Nota
O acesso a esta página requer autorização. Podes tentar iniciar sessão ou mudar de diretório.
O acesso a esta página requer autorização. Podes tentar mudar de diretório.
Aplica-se a: Azure Logic Apps (Consumo e Standard)
Importante
A capacidade de fluxos de trabalho do agente de consumo está em pré-visualização e está sujeita aos Termos Suplementares de Utilização para Pré-visualizações do Microsoft Azure.
O Azure Logic Apps suporta fluxos de trabalho que completam tarefas utilizando loops de agentes com grandes modelos de linguagem (LLMs). Um ciclo de agente utiliza um processo iterativo para resolver problemas complexos e de vários passos. Um LLM é um programa treinado que reconhece padrões e executa trabalhos sem interação humana, por exemplo:
- Analise, interprete e raciocine sobre informações como instruções, prompts, entradas e outros dados.
- Tomar decisões, com base nos resultados e dados disponíveis.
- Formule e retorne as respostas ao prompter, com base nas instruções dadas pelo agente.
Pode construir fluxos de trabalho que usem ciclos de agentes autónomos ou conversacionais. O ciclo de agentes usa linguagem natural para comunicar consigo e com o modelo conectado. O agente também usa saídas geradas por modelo para fazer trabalho com ou sem interação humana. O modelo ajuda o ciclo de agentes a fornecer as seguintes capacidades:
- Aceite informações sobre o papel do agente, como operar e como responder.
- Receba e responda a instruções e solicitações, ou sugestões.
- 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 1.400+ conectores disponíveis para construir ferramentas para um agent loop, fluxos de trabalho de agentes suportam uma vasta gama de cenários que beneficiam muito das capacidades do agent loop e do modelo. Com base no seu cenário, crie um fluxo de trabalho de agente autônomo sem interação humana ou um fluxo de trabalho de agente conversacional com interação humana para melhor atender às necessidades da sua solução.
Esta visão geral cobre as seguintes áreas:
- Fluxos de trabalho de agente versus não agente
- Conceitos-chave do ciclo do agente
- Fluxos de trabalho de agentes autônomos versus conversacionais
- Estrutura do agente
- Cenários de exemplo
- Autenticação e autorização
- Informação básica de faturação
Fluxos de trabalho de agente versus não agente
Fluxos de trabalho que utilizam ciclos de agentes podem evoluir para além dos limites impostos a fluxos de trabalho que não são agentes. Os fluxos de trabalho do agente podem se adaptar a ambientes onde eventos inesperados acontecem, escolher quais ferramentas usar com base em prompts, entradas e dados disponíveis, melhorar continuamente seu desempenho, lidar com dados não estruturados, oferecer suporte a cenários complexos e fornecer um nível mais alto de adaptabilidade e flexibilidade. Os fluxos de trabalho sem agente 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 de agente e fluxos de trabalho não agentes:
| Aspeto | Agente | Não agente |
|---|---|---|
| Lógica | Faça escolhas informadas sobre as tarefas a realizar, com base em inputs e outras informações disponíveis, e tome medidas. | Siga regras predefinidas e sequências fixas. |
| Gestão de tarefas | Tratar tarefas como entidades separadas | Não aplicável |
| Estrutura dos dados | Manipule e processe dados não estruturados. | Manipule e processe dados estruturados com padrões previsíveis. |
| Adaptabilidade | Detete e responda a condições e ambientes em mudança, tome decisões e adapte-se a novas entradas em tempo real. | Pode ter dificuldades com ambientes que sofrem alterações inesperadas ou dinâmicas. |
Conceitos-chave
A tabela a seguir fornece introduções básicas aos principais conceitos:
| Conceito | Descrição |
|---|---|
| Loop de agente | Uma ação pré-construída que usa um processo iterativo estruturado para resolver problemas complexos de várias etapas. O ciclo agente cumpre este objetivo seguindo iterativamente estes passos: 1. Pense: Colete, processe e analise informações e entradas disponíveis, como texto, imagens, áudio, dados de sensores, e assim por diante, de fontes de dados específicas. Aplique a razão, a lógica ou os modelos de aprendizagem para entender as solicitações, criar planos ou soluções e escolher a melhor ação para responder ou atender às solicitações com a ajuda de modelos generativos de IA. 2. Agir: Com base nas escolhas feitas e ferramentas disponíveis, completar tarefas no mundo digital ou real. 3. Aprenda (Opcional): Adapte seu próprio comportamento ao longo do tempo usando feedback ou outras informações. Um agente pode aceitar instruções, trabalhar com serviços, sistemas, aplicativos e dados invocando ferramentas que você cria com ações pré-criadas 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. Nota: Um fluxo de trabalho de agente pode incluir vários agentes em uma sequência. Não é possível adicionar diretamente um agente como uma ferramenta em outro agente. Para obter mais informações, consulte O que é um agente de IA? |
| Modelo de linguagem grande (LLM) | Um programa treinado para reconhecer padrões e executar trabalhos sem intervenção humana. Para obter mais informações, consulte 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 e-mails, trabalhar com fontes de dados, realizar 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 agente. Você cria parâmetros de agente para que o agente possa passar saídas exclusivas do modelo como entradas de parâmetro para uma ação em uma 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 aplicam-se apenas à ferramenta onde você os define. Essa restrição significa que você não pode compartilhar parâmetros do 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 recebe um valor somente se o agente invocar a ferramenta usando argumentos específicos. Esses argumentos tornam-se os parâmetros do agente para invocar a ferramenta. - Um agente pode invocar a mesma ferramenta várias vezes com diferentes valores de parâmetros do agente, 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 do agente para a ação 'Obter previsão'. |
| Contexto | Um agente mantém um histórico de log ao guardar um número máximo de tokens ou mensagens como contexto e, em seguida, passando esse contexto para o modelo para a próxima interação. Cada modelo tem limites de comprimento de contexto diferentes. |
Fluxos de trabalho de agentes autônomos versus conversacionais
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 workflow usam um ciclo de agentes e ferramentas para obter o tempo atual e enviar essa informação por email. Todos os agentes têm um painel de informações onde 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 básico de agente autônomo:
O fluxo de trabalho começa com qualquer gatilho suportado disponível.
Opcionalmente, zero ou mais ações poderão ocorrer entre o gatilho e o agente.
O agente aceita instruções do sistema e sugestões ou entradas de origem não humana, por exemplo, saídas do gatilho ou de uma ação precedente.
Dependendo de ter um fluxo de trabalho de agente de Consumo ou Padrão, o agente utiliza um modelo do Azure OpenAI ou uma API LLM proveniente da seguinte fonte para interpretar e compreender as instruções e o pedido. O agente também usa o modelo para processar e analisar os insumos fornecidos.
Aplicação de Lógica Origem do modelo Consumo Microsoft Foundry Standard - Azure OpenAI Service resource
- Azure AI Foundry project (preview)
- Conta Azure API Management com uma LLM API (pré-visualização)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 do fluxo de trabalho ou ao destinatário especificado.
A captura de tela a seguir mostra um exemplo básico de fluxo de trabalho de agente autônomo:
Fluxo de trabalho do agente de conversação
Os seguintes passos gerais descrevem o comportamento para um fluxo de trabalho básico de agente conversacional:
O fluxo de trabalho sempre começa com o gatilho chamado Quando uma sessão de chat é iniciada.
Opcionalmente, zero ou mais ações poderão ocorrer entre o gatilho e o agente.
O agente aceita instruções do sistema e prompts ou entradas fornecidas por humanos através da interface de chat integrada, por exemplo, Qual é o clima em Seattle?
Dependendo se tem um fluxo de trabalho de agente de Consumo ou Standard, o agente utiliza um modelo Azure OpenAI ou uma API LLM da seguinte fonte para interpretar e compreender as instruções e o pedido. O agente também usa o modelo para processar e analisar os insumos fornecidos.
Aplicação de Lógica Origem do modelo Consumo Microsoft Foundry Standard - Azure OpenAI Service resource
- Conta Azure API Management com uma API LLM (versão preliminar)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 através da interface de chat ao prompter humano.
A captura de tela a seguir mostra um exemplo básico de fluxo de trabalho do agente conversacional:
A captura de ecrã seguinte mostra a interface de chat integrada que pode aceder a partir da barra de ferramentas do designer ou do menu lateral de workflow no portal Azure:
Os fluxos de trabalho de agentes conversacionais também suportam um cliente de chat externo que outros podem usar fora do portal Azure. Para fornecer e garantir acesso seguro a este cliente de chat externo, é necessário configurar autenticação e autorização em Produção.
Explore a estrutura do fluxo de trabalho do agente
Para construir um novo fluxo de trabalho de agente, crie uma aplicação de lógica de consumo em aplicações Azure Logic multitenant ou uma aplicação lógica padrão em aplicações Azure Logic de inquilino único e selecione um dos seguintes tipos de fluxo de trabalho:
- Agentes Autónomos
- Agentes de conversação
Estes tipos de fluxos de trabalho incluem todas as capacidades dos fluxos de trabalho de Consumo ou de estado padrão e são concebidos para funcionar especificamente com capacidades de agentes. 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 de agente autônomo:
A captura de tela a seguir mostra um novo fluxo de trabalho do agente de conversação:
Nas aplicações de lógica padrão, se já tiver um fluxo de trabalho Stateful, a seguinte captura de ecrã mostra como pode adicionar uma ação de Agente para incluir capacidades de agentes autónomos e de LLM.
Enquanto os fluxos de trabalho de agentes de consumo são automaticamente configurados com um modelo a utilizar, os fluxos de trabalho de agentes padrão exigem que estabeleça uma ligação ao modelo para o agente utilizar:
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 exige que forneça instruções que descrevam os papéis que pode desempenhar, tarefas que pode desempenhar e outras informações prescritivas específicas que o ajudem a responder a prompts, responder a 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, portanto, um agente não precisa 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 onde você pode navegar 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 e-mail:
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 crédito hipotecário
Imagine que o seu banco utiliza um agente de crédito hipotecário que processa empréstimos de forma autónoma ou com intervenção humana, quando necessário, executando as seguintes tarefas num único ciclo orquestrado:
- Converse com os clientes para responder a perguntas.
- Analise os pedidos de empréstimo.
- Coletar informações financeiras para avaliar a elegibilidade do empréstimo.
- Recupere e analise dados de risco.
- Solicite e resuma as avaliações imobiliárias quando enviadas.
- Inclua revisores humanos para casos extremos.
- Aprovar ou recusar candidaturas.
- Comunicar as decisões às partes relevantes.
Agente de atendimento de pedidos
Suponha que sua empresa use um agente de atendimento de pedidos para executar as seguintes tarefas:
- Interaja com os clientes para responder a perguntas sobre produtos, com base no conhecimento da empresa.
- Crie ordens, mas transmita-as aos seres humanos quando necessário.
- Forneça suporte 24 horas por dia, 7 dias por semana 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 escritor, revisor e editor, que trabalham juntos para criar e distribuir relatórios de vendas.
Agente de pedido de serviços de instalações
Para dar suporte a uma equipe interna de instalações, um agente de ordem de serviço executa as seguintes tarefas:
- Converse com os funcionários e forneça opções para solicitações de serviço.
- Ordens de serviço abertas com base nas seleções de funcionários.
- Envie ordens de serviço para as equipes de serviço correspondentes.
- Atualize as ordens de serviço com o progresso e o status dos trabalhos.
- Feche ordens de serviço quando os trabalhos forem concluídos.
- Notifique as partes apropriadas sobre trabalhos concluídos.
