Jak navrhovat AI agenty v Copilot Studio, aby zvládli rostoucí nároky

Více schopností automaticky neznamená vyšší inteligenci

Redakční poznámka zdrojového článku: GitHub Copilot harness se nyní jmenuje Microsoft Copilot harness. Podrobnosti o přejmenování.

Každý, kdo vytváří agenty, se do této situace dříve či později dostane. Agent funguje, a tak mu přidáte další nástroj. Potom další znalostní zdroj. Následují pokyny pro výjimku, která se objevila minulý týden, nebo zcela nový scénář, který má agent zvládnout. Každé rozšíření je samo o sobě užitečné a agent toho nyní umí více.

Jenže „umí toho více“ a „spolehlivě dělá správnou věc“ jsou dvě různé vlastnosti. S rozšiřováním působnosti agenta musí model rozlišovat mezi více možnostmi, zpracovávat více kontextu a zvládat více možných postupů. Neznamená to, že rozsáhlí agenti jsou špatně. Znamená to, že s rostoucími schopnostmi stále více záleží na správném návrhu.

Klíčem ke škálování agenta není přidávat mu další možnosti. Je třeba cíleně rozhodovat o tom, co vidí, o čem rozhoduje a co deleguje.

Co se mění, když agent roste

Úskalí škálování agentů

Představte si agenta pro zavádění nových dodavatelů. První verze shromáždí údaje o dodavateli, zkontroluje úplnost požadavku a spustí schvalování. Postupně tvůrci přidávají nástroje pro záznamy v ERP, ověřování daňových údajů, kontrolu sankčních seznamů, ověření bankovních údajů, ukládání smluv, servisní požadavky, e-mail a reporting. Přibývají také znalosti regionálních pravidel a pokyny pro výjimky.

Nakonec může požadavek typu „Zaveďte našeho nejnovějšího dodavatele“ postavit agenta před několik nástrojů pro vyhledávání dodavatelů, více způsobů vytvoření či aktualizace záznamu a překrývající se zdroje pravidel. Agent stále disponuje všemi potřebnými schopnostmi, ale zvolit správný postup je obtížnější.

Problémy se škálováním agentů se obvykle projevují ve čtyřech oblastech:

• Výběr: Podobné názvy a popisy nástrojů ztěžují rozpoznání správné akce.
• Kontext: Definice nástrojů, pokyny, znalosti, historie konverzace a výstupy nástrojů soupeří o prostor v omezeném kontextovém okně.
• Vykonávání úloh: Více možných postupů znamená více příležitostí ke zbytečným voláním, opakovaným pokusům a nekonzistentním výsledkům.
• Provoz: Rozsáhlejší sadu schopností je obtížnější vyhodnocovat, zabezpečovat, spravovat a udržovat.

Nedávný příspěvek Microsoft Research se zabývá jednou částí tohoto problému: nástroje, které samostatně fungují dobře, mohou zhoršit úspěšnost celého procesu, pokud si konkurují v rozsáhlé nebo překrývající se sadě. Problémem často není jeden špatný nástroj, ale nejednoznačnost mezi několika rozumnými možnostmi.

Obrázek 1: Jak agent pro zavádění dodavatelů roste, překrývající se nástroje, pokyny a znalosti soupeří o pozornost ještě před zahájením úlohy.

Více kontextu má svou cenu

Rozšiřující se sada nástrojů má také přímý dopad na náklady. Nástroj spotřebovává tokeny, i když jej agent nikdy nezavolá, protože jeho název, popis a schéma parametrů jsou součástí kontextu předávaného modelu. Při zavolání se navíc jeho výstup stává součástí průběžného kontextu agenta. Více kontextu může znamenat vyšší útratu i méně spolehlivý výběr.

Cílem není menší agent. Cílem je systém, ve kterém má každé rozhodnutí k dispozici pouze potřebný kontext, pravomoci a schopnosti. Úspěch se měří přínosem pro podnikání, spolehlivostí, náklady a mírou kontroly.

Co za Vás zvládne Microsoft Copilot harness

Dobrá architektura agentů neznamená, že musíte všechny problémy se škálováním řešit sami. Microsoft Copilot harness, dříve GitHub Copilot harness, v Copilot Studio je navržen tak, aby část složitosti spojené s růstem agenta zvládal za Vás.

Vylepšení modelů bez nutnosti přepracovat agenta

Nové modely jsou prostřednictvím Microsoft Copilot harness zpřístupňovány průběžně s jejich vydáváním. Jakmile se objeví pokročilejší špičkové modely, týmy je mohou vyhodnotit pro své scénáře a využít jejich vylepšení, aniž by musely přepracovat celkovou architekturu řešení.

Volba modelu může být také důležitým faktorem při optimalizaci nákladů agenta. Pomáhá tvůrcům vyvážit počet spotřebovaných tokenů a schopnosti potřebné k dosažení cíle.

