Udostępnij przez


Korzystanie z agentów Copilot Studio w aplikacjach opartych na modelu

Udostępnianie użytkownikom szczegółowych informacji o sztucznej inteligencji specyficznych dla domeny w czasie rzeczywistym dzięki integracji agentów programu Microsoft Copilot Studio bezpośrednio z formularzami aplikacji opartych na modelu. Ta architektura używa kontrolek struktury składników usługi Power Apps (PCF) do wywoływania interfejsów API agenta Copilot Studio, umożliwiając inteligentne wsparcie decyzyjne dla scenariuszy, takich jak oceny kliniczne, rekomendacje inwestycyjne i wskazówki kontekstowe.

Wskazówka

Ten artykuł zawiera przykładowy scenariusz i wizualną reprezentację sposobu dostarczania kontekstowych szczegółowych informacji o sztucznej inteligencji w formularzach aplikacji opartych na modelu. To rozwiązanie jest uogólnioną przykładową architekturą scenariusza, która może być używana dla wielu różnych scenariuszy i branż.

Diagram architektury

Diagram architektury przedstawiający sposób, w jaki aplikacja oparta na modelu używa interfejsu API agenta Copilot Studio do wysyłania danych kontekstowych i odbierania odpowiedzi agenta.

Workflow

W tym przepływie pracy opisano, jak kontrolka Power Apps Component Framework (PCF) integruje się z interfejsami API agenta Copilot Studio, aby dostarczać użytkownikom inteligentne wskazówki uwzględniające domenę bezpośrednio w formularzach aplikacji opartych na modelu.

  1. Interakcja użytkownika: Użytkownik otwiera formularz aplikacji sterowanej modelem, w którym osadzona jest niestandardowa kontrolka PCF.

  2. Zdarzenie zostało wyzwolone: Kontrolka PCF wykorzystuje Xrm.Copilot.executeEvent() do podniesienia zdarzenia niestandardowego z unikatową nazwą zdarzenia. Kontrolka przekazuje kontekst rekordu i metadane, w tym identyfikator rekordu, wybrane kolumny oraz zmienne użytkownika i środowiskowe.

  3. Wykonywanie skryptu agenta: Zdarzenie wyzwala zdefiniowany skrypt agenta w Copilot Studio, używając unikalnej nazwy zdarzenia. Agent ocenia kontekst przy użyciu monitów, logiki i wtyczek specyficznych dla domeny.

  4. Rozumowanie sztucznej inteligencji: Agent przetwarza dane wejściowe i generuje zalecenia dotyczące odpowiedzi ustrukturyzowanych, kart adaptacyjnych, podsumowań lub inteligentnych szczegółowych informacji.

  5. Zwrócona odpowiedź: PcF odbiera ładunek odpowiedzi agenta asynchronicznie.

  6. Przegląd użytkownika: PcF renderuje szczegółowe informacje w interfejsie użytkownika formularza do przeglądu.

  7. Opcjonalna akcja: Użytkownik może zastosować zalecenie z powrotem do usługi Dataverse za pośrednictwem formularza, takiego jak aktualizowanie pól lub wyzwalanie przepływów.

Szczegóły przypadku użycia

Ta architektura obsługuje scenariusze, w których użytkownicy w formularzu aplikacji opartej na modelu potrzebują szczegółowych informacji specyficznych dla domeny lub pomocy technicznej dotyczącej decyzji w czasie rzeczywistym. Zamiast opuszczać stronę lub ręcznie agregować dane, otrzymują rekomendacje oparte na sztucznej inteligencji w odpowiednim kontekście.

Przykładowe przypadki użycia

  • Opieka zdrowotna: Lekarze otrzymują sugestie dotyczące leczenia pacjentów na podstawie objawów, witalności i historii medycznej.
  • Finanse: Doradcy otrzymują rekomendacje inwestycyjne dostosowane do bieżącego portfela i apetytu na ryzyko.

