Azure AI
把流程交給 Agent 之前:用 Copilot Studio 打造業務代理人
把流程交給 Agent 之前:用 Copilot Studio 打造業務代理人
「哪些工作可以交給 AI 代理人」這個問題,很多團隊是從工具開始想的,結果做出一堆沒人用的東西。比較有效的順序,是先看清楚一個代理人到底由什麼組成。
這篇用 Copilot Studio 當例子走一次,並標出 2026 年 8 月的官方現況。它的位置是低程式碼,貼著 Microsoft 365 生態,跟給專業開發者的 Microsoft Foundry 分工不同。
你將學到什麼
代理人的五塊
指示、知識來源、工具、發布通道、身分,缺一塊上線後就會出事。
先選引擎
推理密集的多步驟工作與規則式的結構化對話,走的是不同引擎。
後端怎麼接
連接器、代理人流程、REST API 與 MCP 伺服器,各有適合的場合。
哪些流程適合
有明確完成定義、資料查得到、做錯可回復的流程才適合先交出去。
把流程交給代理人,跟把工作交給新同事很像:你要講清楚他是誰、能查什麼、能動什麼,以及遇到不確定時要找誰。
這四件事在 Copilot Studio 裡都有對應的設定位置。先把對應關係認出來,工具怎麼點反而是最容易的部分。
它現在做得出三種東西
官方把 Copilot Studio 定位成建置與管理代理人與工作流程的低程式碼工作室。裡面的建構區塊有三種,可以單獨用,也可以互相呼叫。
- 代理人:處理對話與完成任務,依你給的指示、連上的知識來源與工具,推理出下一步該做什麼。
- 工作流程:用拖放設計器建的自動化,每一步都可以推理與行動,內建測試與人在迴路的控制。
- 代理人流程:既有的流程格式,編寫體驗接近 Power Automate,可以獨立執行,也可以掛在代理人身上當工具用。
這三者會互相呼叫,所以不必一開始就選死。比較常見的起手式,是先做一個代理人,再把它需要的動作包成流程掛上去。
第一個真正的決定是選引擎
2026 年的 Copilot Studio 引入了引擎的概念。官方明說你選的引擎會影響它怎麼推理、能承擔多複雜的任務、內建什麼能力,以及怎麼計費。
| 引擎 | 擅長 | 什麼時候選它 |
|---|---|---|
| GitHub Copilot 引擎 | 推理密集、多步驟的工作與複雜業務流程 | 路徑無法事先窮舉,需要它自己拆解步驟 |
| 標準引擎 | 規則式代理人與結構化、可重複的對話 | 流程明確、要高度可預測,或需要用主題精細控制 |
| Copilot 聊天引擎 | 把組織知識接進 Microsoft 365 Copilot Chat | 只是要讓員工在既有介面拿到有依據的答案 |
這一格選錯的成本不小,因為後面的能力與計費都跟著走。先問一句:這個流程的步驟能不能事先畫成流程圖?能,就別急著上推理引擎。
串接後端:工具有哪幾種接法
官方把工具定義成讓代理人與外部系統互動的建構區塊。可以接的東西比多數人想的多。
- 連接器:預建連接器涵蓋大量常見服務,自訂連接器則用來接自家的 API。
- 代理人流程:把一連串動作包成一個工具,回傳結果給代理人。
- 提示:單輪的模型呼叫,可以引用你提供的知識。
- REST API:直接定義端點與方法,適合沒有現成連接器的內部系統。
- MCP 伺服器:以標準協定接上一組工具與資源,維護成本比逐支包裝低。
- 電腦使用:讓代理人操作有圖形介面的系統,適合沒有任何 API 可用的老系統。
生成式協調靠工具的名稱與描述來決定何時使用它。描述寫成「查詢資料」這種含糊句子,代理人就會亂選;寫成「依訂單編號查詢出貨狀態與預計到達日,僅限已成立的訂單」,它才判斷得準。這件事沒有捷徑,而且它是後期大部分怪異行為的來源。
另外記得設定「執行前先問使用者」這個選項。會改動資料或對外送出東西的工具,讓它先問一句,成本很低,省下的麻煩很大。
什麼流程適合交出去
這是營運端最該花時間的一題,而它跟技術幾乎無關。我的判準是三個問句。
- 完成的定義清楚嗎?說得出「什麼情況算做完」,代理人才知道要停在哪裡。
- 需要的資料查得到嗎?資料散在沒有 API 的地方、或根本沒數位化,先解這個再談自動化。
- 做錯了能回復嗎?能回復的先交出去,不能回復的一律加人工確認。
| 適合先交出去 | 先別交出去 |
|---|---|
| 查詢類:訂單狀態、庫存、內部規章、請假餘額 | 有法律或財務後果且不可回復的動作 |
| 整理類:把散在多處的資訊彙整成一份摘要 | 判斷標準本來就模糊、連人都要開會決定的事 |
| 觸發類:建立工單、發通知、排會議 | 需要引用外部規範但你沒有可信來源的問題 |
一個實務建議:第一個上線的代理人選查詢類。它出錯的代價最小,而且最快能累積出「使用者到底會怎麼問」的真實語料。
身分與治理,別留到最後
代理人會替人做事,所以它需要一個能被稽核的身分。這件事在 2026 年已經有正式機制。
依官方文件,Copilot Studio 會自動為新代理人建立 Microsoft Entra Agent ID,把代理人納入與使用者、工作負載相同的治理模型。
- 條件式存取原則可以套用在代理人身上,跟套用在使用者身上一樣。
- 集中稽核記錄與生命週期管理,讓「這個代理人是誰建的、還在不在用」查得到。
- 發布時,代理人設定的每個連接器,其 API 權限會掛到這個身分上,管理員因此看得到它能呼叫哪些連接器。
較早建立的代理人可能仍使用舊的應用程式註冊身分,官方說明對於這類代理人並沒有原地轉換的路徑,需要以啟用代理人身分整合的方式重建,再把舊的下線。組織裡代理人數量還少的時候處理,成本比之後低很多。相關的遷移工具仍在陸續推出,實際狀態以官方公告為準。
上線前我會做的四件事
- 用低權限帳號實際問一次,確認它拿不到不該拿的資料。
- 建一組評估用的問題集,包含刁鑽問法與明知它答不出來的題目,看它會不會硬掰。
- 檢查每個會改動資料的工具,有沒有設「執行前先問使用者」。
- 把分析與代理人清單打開,確定上線後看得到誰在用、用得怎麼樣。
最後一句給營運主管:代理人不會因為做得好就自己被用起來。真正決定成敗的,是它有沒有出現在同事本來就會打開的那個視窗裡。
延伸學習
HE301|Harness Engineering Architecture(12 小時)
兩天十二小時的架構課,處理的是「第一百次仍然成功」。從能力設計出發,逐層拆解知識、脈絡、記憶、規則、工具、工作流、評估與多代理八種架構,每一種都給治理方式與真實案例。12 章 114 課圖文講義、52 張對照表,附兩天的學員講義與投影片 PDF。課程於 2026 年 8 月 30 日實體開課,完整錄影將於課後上傳。
NT$ 12,999
HE201|Harness Engineering System Design(6 小時)
六小時的實作課:從 Blueprint 走到可以跑的規格,再用 No-code、n8n 低程式碼與程式碼三條路各做一次同一個 harness,最後處理可靠度——重試、錯誤處理、人工覆核。7 章 54 課,含常見坑與排錯、Capstone 實作,附學員講義 PDF。
NT$ 5,999

