Gebruik agententools om je agenten uit te breiden, automatiseren en te verbeteren

Agenten worden krachtiger wanneer je ze uitrustt met gespecialiseerde hulpmiddelen die hun kerncapaciteiten uitbreiden. Copilot Studio biedt drie hoofdcategorieën agenttools:

• AI-prompts voor het genereren van intelligente antwoorden
• Model Context Protocol (MCP) voor gestandaardiseerde integraties
• Computergebruikstool voor het automatiseren van desktopprocessen

Dit artikel onderzoekt hoe elk type tool werkt, wanneer je ze moet gebruiken, en hoe ze je kunnen helpen om meer capabele en efficiënte agenten te bouwen. Je leert ook over de verschillen tussen gehoste en bring-your-own machines voor computersituaties, plus begeleiding bij het kiezen tussen traditionele Robotic Process Automation (RPA) en Computer Using Agents (CUA) benaderingen.

Genereer een antwoord met behulp van AI-prompts

AI-prompts gebruiken een set instructies om een antwoord te genereren vanuit een AI-model. Je kunt variabelen toevoegen om meer tekst of documenten in deze instructies in te voegen. De uitvoer wordt meestal geleverd in platte tekst of JSON-formaat. Je kunt elk AI-model selecteren dat in Copilot Studio is ingebouwd of via Microsoft Foundry is geïmplementeerd om het antwoord te genereren.

Je kunt prompts aanroepen als een agent-tool of vanuit een topic zelf. Alle prompts worden opgeslagen in een promptbibliotheek en ondersteunen applicatielevenscyclusbeheer, rolgebaseerde toegangscontrole en delen.

Lees meer over het gebruik van prompts om je agent specifieke taken te laten uitvoeren.

Bepaal wanneer je AI-prompts gebruikt in plaats van de orchestrator

Elke agent die in Copilot Studio is gebouwd, gebruikt de orchestrator om te bepalen hoe te reageren door tools te selecteren door tools te selecteren op basis van systeeminstructies, gebruikersinvoer en contextuele informatie. De orchestrator is de motor achter generatieve orkestratie, die acties plant en antwoorden samenstelt met behulp van de tools en beschrijvingen van de agent.

Hoewel door de orkestrator gestuurde antwoorden lijken op AI-prompts, dienen de twee mogelijkheden verschillende doelen. AI-prompts zijn op zichzelf staande prompt-gebaseerde acties die makers diepere controle geven over modelconfiguratie.

AI-prompts ondersteunen een breder scala aan modellen, waaronder die beschikbaar via Microsoft Foundry. Ze ondersteunen ook functies zoals Dataverse-aarding, bestandsinvoer en code-interpreter.

De orchestrator gebruikt een vaste systeemprompt en toolbeschrijvingen om de juiste bouwstenen voor een bepaald verzoek te kiezen. Makers kunnen de systeemprompt van de orchestrator niet bewerken, maar ze kunnen wel beïnvloeden hoe deze zich gedraagt via agentinstructies.

AI-prompts geven volledige controle over de opmaak, beperkingen en logica, waardoor ze de juiste keuze zijn voor scenario's die fijn afgestelde of sterk gestructureerde output vereisen. Als je bijvoorbeeld stilistische controle nodig hebt buiten simpele opmaak ("schrijf een rijmend gedicht in ABAB-structuur met deze exacte woorden"), past een prompt beter.

De orchestrator werkt goed voor eenvoudige taken zoals het extraheren van één enkele naam uit tekst. Voor complexe extracties gebruik je AI-prompts. Bijvoorbeeld het halen van meerdere entiteiten uit een lang rapport en het koppelen aan domeinspecifieke relaties (zoals het extraheren van meerdere namen uit een verzekeringsrapport en het identificeren van de eigenaar van de autoreparatieservice die slechts aan één partij in het incident is gekoppeld).

De keuze tussen orchestrator- en AI-prompts hangt af van het vereiste niveau van aanpassing. Als je nauwkeurige controle over het gedrag of de output van het model nodig hebt, kies dan AI-prompts. Voor scenario's waarin algemene redenering, toolkeuze en lichtgewicht opmaak voldoende zijn, is de orchestrator de juiste keuze.

Integreer agenttools door MCP te gebruiken

Het Model Context Protocol (MCP) is een universele interface die AI-modellen gebruiken om op een consistente en schaalbare manier te communiceren met externe tools, databronnen en gebruikersomgevingen.

Ter vergelijking: Power Platform-connectoren vereisen dat je elke actie en de invoer beschrijft, en deze beschrijvingen bijwerkt zodra er nieuwe definities beschikbaar komen. Het op maat coderen van een integratie voor elke tool is complexer en minder schaalbaar.

Gebruik de MCP-servers die met Copilot Studio worden geleverd voor Microsoft-diensten zoals Outlook, Dataverse en GitHub, of derde-partijdiensten zoals Salesforce en JIRA. Bouw aangepaste MCP-servers voor diensten waar die niet bestaan.

Voordelen van MCP zijn onder andere:

• Gestandaardiseerde context voor AI-modellen
• Naadloze integratie met Copilot Studio
• Verbeterde ontwikkelaarsefficiëntie en gebruikerservaring
• Bestuur, monitoring en uitbreidbaarheid

Houd rekening met de volgende beperkingen voordat je MCP-servers implementeert:

• Je kunt toolbeschrijvingen niet verrijken met meer context over wanneer je moet aanroepen.
• Topics kunnen MCP-servers niet direct aanroepen.