Wartość biznesowa

  • Przyspiesza podejmowanie decyzji za pomocą osadzonej sztucznej inteligencji.
  • Zachowuje kontekst dla użytkowników, bez konieczności przełączania się między aplikacjami a pulpitami nawigacyjnymi.
  • Zapewnia spójność, stosując reguły domeny za pomocą tematów agenta wielokrotnego zastosowania obsługiwanych przez podpowiedzi niestandardowe.

Components

  • Aplikacja oparta na modelu: hostuje interfejs formularza z osadzonymi kontrolkami PCF.
  • Kontrolka PCF: niestandardowa kontrolka struktury składników usługi Power Apps, która wywołuje interfejsy API agenta.
  • Agent Programu Copilot Studio: hostuje tematy wyzwalane za pośrednictwem zdarzeń.
  • Niestandardowe wezwania: dostarcz uzasadnienie domenowe, wyszukiwanie danych, logikę oceniania i zalecenia oparte na strukturze.
  • Tabela Dataverse: przechowuje dane aplikacji i jest opcjonalnie aktualizowana po analizie danych.

Dlaczego te składniki?

  • PcF umożliwia głębokie dostosowywanie interfejsu użytkownika i wstrzykiwanie logiki bezpośrednio w formularzu aplikacji opartej na modelu.
  • Copilot Studio upraszcza zarządzanie wskazówkami dotyczącymi domeny bez ponownego wdrażania aplikacji i korzysta z parametrów zdarzeń odebranych jako część zdarzenia niestandardowego.
  • Interfejs API agenta umożliwia luźne sprzęganie między aplikacjami i logiką sztucznej inteligencji.

Rozważania

Te rozważania wdrażają filary Power Platform Well-Architected, zestaw zasad przewodnich, które poprawiają jakość obciążenia. Dowiedz się więcej w Microsoft Power Platform artykule Dobrze zaprojektowane środowisko.

Reliability

  • Wdrożenie zasad ponawiania i limitu czasu dla wywołań interfejsu API agenta. Uwzględnij stany błędów nieblokujących w PCF.
  • Zapewnij łaskawą degradację. Jeśli wywołanie agenta zakończy się niepowodzeniem, pokaż buforowane lub oparte na regułach wskazówki, aby formularz pozostał użyteczny.
  • Użyj zmiennych środowiskowych, aby wyłączyć połączenie z AI, jeśli usługa agenta nadrzędnego jest nieczynna lub działa wadliwie.
  • Monitoruj współczynniki powodzenia i niepowodzeń agenta za pośrednictwem danych telemetrycznych (app Insights, wtyczki usługi Dataverse lub rejestrowania niestandardowego), aby wykrywać regresje.

Zabezpieczenia

  • Egzekwowanie zasady najmniejszych uprawnień. Wysyłaj tylko wymagane pola i kontekst użytkownika. Nigdy nie wysyłaj domyślnie pełnych ładunków rekordów.
  • Uwzględnianie klasyfikacji danych. Wyklucz lub tokenizuj dane osobowe i chronione informacje o zdrowiu (PHI), chyba że polityka zarządzania zezwala na ich przesyłanie do Copilot Studio.
  • Użyj separacji środowiska (deweloperskie, testowe, produkcyjne) i rozwiązań zarządzanych, aby kontrolować miejsce, w którym można wywoływać tematy agenta.
  • Przestrzegaj zabezpieczeń usługi Dataverse. PCF powinien żądać danych za pośrednictwem kontekstu platformy, aby zabezpieczenia wierszy i kolumn były przestrzegane.
  • Upewnij się, że odpowiedzi agenta nie są zatwierdzane automatycznie. Użytkownicy muszą potwierdzić, zanim nastąpi zapis danych.

