Verwaltung des KI-Modelllebenszyklus für Copilot Studio-Agenten

Copilot Studio bietet verschiedene Modelltypen an. Diese Modelltypen basieren auf ihrer vorgesehenen Verwendung und Verfügbarkeit. Die Auswahl von KI-Modellen ist keine einmalige Designentscheidung. Modelle werden eingeführt, aktualisiert, allgemein verfügbar gemacht, als Standardmodelle ausgewählt und schließlich außer Dienst gestellt. Ein Agent, der mit einem Modell gut funktioniert, kann sich bei einem anderen Modell völlig anders verhalten, selbst bei einem Modell aus derselben Modellfamilie.

Behandle das Modell-Lebenszyklusmanagement als fortlaufende Betriebspraxis für jeden Produktionsagenten von Copilot Studio. Einen wiederholbaren Prozess etablieren, um Modelländerungen zu entdecken, Kandidatenmodelle zu evaluieren, sich auf Pensionierungen vorzubereiten, betroffene Agenten zu migrieren und die Qualität nach der Bereitstellung zu überwachen.

Die Änderung des Modells, das ein Agent verwendet, ist selten nur eine Änderung der Modellauswahl. Ein neueres Modell kann Anweisungen wörtlicher interpretieren, Werkzeuge anders wählen, unterschiedliche Antwortlängen und Formatierungen erzeugen und die Latenz ändern. Planen Sie jede Modelländerung als Migration, die Evaluation, Verfeinerung von Anweisungen und Werkzeugen, Genehmigung sowie Überwachung nach der Bereitstellung umfasst.

Das grundlegende Prinzip ist, Flexibilität zu gestalten, konservativ zu arbeiten und jede Verbesserung mit einer Bewertung zu steuern. Ein Upgrade auf jedes neue Modell birgt das Risiko für stille Regressionen. Das Vermeiden aller Modelländerungen garantiert einen Notfall, wenn der Ruhestand eintritt.

Wenden Sie folgenden Lebenszyklus auf Produktionsagenten an:

1. Entdecken Sie neue, aktualisierte, Standard- und ausgemusterte Modelle.
2. Inventarisieren Sie die Agenten, Umgebungen, Eigentümer und Geschäftsprozesse, die von jedem Modell abhängen.
3. Vergleichen Sie Kandidatenersatzmodelle anhand eines etablierten Ausgangswerts.
4. Genehmigen Sie die Migration anhand dokumentierter Qualitäts- und Betriebskriterien.
5. Werden Sie über den Application Lifecycle Management (ALM)-Prozess der Organisation bereitgestellt.
6. Überwachen Sie Produktionsergebnisse und fügen Sie neu entdeckte Szenarien in die Regressionssuite ein.
7. Wiederholen Sie den Prozess, während sich Modelle und Agentenanforderungen weiterentwickeln.

Dieser Artikel behandelt Entdeckung und Inventar. Die Serie wird fortgesetzt mit:

• Entscheiden Sie, wann Sie ein KI-Modell aufrüsten: Entscheidungen, Voraussetzungen und Reaktion auf Pensionierungen.
• Führen Sie eine Modellmigration aus und validieren Sie: Bewertung, Genehmigung, Bereitstellung und Überwachung.

Das Management des Modelllebenszyklus erfordert die Koordination zwischen Agenteninhabern, Herstellern, Plattformadministratoren, Testern, Sicherheits- und Compliance-Teams sowie Release-Prüfern. Weisen Sie die Eigentümerschaft zu, bevor eine Modelländerung eine dringende Migration verursacht.

Verstehen Sie die Modelllandschaft

Bevor Sie einen Modellwechsel planen können, müssen Sie wissen, wie Copilot Studio Modelle klassifiziert, welche Modelle Ihre Organisation tatsächlich nutzen kann und welche Agenten von jedem einzelnen abhängig sind.

Modell-Release-Typen verstehen

Copilot Studio identifiziert Modelle nach Veröffentlichungs- und Verfügbarkeitsklassifikationen. Diese Klassifikationen helfen dabei, zu bestimmen, wie ein Modell gesteuert wird und wo es verwendet werden soll. Modellnamen, Veröffentlichungsphasen, regionale Verfügbarkeit und Ruhestand ändern sich im Laufe der Zeit. Überprüfen Sie immer die Modellverfügbarkeit nach Region für aktuelle Informationen, anstatt sich auf eine statische Modellliste zu verlassen.

Ein Agent, der das Standardmodell verwendet, wechselt zu einem neuen Modell, sobald das Standardmodell aufgerüstet wird, unabhängig davon, ob Sie es geplant haben oder nicht. Für Agenten mit hohem Risiko und hohem Volumen wählen Sie ein bestimmtes Modell aus, anstatt den Standard zu verfolgen, sodass jede Modelländerung Ihren Migrationsprozess durchläuft.

