Интеграция Microsoft Copilot Studio и Foundry: создание интеллектуальных агентов
- Sarov+
- Mar 24
- 3 min read
Microsoft предлагает два инструмента для работы с AI-агентами: Copilot Studio как no-code платформу и Foundry для разработчиков с глубокой кастомизацией. В этой статье разберём, как они работают вместе, создавая модульную архитектуру агентов для решения сложных задач.
А узнать больше можно в нашем видео:
Что такое Microsoft Foundry
Microsoft Foundry — профессиональный инструмент для создания AI-агентов, ориентированный на разработчиков. В отличие от Copilot Studio, Foundry даёт возможность глубокого погружения в код и работы с широким спектром языковых моделей.
Ключевые преимущества
Большой выбор моделей. Model Catalog содержит обширный каталог моделей — от бюджетной GPT-4o mini до продвинутых решений. Каждая модель имеет характеристики скорости, специализации и производительности.
Модульность. Foundry позволяет создавать специализированных агентов для узких задач: анализа данных, генерации контента, эмоционального анализа, контроля качества.
Детальная аналитика. Встроенные инструменты мониторинга позволяют отследить каждый вызов агента, посмотреть входные данные, ответ и полные metadata.
Гибкая интеграция. Агенты можно вызывать из Copilot Studio, кода, других решений или через API.
Два интерфейса
Старый интерфейс предоставляет доступ к Model Catalog, Playground, работе с изображениями и видео. Однако агенты из старого интерфейса не всегда корректно подключаются к Copilot Studio.
Новый интерфейс решает эту проблему. На главной странице (Home) доступны API-ключ и Project Endpoint для интеграции. Во вкладке Build управляются агенты и модели.
Архитектура взаимодействия
Copilot Studio выступает координатором, который анализирует запрос пользователя и автономно вызывает специализированных агентов из Foundry. Как дирижёр оркестра: главный агент определяет, какой инструмент нужен для решения конкретной задачи.
Преимущества модульной архитектуры
Распределение задач между узкопрофильными агентами решает несколько проблем:
Снижение риска зацикливания и потери контекста
Улучшение качества ответов за счёт специализации
Упрощение аудита и отладки
Foundry обеспечивает надёжный обмен данными: передаётся контекст, информация о пользователе, данные запроса. Каждый агент возвращает структурированный результат для следующего агента в цепочке.
Практический пример: анализ эмоций и контроль качества
Рассмотрим систему из трёх агентов для обработки пользовательских запросов с учётом эмоционального контекста.
Главный агент (Copilot Studio) — координирует работу двух помощников из Foundry.
Sentiment Analyzer — анализирует эмоциональный тон сообщения. Возвращает:
Score (числовая оценка)
Sentiment (нейтральный, позитивный, негативный, агрессивный)
Рекомендации (как снизить агрессию в ответе)
Quality and Compliance Auditor — проверяет сгенерированный ответ. Возвращает:
Quality score (оценка от 0 до 1)
Feedback (рекомендации по улучшению)
Improved response (улучшенная версия)
Workflow
Пользователь отправляет сообщение
Copilot вызывает Sentiment Analyzer
Получив оценку тональности, формирует ответ
Отправляет ответ Quality Auditor на проверку
Получив улучшенную версию, отправляет финальный ответ
Вся цепочка вызовов прослеживается в логах Foundry, что позволяет анализировать работу системы.
Создание агента в Foundry
Основные настройки
Memory — агент запоминает предыдущие conversations одного пользователя (по ID), создаёт summary диалогов и сохраняет ключевые данные: имя, предпочтения.
Knowledge — база знаний: документы, справочники, базы данных.
Tools — подключение внешних инструментов.
Models — выбор языковой модели.
Для подключения к Copilot нужен уникальный ID:
Откройте агента в новом интерфейсе Foundry
Перейдите в Code → Environment Variables
Скопируйте Existing Agent ID до двоеточия
Важно: используйте новый интерфейс — в старом ID работают некорректно.
Подключение агента к Copilot Studio
Шаги подключения:
Copilot Studio → Agents → Add agent → Connect an External Agent
Выберите Microsoft Foundry
Создайте connection, указав Project Endpoint из Foundry (Home)
Введите Agent ID и описание агента
Настройка инструкций
Пропишите в инструкциях Copilot:
Функциональность каждого агента
Условия вызова
Какие данные передавать
Что ожидается на выходе
Пример: "Используй Sentiment Analyzer для анализа тона сообщения пользователя."
Для сложных сценариев создавайте отдельные топики под каждого агента с output variables для контроля потока данных и условной логики.
Особенности и ограничения
JSON-вывод в чат. Агенты иногда выводят технический JSON-ответ в чат. Полностью убрать это не всегда получается, возможно, это временное ограничение.
Кастомизация вывода. Прямой вызов агента сразу выводит сообщение в чат. Решение — использование топиков с output variables.
Приоритет источников. Если подключены Knowledge и Apps, чётко укажите в инструкциях: сначала обращаться к агентам Foundry, затем к другим источникам.
Мониторинг и отладка. В интерфейсе Foundry после каждого вызова доступен детальный conversation:
User Input — запрос пользователя
Вызванный агент
Ответ агента
Полные metadata
Для сложных сценариев можно отследить весь trace — цепочку вызовов от начального запроса до финального ответа.
Перспективы развития
Модульная архитектура открывает возможности для:
Добавления новых агентов без перестройки системы
Создания сложной условной логики через топики
Анализа взаимодействия пользователей с агентами
Персонализации под бизнес-задачи: корпоративные базы знаний, внутренние политики, интеграция с системами компании
Заключение
Интеграция Microsoft Copilot Studio и Foundry — мощный инструмент для создания интеллектуальных систем с модульной архитектурой. Copilot Studio координирует работу, Foundry предоставляет глубокие возможности для разработки и мониторинга агентов.
Несмотря на текущие ограничения (вывод JSON в чат), связка Copilot-Foundry уже позволяет строить решения для анализа эмоций, контроля качества и других задач, требующих координации нескольких AI-компонентов.
За агентами — будущее. Сейчас — самое время экспериментировать и находить новые способы применения агентной архитектуры.
Comments