Verktyg, kunskap, MCP och API

[Denna artikel är en förhandsversion av dokumentationen och kan komma att ändras.]

I strömningsläget i Copilot Studio driver en enda generativ AI-modell hela agentens funktion. Den här metoden eliminerar behovet av traditionella avsiktsträd, stela dialogflöden eller separata orkestreringslager.

I stället för att sy ihop flera system fungerar modellen som agentens hjärna. Den bestämmer dynamiskt hur de ska svara och vilka åtgärder som ska utföras i realtid.

Viktigt!

  • Detta är en förhandsgranskningsfunktion.
  • Förhandsgranskningsfunktioner ska inte användas i produktion och funktionerna kan komma att vara begränsade. Dessa funktioner är föremål för kompletterande användningsvillkor och görs tillgängliga före officiell lansering så att kunder kan få tidig tillgång och ge feedback.

Vad den generativa modellen faktiskt gör

Den generativa AI-modellen hanterar hela konversationslivscykeln:

  • Förstå användarens begäran (avsikt och entiteter)

  • Beslutar om nästa bästa åtgärd, till exempel:

    • Svar från kunskapskällor

    • Anropa verktyg, API:er eller MCP-integreringar

    • Fråga efter klargörande av uppföljningsfrågor

    • Utföra dessa åtgärder

    • Syntetisera ett naturligt, konversationssvar (röst eller text)

Den här metoden representerar Microsoft generativa orkestreringsmodell. Den ersätter:

  • Traditionell NLU-avsiktsklassificering (klassiskt orkestreringsläge)

  • Hårdkodad dialogroutning

  • Deterministiska beslutsträd

Resultatet är en mycket mer flexibel, mänsklig interaktionsmodell.

När du ska använda kunskap, API:er eller MCP

På hög nivå beror skillnaden mellan kunskap, API:er och MCP på vilken typ av svar eller åtgärd som behövs. Använd kunskap när agenten behöver förklara principer, vanliga frågor och svar, ansvarsfriskrivningar eller annan vägledning baserat på information som sällan ändras. Använd API:er när agenten behöver kundspecifika data i realtid, till exempel för att kontrollera orderstatus eller hämta kontoinformation från ett postsystem. Använd MCP när du behöver skala och strukturera. Det är ett standardiserat sätt för modellen att interagera med flera verktyg och system på ett konsekvent, styrt sätt.

Enkelt uttryckt: kunskap hjälper agenten att prata smartare, API:er hjälper den att agera på livedata och MCP hjälper den att göra båda på ett tillförlitligt sätt i komplexa företagsmiljöer.

Metod När du ska använda Viktiga egenskaper Exempel Så här fungerar det
Kunskap (statiskt innehåll) Svaret är statiskt eller ändras sällan. Ingen anpassning krävs. Ingen systemverifiering krävs. Snabb och låg kostnad. Inget backend-beroende. Perfekt för vanliga frågor och svar och allmän information. Vad är dina butikstimmar? Erbjuder du återbetalningar för försäljningsartiklar? Hur fungerar prenumerationsplanen? Modellen hämtar från kunskapsbasen. Genererar direkt svar utan externa anrop
API:er (applikationsprogrammeringsgränssnitt) (realtidsdata) Behöver transaktionsdata i realtid. Begäran är användarspecifik. Kräver auktoritativt systemsvar. Dynamisk och anpassad. System med postdrivna. Säkerställer noggrannhet och färskhet Vad är min orderstatus? Har jag några kommande möten? Har min återbetalning bearbetats? Vad är mitt nuvarande saldo? Modellen identifierar behovet av livedata. Anropar API (Power Automate, anslutning, HTTP-slutpunkt). Tar emot strukturerade data. Konverterar till svar på naturligt språk.
MCP (lager för verktygsorkestrering) Behöver standardiserade, återanvändbara integreringar. Flera system/verktyg måste fungera tillsammans. Kräv skalbar, styrd åtkomst för LLM:er. Fungerar som ett kontraktskikt mellan modell och verktyg. Möjliggör orkestrering mellan system. Säker och mer skalbar för företagsanvändning. Hämta CRM-data. Kontrollera faktureringssystem. Uppdatera biljettsystem. Avbryt min prenumeration och återbetala den senaste avgiften om den är berättigad Modellen väljer MCP-verktyg. MCP orkestrerar flera serverdelssystem. Kör arbetsflöden på ett säkert sätt. Returnerar strukturerade resultat för svarsgenerering

Vanliga frågor och svar om röstagentoptimering

  • Last updated on