Nästa steg

Med modelllandskapet förstått och din mäklarinventering på plats, använd beslutskriterierna för att avgöra om en uppgradering behövs.

Relaterad information

• Spåra, hantera och skala införandet av Copilot i Power Platform