Doskonałość operacyjna

  • Definicje pcF i agenta kontroli źródła. Automatyzuj budowanie i pakowanie przy użyciu zadań potoku.
  • Użyj narzędzia sprawdzania rozwiązań i analizy statycznej, aby zweryfikować składniki przed wdrożeniem.

Efektywność operacyjna

  • Wykonaj asynchroniczne wywołania agenta. Nie blokuj ładowania formularzy. Pokaż wczytywanie lub stopniowe ujawnianie informacji.
  • Buforuj ostatnie odpowiedzi w sesji lub stanach, gdy dane nie uległy zmianie, aby zmniejszyć liczbę powtarzających się wywołań.

Optymalizacja środowiska

  • Prezentowanie szczegółowych informacji w kompaktowym, skanowanym formacie, takim jak karty, znaczki ważności i przyciski wywołań do akcji.
  • Wyraźnie oznacz zawartość sugerowaną przez sztuczną inteligencję i pokazuj pewność lub uzasadnienie, gdy jest dostępna.
  • Podaj akcje akceptowania, odrzucania i przesyłania opinii. Nigdy nie zastępowaj danych wprowadzonych przez użytkownika bez zgody.
  • Obsługa ułatwień dostępu za pośrednictwem nawigacji za pomocą klawiatury, etykiet czytnika zawartości ekranu i motywów o wysokim kontraście.
  • Lokalizuj komunikaty i odpowiedzi, kiedy spodziewasz się wielojęzycznych grup użytkowników.

Odpowiedzialne używanie sztucznej inteligencji

To obciążenie uruchamia agentów sztucznej inteligencji, którzy korzystają z monity dotyczących domeny i opcjonalnie mogą zawierać generatywne komponenty. Platforma (Copilot Studio i Power Platform) zapewnia podstawowy nadzór, ale właściciele rozwiązań muszą dodawać bariery ochronne specyficzne dla domeny w niestandardowych monitach, zasadach danych i przepływach akceptacji. Przykład ocenia dane użytkownika na podstawie potrzeb biznesowych i przekazuje tylko kontekst o określonym zakresie.

Niestandardowe monity obejmują zabezpieczenia, które uzupełniają zasady odpowiedzialnej sztucznej inteligencji. Rozwiązanie implementuje następujące zasady:

  • Sprawiedliwość: Unikaj poufnych atrybutów demograficznych w monitach, chyba że jest to jawnie wymagane. Przed włączeniem zapisywania zwrotnego przejrzyj dane wyjściowe pod kątem niezamierzonej stronniczości.
  • Niezawodność i bezpieczeństwo: Odpowiedzi agentów nigdy nie są automatycznie zapisywane w Dataverse. Użytkownik musi przejrzeć i zaakceptować (człowiek w procesie). Dodaj progi ufności i komunikaty awaryjne dla odpowiedzi o niskiej jakości.
  • Prywatność i bezpieczeństwo: Przekaż tylko minimalne, wymagane pola w rekordzie. Wyklucz lub zamaskuj dane osobowe, chyba że zarządzanie danymi to zatwierdzi. Rejestruje tylko dane telemetryczne wykluczające poufne ładunki.
  • Inkluzywność: Renderowanie wyników w formatach dostępnych (semantyka tekstu i kart adaptacyjnych). Obsługa czytników zawartości ekranu i trybów dużego kontrastu. Zapewnij punkt zaczepienia lokalizacji dla wdrożeń wielojęzycznych.
  • Przejrzystości: Jasno oznacz szczegółowe informacje jako generowane przez sztuczną inteligencję. Określ, które pola danych zostały ocenione, oraz który z agentów lub temat wygenerował zalecenie. Podaj link "Dowiedz się więcej" do zasad użycia sztucznej inteligencji w organizacji.
  • Odpowiedzialność: Człowiek podejmuje ostateczne decyzje. Brak autonomicznych aktualizacji.

Współautorzy

Firma Microsoft utrzymuje ten artykuł. Następujący współautorzy napisali ten artykuł.

Główni autorzy: