Как создать агента для фильтрации писем в Microsoft Copilot Studio

Почтовые ящики компаний тонут в потоке уведомлений, маркетинговых рассылок и случайных запросов. В этом шуме легко пропустить настоящие «золотые» письма — новые лиды и заявки на поддержку. Задача доклада — показать, как на базе Microsoft Copilot Studio создать автономного агента, который читает входящие письма, классифицирует их, поднимает важные наверх и присылает краткое резюме на рабочую почту. Главное: это не «магия», а последовательность понятных шагов, где результат определяется не только кнопками, но и качеством инструкций для агента.

А узнать больше про это решение можно в нашем видео:

Проблема

• Много писем: от спама и промо до реальных запросов клиентов.

• Ручной мониторинг ящика забирает время и даёт высокий риск пропуска лида.

• Ключевое требование — не покидать доверенное облако Microsoft и не передавать переписку сторонним сервисам.

Варианты решения

1. Правила и ключевые слова (старый подход): быстро, но ненадёжно; требует постоянного «тюнинга».

2. Сторонние сервисы/интеграции: гибко, но вопросы безопасности и конфиденциальности.

3. AI в экосистеме Microsoft: остаёмся в O365/Azure, используем Copilot Studio и стандартные коннекторы.

Решение на базе Copilot

Высокоуровневая цель:

• Автоматически читать входящие письма.

• Классифицировать: новый бизнес-запрос, поддержка, прочее/маркетинг.

• Выделять важные письма, генерировать краткое summary и отправлять отчёт на основную почту.

Создание агента

1. Старт: в Copilot Studio создаём нового агента — либо через свободное текстовое описание задачи, либо сразу прописываем подробные инструкции (system/master prompt).

2. Описание и инструкции:

   Что делает агент: сортирует, приоритизирует по срочности, фильтрует рекламу/рассылки.

   Как себя вести: кратко и чётко формулируем правила классификации и приоритетов.

3. Knowledge: подключаем сайт компании как источник контекста (индексация до 3-го уровня), выключаем веб-поиск, чтобы агент не «уходил в лес».

4. Тестирование на ходу: используем встроенное окно чата для скармливания образцов писем (в т. ч. HTML); регулярно делаем Reset, чтобы начать новую сессию и подтянуть обновлённые инструкции.

5. Практический совет: меняем thumbnail и наименование (например, “Demo Email Assistant”), чтобы не путаться среди агентов.

Триггер на входящие емейлы

• Используем триггер Incoming emails для shared mailbox (например, Info → Inbox).

• Даём необходимые разрешения Outlook/Office 365.

• Тестируем триггер через Test trigger или эмулируем поступление письма, вставляя его текст в окно теста агента.

Написание писем

• Добавляем действие Draft a message: агент готовит черновик уведомления с итогами классификации.

• Поле To задаём вручную/статически (не доверяем LLM угадывать адрес получателя, чтобы не отправить summary автору исходного письма).

• Зачем отдельно? Разделяем «написание» и «отправку», чтобы снизить риски галлюцинаций и повысить предсказуемость.

Отправка писем

• Добавляем действие Send email (коннектор Office 365 Outlook).

• Можно объединить с драфтом, но на практике лучше два шага: сначала черновик, затем отправка — меньше ошибок и больше контроля.

Расширение инструкции

• Уточняем правила: Если письмо — новый бизнес-запрос (pricing, proposal, demo, RFQ) или support (help, troubleshooting), то сформировать и отправить уведомление. Если маркетинг/рассылка/newsletter — ничего не делать (или лишь пометить/флагнуть).

• Прописываем, какие инструменты (draft/send) и в какой последовательности агент должен использовать: «Using draft notification email → then send the email draft above».

  
  

Извлечение HTML

• Проблема: длинные HTML-письма и дорогая модель на анализ.

• Решение: отдельный Prompt-tool “Clean/Strip HTML” на более дешёвой модели — сначала очистка письма до plain text, затем анализ.

• Подводные камни: корректно прокинуть входной параметр (Input HTML). Если инструмент не видит инпут, перепроверьте порядок создания/связывания шагов или подсмотрите рабочую конфигурацию в другом агенте.

• После успешного «Strip HTML» — агент классифицирует уже очищенный текст и действует по правилам.

Доп. возможности — добавление агентов

• Агент-оркестратор может вызывать другие агенты как инструменты. Например, после первичной классификации запустить дочернего агента, который соберёт историю переписки и сформирует расширенное summary.

• Сегодня — ограничение по глубине иерархии; перспективно — больше уровней (родитель → ребёнок → «внук» и т. д.).

Обзор общих настроек

• Модели: выбираем по стоимости/качеству; для рутинных задач подойдут более дешёвые модели.

• Deep reasoning: по необходимости — для пошагового рассуждения.

• Moderation: по умолчанию строгая; для рабочих сценариев часто снижают, чтобы не блокировала безобидные ответы.

• General knowledge: отключение «здравого смысла» может резко ухудшить качество — используйте аккуратно, если строго «заземляете» агента на свой датасет.

• Semantic search / Tenant graph: по ситуации — для поиска внутри O365.

• Web search: выключаем, если не требуется доступ к интернету (меньше галлюцинаций).

• Analytics & Activity: смотрим, что запустилось, какие шаги прошли, на чём «споткнулся».

Channels

Агентов можно публиковать в Teams, SharePoint, веб-сайт, и др. Даже если вы делаете автономного агента по триггеру, у вас параллельно есть чат-режим для тестов. Публикация — отдельный шаг; без публикации чат доступен только вам как разработчику.

Как это выглядит в жизни

На реальном кейсе письмо «Пришлите ваши сертификации» попало в info@…. Агент его прочитал, классифицировал как значимое («New Business Request»), собрал краткое резюме и мгновенно прислал уведомление на основную почту. За счёт автоматизации отклик произошёл в пределах часа — без ручного обхода Inbox и без риска забыть/потерять письмо среди шума.

Заключение

Автономный агент в Copilot Studio — это практичный способ закрыть «узкое горлышко» e-mail-потока, не выходя из доверенной экосистемы Microsoft. Ключевые принципы:

1. Чёткие инструкции важнее, чем «глубокие настройки».

2. Разделяйте шаги (черновик → отправка) — меньше ошибок.

3. Очищайте HTML отдельным инструментом, чтобы экономить на моделях и повышать точность.

4. Постоянно тестируйте: образцы писем, reset сессий, просмотр Activity.

5. Думайте архитектурно: оркестратор + дочерние агенты, каналы публикации, настройки модерации/моделей/knowledge.

Результат — агент, который сам читает, сам решает, что важно, и сам уведомляет. А вы — фокусируетесь на работе с клиентом, а не на ежедневной разборке почты.