Observação
O acesso a essa página exige autorização. Você pode tentar entrar ou alterar diretórios.
O acesso a essa página exige autorização. Você pode tentar alterar os diretórios.
Aplica-se a: Aplicativos Lógicos do Azure (Consumo + Standard)
Importante
A funcionalidade de fluxos de trabalho do agente de consumo está em versão prévia e está sujeita aos Termos de Uso Complementares para Visualizações do Microsoft Azure.
Os Aplicativos Lógicos do Azure dão suporte a fluxos de trabalho que concluem tarefas usando loops de agente com modelos de linguagem de grande escala (LLMs). Um loop de agente usa um processo iterativo para resolver problemas complexos de várias etapas. Um LLM é um programa treinado que reconhece padrões e executa trabalhos sem interação humana, por exemplo:
- Analisar, interpretar e raciocinar sobre informações como instruções, sugestões, dados de entrada e outros tipos de dados.
- Tome decisões, com base nos resultados e nos dados disponíveis.
- Formule e devolva as respostas ao solicitante, com base nas instruções do agente.
Você pode criar fluxos de trabalho que usam loops de agente autônomo ou conversacional. O loop do agente usa uma linguagem natural para se comunicar com você e com o modelo conectado. O agente também usa saídas geradas por modelo para trabalhar com ou sem interação humana. O modelo ajuda o loop do agente a fornecer os seguintes recursos:
- Aceite informações sobre a função do agente, como operar e como responder.
- Receba e responda a instruções e solicitações ou comandos.
- Processe entradas, analise dados e faça escolhas com base nas informações disponíveis.
- Escolha ferramentas para concluir as tarefas necessárias para atender às solicitações. Uma ferramenta é basicamente uma sequência com uma ou mais ações que completam uma tarefa.
- Adapte-se a ambientes que exigem flexibilidade e são fluidos, dinâmicos, imprevisíveis ou instáveis.
Com mais de 1.400 conectores que você pode usar para criar ferramentas para um loop de agente a ser usado, os fluxos de trabalho do agente dão suporte a uma ampla variedade de cenários que se beneficiam muito dos recursos de loop de agente e modelo. Com base em seu cenário, crie um fluxo de trabalho de agente autônomo sem interação humana ou um fluxo de trabalho de agente de conversa com interação humana para melhor atender às necessidades da sua solução.
Esta visão geral aborda as seguintes áreas:
- Fluxos de trabalho agente versus não-agente
- Conceitos fundamentais do loop do agente
- Fluxos de trabalho autônomos versus de agente conversacional
- Estrutura do agente
- Cenários de exemplo
- Autenticação e autorização
- Informações básicas de cobrança
Fluxos de trabalho agente versus não-agente
Os fluxos de trabalho que usam loops de agente podem evoluir além dos limites impostos aos fluxos de trabalho não-agente. Os fluxos de trabalho do agente podem se adaptar a ambientes em que eventos inesperados ocorrem, escolher quais ferramentas usar com base em prompts, entradas e dados disponíveis, melhorar continuamente seu desempenho, lidar com dados não estruturados, dar suporte a cenários complexos e fornecer um nível mais alto de adaptabilidade e flexibilidade. Os fluxos de trabalho nonagent funcionam melhor em ambientes estáveis, seguem regras predefinidas e executam tarefas estáticas, previsíveis e repetitivas.
A tabela a seguir fornece mais comparações entre fluxos de trabalho do agente e fluxos de trabalho nonagent:
| Aspecto | Agente | Não agente |
|---|---|---|
| Lógica | Faça escolhas informadas sobre as tarefas a serem executadas, com base em entradas e outras informações disponíveis, e execute ações. | Siga as regras predefinidas e as sequências fixas. |
| Gerenciamento de tarefas | Tratar tarefas como entidades separadas | Não aplicável |
| Estrutura de dados | Manipular e processar dados não estruturados. | Manipular e processar dados estruturados com padrões previsíveis. |
| Adaptabilidade | Detecte e responda a ambientes e condições de alteração, tome decisões e adapte-se a novas entradas em tempo real. | Pode ter dificuldades com ambientes que experimentam alterações inesperadas ou dinâmicas. |
Conceitos principais
A tabela a seguir fornece introduçãos básicas aos principais conceitos:
| Conceito | Descrição |
|---|---|
| Loop do agente | Uma ação predefinida que usa um processo iterativo estruturado para resolver problemas complexos de várias etapas. O loop do agente atinge essa meta seguindo iterativamente estas etapas: 1. Pense: colete, processe e analise informações e entradas disponíveis, como texto, imagens, áudio, dados do sensor e assim por diante, de fontes de dados específicas. Aplique modelos de razão, lógica ou aprendizado para entender solicitações, criar planos ou soluções e escolher a melhor ação para responder ou atender solicitações com a ajuda de modelos de IA generativos. 2. Agir: com base nas opções feitas e nas ferramentas disponíveis, conclua as tarefas no mundo digital ou real. 3. Aprenda (opcional): adapte seu próprio comportamento ao longo do tempo usando comentários ou outras informações. Um agente pode aceitar instruções, trabalhar com serviços, sistemas, aplicativos e dados invocando ferramentas que você cria com ações predefinidas nos Aplicativos Lógicos do Azure e responder com os resultados. Um agente pode processar informações, fazer escolhas e concluir tarefas usando um modelo implantado, por exemplo, no Serviço OpenAI do Azure. Observação: um fluxo de trabalho do agente pode incluir vários agentes em uma sequência. Não é possível adicionar um agente em linha como uma ferramenta em outro agente. Para obter mais informações, consulte o que é um agente de IA? |
| LLM (modelo de linguagem grande) | Um programa treinado para reconhecer padrões e realizar trabalhos sem intervenção humana. Para obter mais informações, confira O que são modelos de linguagem grandes? |
| Ferramenta | Uma ferramenta contém uma ou mais ações que executam uma tarefa para um agente. Por exemplo, uma ferramenta pode enviar email, trabalhar com fontes de dados, executar cálculos ou conversões, interagir com APIs e assim por diante. Por exemplo, consulte Criar ferramenta para obter o clima. |
| Parâmetro do agente | Um parâmetro que você cria em uma ferramenta ou em um parâmetro de ação, com base no caso de uso do parâmetro do agente. Você cria parâmetros de agente para que o agente possa passar saídas exclusivas do modelo como entradas de parâmetro para uma ação numa ferramenta. Você não precisa de parâmetros de agente para valores de fontes não-modelo. Os parâmetros do agente diferem dos parâmetros tradicionais das seguintes maneiras: - Os parâmetros do agente se aplicam somente à ferramenta em que você os define. Essa restrição significa que você não pode compartilhar parâmetros de agente com outras ferramentas. Em comparação, você pode compartilhar parâmetros tradicionais globalmente com operações e estruturas de fluxo de controle em um fluxo de trabalho. - Os parâmetros do agente não usam valores resolvidos quando o fluxo de trabalho começa a ser executado. Um parâmetro de agente receberá um valor somente se o agente invocar a ferramenta usando argumentos específicos. Esses argumentos se tornam os parâmetros do agente para invocar a ferramenta. - Um agente pode invocar a mesma ferramenta várias vezes com valores de parâmetro de agente diferentes, mesmo quando essa ferramenta existe na mesma iteração de loop. Por exemplo, uma ferramenta pode verificar o tempo em Seattle e Londres. Para obter mais informações, consulte Criar parâmetros de agente para a ação "Obter previsão". |
| Contexto | Um agente registra um histórico de log mantendo um número máximo de tokens ou mensagens que servem como contexto, e esse contexto é passado para o modelo para a próxima interação. Cada modelo tem limites de comprimento de contexto diferentes. |
Fluxos de trabalho autônomos versus de agente conversacional
Para ajudá-lo a entender melhor como esses tipos de fluxo de trabalho do agente diferem, as seções a seguir descrevem e mostram exemplos para cada tipo de fluxo de trabalho do agente. Ambos os tipos de fluxo de trabalho usam um loop de agente e ferramentas para obter o clima atual e enviar essas informações por email. Todos os agentes têm um painel de informações em que você configura o agente com o modelo desejado e fornece instruções sobre as funções do agente, suas funções e a maneira de responder.
Fluxo de trabalho do agente autônomo
As seguintes etapas de alto nível descrevem o comportamento de um fluxo de trabalho de agente autônomo básico:
O fluxo de trabalho começa com qualquer gatilho com suporte disponível.
Opcionalmente, zero ou mais ações podem ocorrer entre o gatilho e o agente.
O agente aceita instruções do sistema e solicitações ou entradas não-humanos, por exemplo, saídas do gatilho ou de uma ação anterior.
Com base em se você tem um fluxo de trabalho de agente de Consumo ou Standard, o agente usa um modelo do Azure OpenAI ou uma API LLM da fonte a seguir para interpretar e entender as instruções e a solicitação. O agente também usa o modelo para processar e analisar as entradas fornecidas.
Aplicativo lógico Origem do modelo Consumo Microsoft Foundry Standard - Recurso do Serviço OpenAI do Azure
- Projeto do Azure AI Foundry (versão prévia)
- Conta de Gerenciamento de API do Azure com uma API LLM (versão prévia)Com base nas instruções do agente, o modelo ajuda a planejar quais ferramentas o agente precisa invocar para executar as tarefas necessárias.
O agente retorna os resultados da ferramenta e responde ao chamador de fluxo de trabalho ou ao destinatário especificado.
A captura de tela a seguir mostra um exemplo básico de fluxo de trabalho do agente autônomo:
Fluxo de trabalho do agente de conversação
As seguintes etapas de alto nível descrevem o comportamento de um fluxo de trabalho básico do agente de conversação:
O fluxo de trabalho sempre começa com o gatilho chamado Quando uma sessão de chat é iniciada.
Opcionalmente, zero ou mais ações podem ocorrer entre o gatilho e o agente.
O agente aceita instruções do sistema e solicitações ou entradas fornecidas por humanos por meio da interface de chat integrada, por exemplo, Qual é o clima em Seattle?
Com base em se você tem um fluxo de trabalho de agente de Consumo ou Standard, o agente usa um modelo do Azure OpenAI ou uma API LLM da fonte a seguir para interpretar e entender as instruções e a solicitação. O agente também usa o modelo para processar e analisar as entradas fornecidas.
Aplicativo lógico Origem do modelo Consumo Microsoft Foundry Standard - Recurso do Serviço OpenAI do Azure
- Conta de Gerenciamento de API do Azure com uma API LLM (versão prévia)Com base nas instruções do agente, o modelo ajuda a planejar quais ferramentas o agente invoca para as tarefas necessárias.
O agente retorna os resultados da ferramenta e responde por meio da interface de chat ao prompter humano.
A captura de tela a seguir mostra um exemplo básico de fluxo de trabalho do agente de conversação:
A captura de tela a seguir mostra a interface de chat integrada que você pode acessar na barra de ferramentas do designer ou no menu da barra lateral do fluxo de trabalho no portal do Azure:
Os fluxos de trabalho do agente de conversação também dão suporte a um cliente de chat externo que outras pessoas podem usar fora do portal do Azure. Para fornecer e proteger o acesso a esse cliente de chat externo, você precisa configurar a autenticação e a autorização de produção.
Explorar a estrutura de fluxo de trabalho do agente
Para criar um novo fluxo de trabalho do agente, crie um aplicativo lógico de consumo em Aplicativos Lógicos do Azure multilocatário ou um aplicativo lógico Standard nos Aplicativos Lógicos do Azure de locatário único e selecione um dos seguintes tipos de fluxo de trabalho:
- Agentes Autônomos
- Agentes de conversação
Esses tipos de fluxo de trabalho incluem todos os recursos em fluxos de trabalho com estado de Consumo ou Standard e foram projetados para funcionar especificamente com recursos de agente. Esses tipos de fluxo de trabalho incluem automaticamente um agente vazio.
Por exemplo, a captura de tela a seguir mostra um novo fluxo de trabalho do agente autônomo:
A captura de tela a seguir mostra um novo fluxo de trabalho do agente de conversação:
Nos aplicativos lógicos Padrão, se você tiver um fluxo de trabalho Stateful existente, a captura de tela a seguir mostrará como você pode adicionar uma ação do Agente para incluir recursos de agente autônomo e LLM:
Embora os fluxos de trabalho do agente de consumo sejam configurados automaticamente com um modelo a ser usado, os fluxos de trabalho do agente Standard exigem que você configure uma conexão com o modelo para o agente usar:
Observação
O painel de conexão mostra os diferentes requisitos de conexão, com base no tipo de fluxo de trabalho e na origem do modelo selecionado.
O agente requer que você forneça instruções que descrevam as funções que o agente pode executar, tarefas que o agente pode executar e outras informações prescritivas específicas que ajudam o agente a responder a prompts, responder perguntas e executar tarefas solicitadas, por exemplo:
Um agente vazio conectado a um modelo pode responder a prompts que usam apenas os recursos do modelo, para que um agente não precise incluir ferramentas. No entanto, para que o agente use ações disponíveis nos Aplicativos Lógicos do Azure, o agente precisa que você crie ferramentas. Você pode começar a criar uma ferramenta adicionando primeiro uma ação da galeria de conectores.
O diagrama a seguir mostra a galeria na qual você pode procurar e selecionar ações para criar ferramentas:
O diagrama a seguir mostra um agente meteorológico que pode obter a previsão do tempo e enviar essa previsão por email:
Mais cenários de exemplo
A seção a seguir descreve mais algumas maneiras pelas quais um agente pode concluir tarefas em um fluxo de trabalho:
Agente de empréstimo hipotecário
Imagine que seu banco usa um agente de empréstimo hipotecário que processa empréstimos de forma autônoma ou com intervenção humana quando necessário, executando as seguintes tarefas em um único loop orquestrado:
- Converse com os clientes para responder a perguntas.
- Examine os pedidos de empréstimo.
- Colete informações financeiras para avaliar a elegibilidade do empréstimo.
- Recuperar e analisar dados de risco.
- Solicite e ressuma as avaliações imobiliárias quando enviadas.
- Inclua revisores humanos para casos extremos.
- Aprovar ou recusar aplicativos.
- Comunique decisões a partes relevantes.
Agente de cumprimento de pedidos
Suponha que sua empresa use um agente de cumprimento de pedidos para executar as seguintes tarefas:
- Envolva-se com os clientes para responder a perguntas sobre produtos, com base no conhecimento corporativo.
- Crie ordens, mas passe-as para os humanos quando necessário.
- Forneça suporte 24/7 com escalonamento inteligente.
Você também pode ter um agente que orquestra o trabalho entre outros agentes. Por exemplo, você pode ter uma equipe de agentes, como um gravador, revisor e editor, que trabalham juntos para criar e distribuir relatórios de vendas.
Agente de ordem de serviço de instalações
Para dar suporte a uma equipe de instalações interna, um agente de ordem de trabalho executa as seguintes tarefas:
- Converse com os funcionários e forneça opções para solicitações de serviço.
- Abra ordens de trabalho com base nas escolhas dos funcionários.
- Envie ordens de trabalho para as equipes de serviço correspondentes.
- Atualize as ordens de trabalho com o progresso e o status dos trabalhos.
- Feche as ordens de trabalho quando os trabalhos forem concluídos.
- Notifique as partes apropriadas sobre os trabalhos concluídos.
Autenticação e autorização
Fluxos de trabalho nonagent geralmente interagem com um pequeno, conhecido e previsível conjunto de chamadores. No entanto, os fluxos de trabalho do agente de conversação se comunicam com uma gama mais ampla de chamadores, como pessoas, agentes, servidores MCP (Model Context Protocol), agentes de ferramentas e serviços externos. Esse alcance mais amplo aumenta as opções de integração, mas apresenta diferentes desafios de segurança porque os chamadores podem se originar de redes dinâmicas, desconhecidas ou não confiáveis. Quando os chamadores vêm de redes que você não controla ou quando as identidades são identidades externas ou não associadas, você deve autenticar e autorizar cada chamador para que você possa proteger os fluxos de trabalho do agente de conversa porque eles fornecem um cliente de chat externo para interagir com as pessoas.
Para atividades de não produção, o portal do Azure usa uma chave de desenvolvedor para autenticação e autorização. No entanto, quando os fluxos de trabalho do agente de conversação estiverem prontos para produção, configure a autenticação e a autorização de produção correspondentes para o tipo de aplicativo lógico.
Autenticação e autorização de chave do desenvolvedor
Somente para atividades de não produção, como design, desenvolvimento e validação rápida, o portal do Azure fornece, gerencia e usa uma chave de desenvolvedor para executar seu fluxo de trabalho em seu nome.
O que é uma chave de desenvolvedor?
Uma chave de desenvolvedor é um mecanismo de autenticação de conveniência usado apenas pelo portal do Azure para executar seu fluxo de trabalho durante os estágios de design, desenvolvimento e teste rápido no portal do Azure. Durante essas etapas, a chave de desenvolvedor permite ignorar a necessidade de configurar manualmente o Easy Auth ou copiar URLs de retorno de chamada de gatilho com assinaturas de acesso compartilhado (SAS). A chave está vinculada a um usuário e locatário específicos com base apenas em um token de portador do Azure Resource Manager, que é um token de acesso que autentica solicitações para a API REST do Azure Resource Manager.
O portal injeta automaticamente a chave do desenvolvedor quando você usa experiências de teste internas no designer de fluxo de trabalho, como executar um fluxo de trabalho, chamar o gatilho solicitação ou interagir com um fluxo de trabalho do agente de conversação na interface de chat interna. A chave está vinculada implicitamente a uma sessão de locatário e a um usuário do portal autenticado, por esse motivo, não é possível distribuir a chave externamente devido a essa vinculação, que se baseia apenas no token de portador ARM.
Limitações da chave de desenvolvedor
A lista a seguir descreve as limitações de uso e design da chave de desenvolvedor:
- A chave não é um substituto para Autenticação Fácil, identidade gerenciada, credenciais federadas ou URLs de retorno de chamada assinadas em cenários de produção.
- A chave não foi projetada para grandes populações de autores de chamada, ferramentas de agente ou clientes de automação não confiáveis.
- A chave não é um mecanismo de autorização por usuário devido à falta de escopos e funções granulares.
- A chave não é regida por políticas de Acesso Condicional na camada de execução da solicitação, somente na camada de entrada do portal.
- A chave não se destina ao uso programático ou de CI/CD.
Para obter uma comparação entre a chave do desenvolvedor e o Easy Auth, consulte Easy Auth versus developer key.
Casos de uso de chave de desenvolvedor
A tabela a seguir descreve cenários apropriados e inadequados para usar a chave do desenvolvedor:
| Cenários apropriados | Cenários inadequados |
|---|---|
| Teste rápido no designer antes de formalizar a autenticação. | Seu fluxo de trabalho precisa de automação determinística que use uma entidade de serviço e Easy Auth ou SAS assinado. |
| Verifique a estrutura do fluxo de trabalho, as associações ou o comportamento básico do gatilho e da ação. | - Seus chamadores do fluxo de trabalho incluem agentes externos, servidores MCP ou clientes de conversação. - Planejar publicar o ponto de extremidade do fluxo de trabalho fora do seu locatário. |
| Protótipos temporários em área restrita ou de pico que depois adotam o Easy Auth ou reforço de segurança de URL SAS. | Seu fluxo de trabalho requer identidades auditáveis por usuário, revogação de token, políticas de acesso condicional ou imposição de privilégios mínimos. |
Autenticação e autorização de produção
Quando os fluxos de trabalho do agente de conversação estiverem prontos para produção, as seções a seguir descrevem opções de não produção e produção para autenticar chamadores e autorizar seu acesso aos fluxos de trabalho do agente de conversação.
| Aplicativo lógico | Autenticação e autorização |
|---|---|
| Consumo | OAuth 2.0 com a Identidade Microsoft Entra |
| Standard | Easy Auth, também conhecida como Autenticação do Serviço de Aplicativo, em seu recurso de aplicativo Logic habilita um cliente de chat externo ao portal do Azure, que outras pessoas podem usar após você configurar o Easy Auth. Consulte Easy Auth para seu aplicativo Logic. |
Para obter mais informações sobre autenticação e autorização de produção, consulte a guia correspondente ao tipo de aplicativo lógico.
OAuth 2.0 com Microsoft Entra ID para seu aplicativo de automação lógica
Para workflows de agentes de conversação do Consumption em produção, proteja o acesso ao seu cliente de chat com OAuth 2.0 com Microsoft Entra ID ao configurar uma política de autorização de agente no recurso de aplicativo lógico. Consulte Migração para autenticação em ambiente de produção.
Faturamento
Consumo: a cobrança usa o modelo de pagamento conforme o uso. O preço do loop do agente é baseado no número de tokens que cada ação do agente usa e aparece como Unidades Empresariais na sua fatura. Para obter informações de preços específicas, consulte os preços dos Aplicativos Lógicos do Azure.
Padrão: embora os fluxos de trabalho do agente não incorram em encargos extras, o uso do modelo de IA incorre em encargos. Para obter mais informações, consulte a calculadora de preços do Azure.