Styr AI-modellens livscyklus for Copilot Studio-agenter

Copilot Studio tilbyder forskellige typer modeller. Disse modeltyper er baseret på deres tiltænkte anvendelse og tilgængelighed. AI-modelvalg er ikke en engangsbeslutning. Modeller introduceres, opdateres, gøres generelt tilgængelige, vælges som standard og udfases til sidst. En agent, der fungerer godt med én model, kan opføre sig helt anderledes med en anden model, selv en model i samme modelfamilie.

Betragt modellivscyklusstyring som en løbende driftspraksis for enhver produktionsagent fra Copilot Studio. Etabler en gentagelig proces til at opdage modelændringer, evaluere kandidatmodeller, forberede sig på pensionering, migrere berørte agenter og overvåge kvaliteten efter implementering.

At ændre den model, en agent bruger, er sjældent blot en ændring af modelvalg. En nyere model kan tolke instruktioner mere bogstaveligt, vælge værktøjer anderledes, producere forskellig responslængde og formatering samt ændre latenstid. Planlæg hver modelændring som en migration, der inkluderer evaluering, forfining af instruktioner og værktøjer, godkendelse og overvågning efter implementering.

Det styrende princip er at planlægge fleksibilitet, arbejde konservativt og afgrænse hver opgradering med evaluering. Opgradering til hver ny model indebærer stille regressioner. At undgå alle modelændringer garanterer en nødsituation, når pensionen kommer.

Anvend følgende livscyklus på produktionsagenter:

1. Opdag nye, opdaterede, standard- og udfasede modeller.
2. Gør en optælling over agenter, miljøer, ejere og forretningsprocesser, der afhænger af hver model.
3. Evaluer kandidatudskiftningsmodeller i forhold til et etableret udgangspunkt.
4. Godkend migreringen ved at bruge dokumenterede kvalitets- og driftskriterier.
5. Udrul gennem organisationens Application Lifecycle Management (ALM)- proces.
6. Overvåg produktionsresultater og tilføj nyopdagede scenarier til regressionspakken.
7. Gentag processen, efterhånden som modeller og agentkrav udvikler sig.

Denne artikel dækker opdagelse og lageropgørelse. Serien fortsætter med:

• Beslut hvornår du vil opgradere en AI-model: Opgraderingsbeslutning, forudsætninger og håndtering af pensioneringer.
• Kør og valider en modelmigrering: Evaluering, godkendelse, implementering og overvågning.

Modellivscyklusstyring kræver koordinering mellem agent-ejere, skabere, platformadministratorer, testere, sikkerheds- og compliance-teams samt release-approvers. Tildel ejerskab, før en modelændring skaber en akut migration.

Forstå modellandskabet

Før du kan planlægge en modelændring, skal du vide, hvordan Copilot Studio klassificerer modeller, hvilke modeller din organisation faktisk kan bruge, og hvilke agenter der er afhængige af hver enkelt.

Forstå modeludgivelsestyper

Copilot Studio identificerer modeller efter udgivelses- og tilgængelighedsklassifikationer. Disse klassifikationer hjælper med at afgøre, hvordan en model skal styres, og hvor den skal bruges. Modelnavne, udgivelsesfaser, regional tilgængelighed og pensionsstatus ændrer sig over tid. Tjek altid modeltilgængelighed efter region for aktuelle oplysninger i stedet for at stole på en statisk modelliste.

En agent, der bruger standardmodellen, skifter til en ny model, hver gang standardmodellen opgraderes, uanset om du havde planlagt det eller ej. For højrisiko- og højvolumenagenter skal du vælge en specifik model i stedet for at følge standarden, så hver modelændring går igennem din migrationsproces.

Match modelbrugskategorien med agentens formål

Copilot Studio mærker hver model med en brugskategori, der beskriver, hvad modellen er optimeret til. Valg af den rette kategori til agentens arbejdsbyrde påvirker kvalitet, latenstid og kreditforbrug.