Begrijp wanneer je MCP moet gebruiken

Je kunt dezelfde resultaten bereiken in Copilot Studio via verschillende integratiebenaderingen. Het is belangrijk om te begrijpen wanneer je Model Context Protocol (MCP)-servers moet gebruiken in plaats van eenvoudigere opties zoals Power Platform-connectoren of directe REST API-aanroepen.

Gebruik MCP wanneer je een gestandaardiseerde, centraal beheerde manier nodig hebt om tools en middelen bloot te stellen aan meerdere agenten zonder configuratie per klant. MCP-servers publiceren tools en bronnen die agenten automatisch kunnen ontdekken, versieën en consistent kunnen gebruiken, omdat de MCP-server de toolbeschrijvingen en hun invoer definieert. Daarentegen vereist het direct toevoegen van een API dat je handmatig het doel beschrijft en de invoer per agent definieert.

MCP is vooral waardevol wanneer upstream API's vaak veranderen. In plaats van elke agent die de API gebruikt bij te werken, pas je de definitie eenmaal aan op de MCP-server, en alle agenten gebruiken automatisch de bijgewerkte versie zonder opnieuw te publiceren. Als er geen MCP-server bestaat, of je snel prototypeert, is het direct aanroepen van API's sneller en voorkomt het de setup-overhead die nodig is om de volledige MCP-levenscyclus te introduceren.

Generative Orchestration moet ingeschakeld zijn om MCP te kunnen gebruiken. Lees meer in Hoe werkt MCP?

Automatiseer desktopprocessen met behulp van de computertool

Door gebruik te maken van de computergebruikstool kan een agent een computer bedienen zonder automatiseringsscripts of API's. In plaats van scripts of API's te gebruiken, configureer je de agent met een prompt. De makelaar bepaalt hoe hij zijn doelen het beste kan bereiken. Tijdens het proces maakt de agent bij elke stap een screenshot, analyseert deze om de volgende actie te bepalen, voert die uit en herhaalt deze cyclus totdat de taak voltooid is. Screenshots gemaakt door de agent en redeneringsstappen zijn beschikbaar als onderdeel van de loopgeschiedenis.

Veelvoorkomende scenario's waarin een agent kan profiteren van het computergebruik zijn onder andere:

• Gegevensinvoer: Voor elke rij in het binnenkomende CSV-bestand maakt u de verkooporder aan in SAP en schrijft u de gegenereerde order-ID terug naar het bestand.
• Data-extractie: Ga naar elk leveranciersportaal, zoek in de vermelde SKU, haal de prijs, voorraad en levertijd eruit en voeg de resultaten met een tijdstempel in de database in.
• Over apps heen: Exporteer de transacties van de dag vanuit de desktop finance-client, navigeer door QuickBooks en post elke post naar de juiste rekening.

Begrijp gehoste machines versus neem je eigen machine mee

Agenten kunnen de computergebruikstool aanroepen op een door Microsoft gehoste machine of een bring-your-own (BYO) machine. Gehoste machines zijn direct beschikbaar voor gebruik zonder IT-configuratie of facturering. Ze behoren tot een gedeelde pool van vooraf geprovisioneerde Windows 365 Cloud PC's die niet via Entra zijn gekoppeld aan de klanttenant. BYO-machines moeten vooraf worden geprovisioneerd binnen het eigen virtuele netwerk van de klant. Je moet BYO-machines registreren en beheren in Power Automate.

Gebruik BYO-machines voor productiescenario's. Ze bieden ondersteuning voor Microsoft Entra ID, zijn ingeschreven bij Intune en ondersteunen zowel web- als desktopautomatiseringstoepassingen. Gebruik gehoste machines alleen voor prototyping vanwege hun beperkte mogelijkheden. Er is per gebruiker slechts één Cloud-pc beschikbaar, en het gebruik kan worden beperkt op basis van de vraag.

Meer informatie in Configureren waar computergebruik wordt uitgevoerd.

Robotic Process Automation (RPA) versus Computer Using Agents (CUA)

Robotic Process Automation (RPA) is de automatisering van een computer met behulp van een script. Je kunt het toepassen op veel van dezelfde situaties als bij CUA. Het is echter belangrijk om de verschillen tussen RPA en CUA te begrijpen.

Gebruik RPA wanneer:

• Alleen algemeen beschikbare (GA) functies zijn toegestaan.
• De gebruikersinterface is stabiel. De schermen, velden en selectors veranderen zelden.
• De regels zijn duidelijk. Je kunt beslissingen vastleggen in regels.
• Snelheid doet ertoe. Hoog volume. Elke seconde telt.
• Een RPA-team is de eigenaar ervan. Het team beschikt over bestaande kennis van RPA-ontwikkeling en management.

Gebruik CUA wanneer:

• Gebruikersinterfaces verschuiven of variëren sterk. Je werkt met meerdere apps en redesigns vaak door.
• Je hebt het snel nodig. De backlog van het RPA-team is vol.
• De gebruikersinterface is belangrijk. De taak hangt af van wat er op het scherm zichtbaar is, zoals grafieken, kleuren en dynamische indelingen.
• Beslissingen zijn vaag. De agent moet redeneren, de volgende stap kiezen of zichzelf corrigeren.

Verwante informatie

• Hulpprogramma's toevoegen aan aangepaste agents
• Uw agent uitbreiden met het protocol voor modelcontext
• Automatiseer web- en desktop-apps met computergebruik