Autenticação e autorização
Os fluxos de trabalho que não são agentes geralmente interagem com um conjunto pequeno, conhecido e previsível de chamadores. No entanto, os fluxos de trabalho de agentes conversacionais comunicam com uma gama mais ampla de chamadores, como pessoas, agentes, servidores do Model Context Protocol (MCP), intermediários de ferramentas e serviços externos. Esse alcance mais amplo aumenta as opções de integração, mas introduz diferentes desafios de segurança, pois os chamadores podem ter origem em redes dinâmicas, desconhecidas ou não confiáveis. Quando os chamadores vêm de redes que não controla, ou quando as identidades são externas ou ilimitadas, tem de autenticar e autorizar cada chamador para proteger os fluxos de trabalho dos agentes conversacionais, pois fornecem um cliente de chat externo para interagir com as pessoas.
Para atividades que não sejam de produção, o portal do Azure usa uma chave de desenvolvedor para autenticação e autorização. No entanto, quando os fluxos de trabalho dos seus agentes conversacionais estiverem prontos para produção, configure a autenticação e autorização de produção correspondentes para o tipo de aplicação lógica.
Autenticação e autorização de chave de desenvolvedor
Somente para atividades que não sejam de 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 esses estágios, a chave do 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 é 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 de solicitação ou interagir com um fluxo de trabalho de agente de conversação na interface de chat interna. A chave está implicitamente vinculada a uma sessão de locatário e a um usuário do portal conectado, portanto, você não pode distribuir a chave externamente devido a essa ligação, que é baseada apenas no token de portador ARM.
Limitações da chave do desenvolvedor
A lista a seguir descreve as limitações de uso e design da chave do desenvolvedor:
- A chave não substitui Easy Auth, identidade gerenciada, credenciais federadas ou URLs de retorno de chamada assinadas em cenários de produção.
- A chave não foi projetada para populações de chamadores grandes ou não confiáveis, ferramentas de agente ou clientes de automação.
- 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 de solicitação, apenas na camada de entrada do portal.
- A chave não se destina ao uso programático ou de CI/CD.
Para obter uma comparação entre chave de desenvolvedor e Easy Auth, consulte Easy Auth versus chave de desenvolvedor.
Casos de uso da chave do 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. | O seu fluxo de trabalho precisa de automação determinística que utilize um principal de serviço e Easy Auth ou SAS assinado. |
| Verifique a estrutura do fluxo de trabalho, as associações ou o comportamento básico de acionamento e ação. | - Os chamadores do seu fluxo de trabalho incluem agentes externos, servidores MCP ou clientes de conversação. - Você planeja publicar o endpoint de workflow fora do seu tenant. |
| Protótipos temporários de sandbox ou spike que mais tarde adotam proteção de URL Easy Auth ou 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 da produção
Quando os seus fluxos de trabalho de agentes conversacionais estiverem prontos para produção, as secções seguintes descrevem opções de não-produção e produção para autenticar os chamadores e autorizar o seu acesso aos fluxos de trabalho dos agentes.
| Aplicação de Lógica | Autenticação e autorização |
|---|---|
| Consumo | OAuth 2.0 com Microsoft Entra ID |
| Standard | A Autenticação Fácil, também conhecida como Autenticação por Serviços de Aplicação, no recurso da tua app Logic ativa um cliente de chat externo fora do portal Azure que outros podem usar depois de configurares a Autenticação Fácil. Vê Easy Auth para a tua aplicação de lógica. |
Para mais informações sobre autenticação e autorização em produção, consulte o separador para o tipo de aplicação lógica.
OAuth 2.0 com Microsoft Entra ID para a tua aplicação lógica
Para fluxos de trabalho de agentes conversacionais de consumo em produção, proteja o acesso ao seu cliente de chat com OAuth 2.0 com Microsoft Entra ID , configurando uma política de autorização de agente no recurso da sua aplicação lógica. Veja Migração para autenticação de produção.
Faturação
Consumo: A faturação utiliza o modelo pay-as-you-go. A precificação em loop de agente baseia-se no número de tokens que cada ação do agente utiliza e aparece como Unidades Empresariais na sua fatura. Para informações específicas sobre preços, consulte preços do Azure Logic Apps.
Padrão: Embora os fluxos de trabalho dos agentes não acarretem custos adicionais, a utilização de modelos de IA implica encargos. Para obter mais informações, consulte a Calculadora de preços do Azure.