Gleiche die Modellnutzungskategorie dem Zweck des Agenten an

Copilot Studio kennzeichnet jedes Modell mit einer Nutzungskategorie, die beschreibt, wofür das Modell optimiert ist. Die Wahl der richtigen Kategorie für die Arbeitsbelastung des Agenten beeinflusst Qualität, Latenz und Kreditverbrauch.

• Tiefgründig: Optimiert für gezieltes, mehrstufiges Denken und toolunterstützte Workflows. Am besten für komplexe Analysen, Policy-Analysen und Dokumentensynthese. Hat die höchste Latenz und den höchsten Kreditverbrauch.
• Auto: Deckt gemischte Arbeitslasten ab, indem Abfragen dynamisch geroutet werden. Am besten für Helpdesk- und Mitarbeiteragenten mit unvorhersehbarer oder unterschiedlicher Abfragekomplexität. Latenz und Kosten variieren je nach Runde.
• Allgemein: Optimiert für Geschwindigkeit und Kosten im Alltagschat und leichte Erdung. Am besten für Entwürfe, Zusammenfassungen, FAQ-ähnliche Antworten und einfache Automatisierung von Aktionen. Niedrigste Latenz und niedrigster Kreditverbrauch.

Erfahren Sie mehr in den Kategorien für Modellnutzung.

Verstehen Sie externe Modelle und Administratorkontrollen

Du kannst Modelle externer Anbieter wie Anthropic, xAI und Mistral als Hauptmodell eines Agenten verwenden. Erfahren Sie mehr in Wählen Sie ein externes Modell als primäres KI-Modell.

Administrator-Einstellungen steuern, welche Modelle die Entwickler in einer Umgebung auswählen können. Ein Modell, das als verfügbar dokumentiert ist, kann für den Agenten, den du migrierst, trotzdem nicht verfügbar sein, wenn die erforderliche Einstellung nicht aktiviert ist.

Bevor Sie eine Migration planen, sollten Sie sicherstellen, dass das Kandidatenmodell dem Hersteller in der Zielumgebung zur Verfügung steht. Die Modellliste im Copilot Studio spiegelt Ihre Administratoreinstellungen wider und ist die Wahrheit darüber, was ein bestimmter Agent verwenden kann. Erfahren Sie mehr unter Admin-Steuerungen für die Auswahl von KI-Modellen.

Überprüfen Sie regelmäßig die Verfügbarkeit von Modellen

Überprüfen Sie regelmäßig das primäre KI-Modell Ihres Maklers . Sie ist die maßgebliche Quelle für die aktuelle Modellliste. Neue Modelle erscheinen dort, wenn sie eingeführt werden, und bestehende Modelle werden aktualisiert, sobald sie allgemein verfügbar werden, zum Standard werden oder ausgemustert werden.

Verwenden Sie die folgenden Quellen zusammen:

Lösen Sie auch eine Bewertung aus, wenn:

• Ein relevantes Modell wird in der Vorschau oder allgemein verfügbar.
• Das Standardmodell ändert sich.
• Ein Modell-Ruhestand oder ein automatisches Upgrade wird angekündigt.
• Ein Modell wird in der Region der Organisation verfügbar.
• Die Organisation ermöglicht Cross-Geo-Verarbeitung, externe Modelle oder Vorschau- und Experimentalmodelle.
• Produktionsüberwachung identifiziert ein Qualitäts-, Latenz-, Zuverlässigkeits- oder Verbrauchsproblem, das ein anderes Modell angehen könnte.

Führen Sie ein Modell- und Agenteninventar

Verwenden Sie die im Power Platform Admin Center, der Power Platform CLI oder Power Platform APIs bereitgestellten Agenten, um Agenten zu identifizieren, die ein bestimmtes Modell verwenden. Nutzen Sie diese Informationen, um die Kommunikation über den Modelllebenszyklus mit den betroffenen Geschäfts- und technischen Eigentümern zu beginnen.

Verwenden Sie eine der folgenden Ansichten im Power Platform Admin Center:

Abfrage der Inventar-API, um Agenten nach Modell zu finden

Die Power Platform Admin-Center-Ansichten sind effektiv zum manuellen Überprüfen und Exportieren von Ergebnissen. Abfragen Sie stattdessen die Inventar-API, wenn Sie die gleichen Informationen programmatisch sammeln möchten, damit die Agentenaufzählung geskriptet, geplant und im gesamten Tenant wiederholt werden kann, anstatt Berichte manuell herunterzuladen. Organisationen mit einem großen Maklerbestand können diesen Ansatz nutzen, um die Liste der betroffenen Agenten während einer Ruhestandsmigration auf Abruf zu aktualisieren und sie zwischen Lebenszyklusereignissen aktuell zu halten.