Zvládání složitosti pomocí tool search

Microsoft Copilot harness obsahuje schopnosti běhového prostředí určené pro vícekrokové úlohy náročné na uvažování. Jedním příkladem je tool search. Když je dostupná sada nástrojů rozsáhlá, může tool search ponechat definice externích nástrojů stranou a podle potřeby načítat jen relevantní definice. Model tak nemusí mít v kontextu úplná schémata všech nástrojů.

U požadavku na zavedení dodavatele lze tímto způsobem zúžit rozsáhlý katalog na nástroje pro vyhledání dodavatele, ověření jeho údajů a zahájení procesu zavedení. Model pracuje s menší sadou vhodnějších možností, zatímco definice nesouvisejících nástrojů zůstávají mimo jeho aktuální kontext.

Microsoft Copilot harness také dokáže plánovat postup napříč nástroji, dovednostmi, pracovními postupy, servery MCP, soubory a připojenými agenty a průběžně jej upravovat. Díky tomu jsou rozsáhlé automatizace náročné na uvažování praktičtější. Schopnosti běhového prostředí však řeší jen část problémů se škálováním. Stále záleží na tom, jak rozdělíte odpovědnosti mezi nástroje, pracovní postupy, dovednosti a připojené agenty.

Jak navrhovat agenty v Copilot Studio pro rostoucí nároky

Škálovatelný návrh začíná rozhodnutím, která část systému má za co odpovídat. Například:

• Nástroj použijte pro jasně vymezenou akci nebo vyhledání údajů s jednoznačným vstupem a výstupem.
• Pracovní postup použijte tam, kde se má sekvence kroků, schvalování nebo obchodní pravidlo vykonávat konzistentně.
• Dovednost (skill) použijte pro specializované pokyny potřebné pouze u konkrétní úlohy.
• Připojeného agenta použijte tam, kde má určitá oblast vlastní kontext, odpovědný tým nebo požadavky.
• Hlavního agenta využijte ke koordinaci celkového výsledku, shromažďování informací, rozhodování a řešení výjimek.

Tyto stavební prvky nejsou zaměnitelné. Každý přináší jiné kompromisy v oblasti kontextu, flexibility, latence, nákladů, zabezpečení a údržby. Cílem je použít co nejjednodušší komponentu, která každé odpovědnosti přiřadí jasného vlastníka.

1. Jednotlivé možnosti jasně odlište

Začněte možnostmi, které už agent má k dispozici. Nástrojům, znalostním zdrojům a připojeným agentům dejte konkrétní názvy a popisy, které vysvětlují nejen jejich funkci, ale také to, kdy se mají použít. Duplicitní schopnosti slučte nebo odstraňte. Vyhněte se několika univerzálním nástrojům, které zdánlivě všechny slouží stejnému záměru.

V příkladu s dodavateli je snazší správně vybrat nástroj „Vyhledávání dodavatelů v ERP podle právního názvu nebo daňového identifikačního čísla“ než obecně pojmenovaný nástroj „Hledání“. Pokud dva nástroje prohledávají stejné záznamy dodavatelů, nabídněte jednu jednoznačnou cestu místo toho, aby model vybíral mezi různými implementacemi.

Samotná funkce tool search při hledání relevantních nástrojů využívá názvy, popisy a metadata parametrů. Kvalitní metadata tedy zlepšují jak nalezení nástroje, tak jeho konečný výběr.

2. Specializované pokyny načítejte jen tehdy, když jsou potřeba

Některé pokyny jsou relevantní pouze při konkrétní úloze. Pokud všechny ponecháte v hlavních instrukcích agenta, zabírají kontext při každé výměně zpráv, i když se na aktuální situaci nevztahují. Dovednosti (skills) umožňují tvůrcům oddělit specializované pokyny do samostatných celků, které agent načte, až je úloha vyžaduje.

Například regionální pokyny pro hloubkové prověření dodavatele lze zabalit do dovednosti a načítat je pouze pro dodavatele z daného regionu. Nemusí tak zůstávat v hlavních instrukcích při každém požadavku týkajícím se dodavatelů. Princip je stejný jako u tool search: relevantní kontext mějte po ruce a nesouvisející kontext ponechte mimo aktuální rozhodování.

3. Rozdělujte podle skutečných hranic odpovědností

Pokud jeden agent zahrnuje několik odlišných oblastí, zvažte jejich oddělení. Agenta ale nerozdělujte jen proto, že se rozrostl. Rozdělení má smysl tam, kde existuje skutečná hranice v kontextu, odpovědnosti, zabezpečení nebo požadavcích.

V Microsoft Copilot harness umožňují připojení agenti hlavnímu agentovi delegovat vymezenou úlohu na jiného agenta v Copilot Studio. Ten má vlastní pokyny, znalosti, nástroje a kontext orchestrace.

Agent pro zavádění dodavatelů může zůstat hlavním kontaktním místem a přitom delegovat:

• Posouzení souladu s předpisy na specializovaného agenta, za kterého odpovídá tým řízení rizik.
• Vytvoření záznamu dodavatele na agenta pro finanční operace s přístupem do ERP.
• Přípravu smlouvy na agenta pro právní agendu s vlastními šablonami a pravidly.