• Dybde: Optimeret til bevidst, flertrins ræsonnering og værktøjsunderstøttede arbejdsgange. Bedst til komplekse analyser, policyanalyse og dokumentsyntese. Har den højeste latenstid og det højeste kreditforbrug.
• Auto: Dækker blandede arbejdsbelastninger ved at route forespørgsler dynamisk. Bedst til helpdesk- og medarbejderagenter med uforudsigelig eller varieret forespørgselskompleksitet. Latens og omkostninger varierer fra tur til tur.
• Generelt: Optimeret til hastighed og pris på daglig chat og let jordforbindelse. Bedst til udarbejdelse, opsummering, FAQ-lignende svar og simpel automatisering af handlinger. Laveste latens og kreditforbrug.

Lær mere i kategorierne for modelbrug.

Forstå eksterne modeller og administratorkontroller

Du kan bruge modeller fra eksterne udbydere som Anthropic, xAI og Mistral som agentens primære model. Lær mere i Vælg en ekstern model som den primære AI-model.

Administratorindstillinger styrer, hvilke modeller producenterne kan vælge i et miljø. En model, der er dokumenteret som tilgængelig, kan stadig være utilgængelig for den agent, du migrerer, hvis den krævede indstilling ikke er slået til.

Før du planlægger en migration, skal du bekræfte, at kandidatmodellen er tilgængelig for producenten i målmiljøet. Modellisten i Copilot Studio afspejler dine administratorindstillinger og er den grundlæggende sandhed for, hvad en specifik agent kan bruge. Lær mere i Admin-kontroller til valg af AI-model.

Gennemgå modeltilgængelighed regelmæssigt

Gennemgå din primære AI-model regelmæssigt. Det er den autoritative kilde til den nuværende modelliste. Nye modeller dukker op der, når de introduceres, og eksisterende modeller opdateres, efterhånden som de bliver generelt tilgængelige, bliver standard eller pensioneres.

Brug følgende kilder sammen:

Udløs også en anmeldelse, når:

• En relevant model bliver tilgængelig i forhåndsvisning eller generelt tilgængelig.
• Standardmodellen ændres.
• En modeludrangering eller automatisk opgradering annonceres.
• En model bliver tilgængelig i organisationens område.
• Organisationen muliggør cross-geo behandling, eksterne modeller eller forhåndsvisnings- og eksperimentelle modeller.
• Produktionsovervågning identificerer en kvalitets-, latens-, pålideligheds- eller forbrugsbekymring, som en anden model kan tage hånd om.

Før en model- og agentinventar

Brug agentinventarerne, der er tilgængelige i Power Platform administrationscenteret, Power Platform CLI eller Power Platform API'er til at identificere agenter, der bruger en specifik model. Brug disse oplysninger til at begynde modellivscykluskommunikation med de berørte forretnings- og tekniske ejere.

Brug en af følgende visninger i Power Platform administrationscenteret:

Forespørg inventar-API'en for at finde agenter efter model

Power Platform-administrationscentervisningerne er effektive til manuel gennemgang og eksport af resultater. Forespørg i stedet inventar-API'en , når du vil indsamle de samme oplysninger programmatisk, så agent-enumeration kan scriptes, planlægges og gentages på tværs af hele lejeren i stedet for at downloade rapporter manuelt. Organisationer med et stort agentbeholdning kan bruge denne tilgang til at opdatere listen over berørte agenter efter behov under en pensionsmigrering og holde den opdateret mellem livscyklusbegivenheder.

Inventory API'en returnerer agentens navn, visningsnavn, miljø og konfigurerede model i en enkelt lejeromfattende forespørgsel, så der ikke er behov for korrelation med en anden datakilde.

Før du kører forespørgslen:

• Log ind med en konto, der har Power Platform-administrator- eller Dynamics 365-administratorrollen.
• Erhverv en adgangstokt til https://api.powerplatform.com/ ressourcen.
• Bekræft, at agentinventaret er aktiveret for lejeren.

