Microsoft Copilot Studio - 尝试一下Agent

1.简单介绍

Microsoft Copilot Studio以前的名字是Power Virtual Agent(简称PVA)。Power Virutal Agent是2019年出现的,是低代码平台Power Platform的一部分。当时Generative AI还没有出现,但是基于已有的Conversation AI技术,即Microsoft Luis(Phrase, Entity, Intent)和之前已经有的Bot Framework技术,Power Virtual Agent也可以对用户输入的Natural Language进行意图识别,从而匹配到Power Virutal Agent topic进行对应流程的执行的。

随着LLM的出现,微软推出了Copilot(之前是有97个不同的Copilot,现在数量可能更多了。其中Microsoft 365 Copilot在2023年11月1号general available)。同时Power Virtaul Agent名字在2023年也改名为Copilot Studio。Copilot Stuido结合了大语言模型和用户的数据,变成了一个更加强大的端对端的对话式AI产品。可以对Microsoft Copilot进行拓展,也可以构建自己的Copilot。同时Copilot Studio界面随着Copilot的出现,变化很大。

2024年开始,Agent越来越流行(微软也推出了Autogen开源框架), Copilot Studio的界面随着Agent有了新的变化。都变成了以Agent为中心,如下图。

Agent和Copilot的关系,如下图

Copilot为Agents提供了用户的上下文,Agent通过提供skills和Knowledge base强大了Copilot。

这边尝试一下在当前的Copilot Studio(2025-01-11)创建Agent

2.Action的变化

在2024年的Build大会时候,老师们当时说还有一个REST API类型的action,后续也general available了,

下面是最新的Copilot Stuido中action的类型(2025年6月3号),发现又有了些变化,

note, 2025年Build大会中, Copilot Stuido是一个很重要的主题,当前微软已经将Multi-agent orchestration和MCP等先进的技术引入到了agent的制作中,

这边将尝试在Copilot Stuido中创建一个agent,

3. Agent制作

3.1 创建Agent

  1. 点击New agent
  1. 点击Skip to configure按钮
  1. 设定Name, Description和Instructions,尽量描述清楚些,便于LLM的使用。
  1. 点击右上角的Create按钮创建Agent

  2. 在Agent的界面中,点击Knowledge tab

  1. 点击 Add knowledge 按钮

7)上传准备好的Semantic Kernel参考文档

8)等待文档的Status变成ready状态

  1. 点击右上角的Test按钮,这时就可以咨询有关Semantic Kernel的问题了,如下图
  1. 点击Publish按钮
  1. 点击Channels tab,然后选择Microsoft Teams
  1. 点击 Open agent
  1. 最后会打开Microsoft Teams,在如下界面中,点击Add按钮

14)尝试提问一个有关Semantic Kernel的问题,发现可以正常回答并且response参考的文章信息也会列出来的。

3.2 Generative Answers

1)设定 Allow the AI to sue its own general knowledge 的 switch是 Enabled

2)点击Add Knowledge 按钮

  1. 点击 Public websites
  1. 输入Public website link,然后点击Add

这边尝试的是Copilot Studio的官方参考链接

https://learn.microsoft.com/en-us/microsoft-copilot-studio/

  1. 在 Add public websites窗口中,点击Add按钮

6)由于存在Conversation boosting topic,因此会使用AI来生成答复,总结内容。

  1. 再次点击Publish按钮进行内容的发布
  1. 然后在Chanels tab中,点击Microsoft Teams
  1. 现在这个agent既可以回答semantic kernel相关的知识问题,又可以回答和Copilot Studio有关的问题了。

3.总结

本文简单记录了一下在Copilot Studio中创建一个agent的过程, 通过添加本地文档和public websites使agent可以回答某个特定方向的知识问题。当前No Code的agent可以通过Agent Builder进行制作,而Low Code和Pro Code的agent可以通过Copilot Stuido来创建。后续随着MCP和Multi agent技术的引入,感觉Copilot Stuido的功能可能会越来越强大。

如果本文哪里有错误,麻烦告之,谢谢谢谢!

相关推荐
少林码僧13 小时前
2.29 XGBoost、LightGBM、CatBoost对比:三大梯度提升框架选型指南
人工智能·机器学习·ai·数据挖掘·数据分析·回归
xiucai_cs14 小时前
本地搭建 AI 翻译服务:LM Studio + STranslate/Bob
ai·机器翻译
Golang编程笔记14 小时前
电商数据分析的未来发展路径
ai·数据挖掘·数据分析
图生生14 小时前
基于AI的商品场景图批量生成方案,助力电商大促效率翻倍
人工智能·ai
寻星探路17 小时前
【Python 全栈测开之路】Python 基础语法精讲(一):常量、变量与运算符
java·开发语言·c++·python·http·ai·c#
龙山云仓19 小时前
No:119:莎士比亚&AI:智能的语言创造、心理戏剧与人性图谱
人工智能·microsoft
阿格在努力20 小时前
如何在modelscope平台只下载模型的某个文件夹版本
ai
仙魁XAN20 小时前
如何用豆包、即梦 AI ,快速实现“AI森林治愈系风格视频”的效果
人工智能·ai·视频生成·豆包·即梦·森林治愈系
潘达斯奈基~21 小时前
Claude Code1:Obsidian-skills
ai
zhaoyang1021 小时前
Dify开源LLM应用开发平台研究分享
ai·开源·dify