Die Inventar-API liefert den Agentennamen, den Anzeigenamen, die Umgebung und das konfigurierte Modell in einer einzigen, tenantweiten Abfrage zurück, sodass keine Korrelation mit einer anderen Datenquelle erforderlich ist.

Bevor Sie die Abfrage ausführen:

• Melden Sie sich mit einem Konto an, das die Power Platform Administrator- oder Dynamics 365-Administratorrolle innehat.
• Erhalte einen Zugangstoken für die Ressource https://api.powerplatform.com/ .
• Bestätigen Sie, dass das Agenteninventar für den Mieter aktiviert ist.

Senden Sie eine POST-Anfrage an den Ressourcenanfrage-Endpunkt, filtern Sie nach dem microsoft.copilotstudio/agents Ressourcentyp und projizieren Sie die benötigten Felder, einschließlich 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 }
}

Die Antwort gibt pro Agent einen Datensatz zurück. Feldnamen in der Antwort ersetzen den Punkt durch einen Unterstrich, sodass properties.model als folgt zurückgegeben properties_modelwird:

{
  "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"
    }
  ]
}

Die Antwort enthält totalRecords und – wenn die Ergebnisse abgeschnitten werden – einen skipToken Wert. Geben Sie diesen Wert zurück Options.SkipToken und wiederholen Sie die Anfrage, bis alle Datensätze abgerufen sind.

Gruppiere die gesammelten Datensätze nach, properties_model um zu sehen, wo jedes Modell im Tenant verwendet wird. Das folgende Beispiel zeigt die Anzahl der Agenten nach Modell für einen Tenant, ohne Agenten, die das Standardmodell von Copilot Studio verwenden oder in der Microsoft 365 Copilot-Erfahrung laufen:

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

Wenn eine Pensionierung angekündigt wird, filtern Sie dasselbe Ergebnis, das auf dem austretenden Modell gesetzt ist, um die Liste der betroffenen Agenten, ihrer Umgebung und ihrer Agenten-IDs zu erhalten. Verwenden Sie den Wert environmentId , um jeden Agenten einer benannten Umgebung zuzuordnen, und leiten Sie die Ergebnisse an die Besitzer dieser Umgebungen. Erfahren Sie mehr in Response to a Model Retirement für die vollständige Rentenantwort.

Weitere Informationen finden Sie unter:

• Power Platform-Bestands-API
• Schemareferenz für Power Platform-Inventar

Verwenden Sie Power Platform CLI für umgebungsbezogene Details

Verwenden pac copilot list Sie, wenn Sie die Agenten und den Lösungskontext für eine einzelne Umgebung benötigen, zum Beispiel wenn Sie eine Migration in einer Umgebung vorbereiten:

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

Der Befehl liefert den Agentennamen, die Copilot-ID, den Komponentenzustand, den verwalteten Status, die Lösungs-ID, den Statuscode und den Zustandscode. Diese Ausgabe enthält das Modell nicht, also nutze die Inventar-API, um Agenten nach Modell zu identifizieren. Verwenden pac admin list Sie es, um Umweltnamen und IDs abzurufen.

Was man für jeden Agenten notieren sollte

Das Modell allein reicht nicht aus, um eine Migration zu planen. Notieren Sie Folgendes für jeden Makler, damit Sie bei der Ankündigung eines Ruhestands bereits wissen, wen Sie kontaktieren müssen und welche Arbeit jeder Makler benötigt:

• Agentenname, Agenten-ID, Umgebung und Umgebungstyp, wie Entwicklung, Test oder Produktion.
• Geschäftskritische Aspekte.
• Geschäftsinhaber, technischer Inhaber, Tester und Freigabe-Gutachter.
• Das konfigurierte Modell und dessen Release-Tag.
• Unabhängig davon, ob der Agent das Standardmodell oder ein bestimmtes ausgewähltes Modell verwendet.
• Anforderungen an die Verarbeitungsquerschnitte und regionale Einschränkungen.
• Ob der Agent vom Standard-Harness oder dem GitHub Copilot-Harness betrieben wird, der die ihm zur Verfügung stehenden Bewertungstestmethoden bestimmt. Erfahren Sie mehr in Choose a Harness.
• Der Regressionstest legte den Ort und das Datum des letzten Baseline-Runs fest.
• Ob das Fenster des ausgemusterten Modells genutzt wird, wann es abläuft und wer es genehmigt hat.

Nächster Schritt

Mit der Modelllandschaft und dem Inventar Ihres Maklers können Sie die Entscheidungskriterien nutzen, um festzustellen, ob ein Upgrade notwendig ist.

Verwandte Informationen

• Nachverfolgen, Verwalten und Skalieren der Copilot-Einführung in Power Platform