Send en POST-anmodning til ressourceforespørgsels-endpointet, filtrer på microsoft.copilotstudio/agents ressourcetypen, og projicere de felter, du har brug for, herunder properties.model:

POST https://api.powerplatform.com/resourcequery/resources/query?api-version=2024-10-01
Authorization: Bearer <access-token>
Content-Type: application/json

{
  "TableName": "PowerPlatformResources",
  "Clauses": [
    {
      "$type": "where",
      "FieldName": "type",
      "Operator": "in~",
      "Values": ["'microsoft.copilotstudio/agents'"]
    },
    {
      "$type": "project",
      "FieldList": [
        "name",
        "properties.displayName",
        "properties.model",
        "environmentId = tostring(properties.environmentId)"
      ]
    }
  ],
  "Options": { "Top": 200 }
}

Svaret returnerer én post pr. agent. Feltnavne i svaret erstatter prikken med en understregning, så properties.model den returneres som properties_model:

{
  "totalRecords": 158,
  "count": 200,
  "data": [
    {
      "name": "00000000-0000-0000-0000-000000000000",
      "properties_displayName": "Sample Agent",
      "properties_model": "GPT-5 Auto",
      "environmentId": "00000000-0000-0000-0000-000000000000"
    }
  ]
}

Svaret inkluderer totalRecords og, når resultaterne afkortes, en skipToken værdi. Send den værdi tilbage Options.SkipToken og gentag anmodningen, indtil alle poster er hentet.

Gruppere de indsamlede poster efter properties_model for at se, hvor hver model bruges på tværs af lejeren. Følgende eksempel viser agentantallet pr. model for en lejer, eksklusive agenter der bruger Copilot Studio-standardmodellen eller kører i Microsoft 365 Copilot-oplevelsen:

Model                  Count
-----                  -----
Claude Sonnet 4.6         24
GPT-5 Chat                22
GPT-5.5 Chat               5
GPT-5 Auto                 4
Claude Sonnet 4.5          3
Claude Opus 4.6            2
Claude Opus 4.7            1
Claude Opus 5              1
Claude Sonnet 5            1
GPT-4o                     1
GPT-5.6 Reasoning          1

Når en pensionering annonceres, filtreres det samme resultat sat på den pensionerende model for at producere listen over berørte agenter, deres miljøer og deres agent-ID'er. Brug værdien environmentId til at mappe hver agent til et navngivet miljø, og send resultaterne videre til ejerne af disse miljøer. Læs mere i Svar på en modelpension for det fulde pensionssvar.

Lær mere i:

• Power Platform-lager-API
• Reference til Power Platform-lagerskema

Brug Power Platform CLI til miljøbegrænsede detaljer

pac copilot list Brug den, når du har brug for agenter og løsningskontekst til et enkelt miljø, for eksempel når du forbereder en migration i ét miljø:

pac copilot list --environment <environment-id-or-url>

Kommandoen returnerer agentens navn, Copilot ID, komponentstatus, managed status, løsnings-ID, statuskode og tilstandskode. Dette output inkluderer ikke modellen, så brug inventory-API'en til at identificere agenter efter model. Brug pac admin list den til at hente miljønavne og ID'er.

Hvad der skal registreres for hver agent

Modellen alene er ikke nok til at planlægge en migration. Registrer følgende for hver agent, så du allerede ved, hvem du skal kontakte, når en pension annonceres, og hvilket arbejde hver agent har brug for:

• Agentnavn, agent-ID, miljø og miljøtype, såsom udvikling, test eller produktion.
• Forretningskritisk betydning.
• Virksomhedsejer, teknisk ejer, tester og godkender af udgivelsen.
• Den konfigurerede model og dens release-tag.
• Uanset om agenten bruger standardmodellen eller en specifik udvalgt model.
• Krav til tværgeo-behandling og regionale begrænsninger.
• Om agenten drives af standardharnesset eller GitHub Copilot-harnesset, som bestemmer de evalueringstestmetoder, der er tilgængelige for den. Læs mere i Vælg en sele.
• Regressionstesten satte placeringen og datoen for det sidste baseline-løb.
• Om vinduet for den pensionerede model er i brug, hvornår det udløber, og hvem der godkendte det.

Næste trin

Med modellandskabet forstået og din mæglerinventar på plads, brug beslutningskriterierne til at afgøre, om en opgradering er nødvendig.

Relaterede oplysninger

• Spor, administrer og skaler ibrugtagning af Copilot i Power Platform