Hlavní agent pak vybírá mezi několika jasně popsanými podnikovými činnostmi namísto desítek dílčích nástrojů. Každého specializovaného agenta lze samostatně vyhodnocovat, zabezpečovat, nasazovat a vylepšovat.

Copilot Studio podporuje také otevřené architektury agentů. V závislosti na běhovém prostředí a scénáři mohou řešení propojovat agenty z Copilot Studio nebo připojovat podporované externí agenty prostřednictvím protokolu Agent2Agent. V příkladu s dodavateli by tak specializovaný agent pro hloubkové prověřování, provozovaný mimo Copilot Studio, mohl převzít stejnou jasně vymezenou odpovědnost. Nebylo by nutné jej znovu vytvářet jako sadu nástrojů.

4. Pevné sekvence svěřte pracovním postupům

Agenta použijte tam, kde další krok vyžaduje úsudek. Pracovní postup použijte tam, kde musí pořadí kroků, schvalování nebo kontrolní mechanismus zůstat konzistentní. Zachováte tak přizpůsobivost, aniž by každá část procesu závisela na pravděpodobnostním rozhodování modelu.

Zavedení dodavatele může například vždy vyžadovat stejnou základní sekvenci: ověřit povinná pole, zkontrolovat, zda dodavatel již existuje, provést povinné kontroly souladu s předpisy, vytvořit záznam a předat jej ke schválení. Za tuto sekvenci může odpovídat pracovní postup. Agent nadále rozhoduje, kdy jej spustit, shromažďuje chybějící informace a řeší výjimky.

Tím se snižuje počet dílčích rozhodnutí, která musí model učinit. Tvůrci zároveň získají jedno místo, kde mohou vynucovat schvalování, pravidla opakovaných pokusů a auditní požadavky.

Agent pro zavádění dodavatelů po úpravě návrhu

Původní agent z příkladu měl jednu dlouhou sadu instrukcí, několik znalostních zdrojů a desítky nástrojů. Upravený systém tohoto agenta neodstraňuje. Dává mu jasnější úkol: koordinovat celkový výsledek, zatímco jiné komponenty přebírají specializovanější odpovědnosti. Výsledný systém funguje takto:

1. Hlavní agent pro zavádění dodavatelů porozumí požadavku, shromáždí potřebné údaje, podle potřeby deleguje, vyřeší výjimky a odpoví.
2. Tool search omezí externí nástroje načítané pro aktuální požadavek.
3. Jednoznačná metadata odliší vyhledávání dodavatelů, kontroly souladu s předpisy, finanční operace a smluvní agendu.
4. Pracovní postup odpovídá za pevnou sekvenci zavedení dodavatele a schvalování.
5. Dovednosti poskytují regionální pokyny pouze tehdy, když je vyžaduje umístění dodavatele.
6. Připojení agenti přebírají odpovědnost za oblast souladu s předpisy, ERP a právní agendu tam, kde tyto hranice odůvodňují použití samostatných agentů.

Obrázek 2: Stejné schopnosti v systému složeném z více komponent. Koordinující agent si ponechává rozhodování, Microsoft Copilot harness vyhledává relevantní nástroje, pracovní postupy zajišťují pevné sekvence a specializovaní agenti odpovídají za vymezené oblasti.

Výsledkem jsou stejné celkové schopnosti, ale v systému s jasnějšími odpovědnostmi, ve kterém jednotlivá rozhodnutí vyžadují zvažování menšího množství informací a možností.

Vyhodnocujte podle výsledku

Každý z uvedených přístupů má své limity. Silnější model nenahradí nejasné instrukce ani nevyřeší překrývající se nástroje. Tool search omezuje to, co model vidí, ale nevytvoří hranice, které v návrhu chybí. Pracovní postupy a dovednosti snižují rozsah toho, co musí hlavní agent zvažovat, zároveň však přidávají komponenty vyžadující údržbu. Připojení agenti mohou zajistit jasnější odpovědnosti a bezpečnostní hranice, ale každé předání úlohy zvyšuje spotřebu tokenů, přidává další možné místo selhání a rozšiřuje nároky na správu.

Návrh agentů schopných škálování proto vyžaduje společně řešit všechny čtyři oblasti: usnadnit výběr pomocí odlišitelných možností a jasných hranic, řídit kontext pomocí tool search a dovedností, zvýšit předvídatelnost vykonávání úloh prostřednictvím pracovních postupů a promyšleného delegování a posílit provoz díky komponentám, které lze nezávisle vyhodnocovat, zabezpečovat, spravovat a vylepšovat.

Škálování agentů není soutěž v počtu nástrojů.

Modely, požadavky i dostupné nástroje se budou nadále měnit. Tyto principy Vám ale dávají dlouhodobě použitelný základ pro rozvoj agenta, aniž by přidané schopnosti vedly k většímu zmatku. Cílem není největší agent, ale systém složený z dobře vymezených komponent, který spolehlivě odvádí správnou práci, za odpovídající náklady a s jasnými odpovědnostmi.