Arbejd med Power Apps MCP-server

MCP (Model Context Protocol) er en åben protokol, der muliggør problemfri integration mellem store LLM-programmer (Language Model) og eksterne datakilder og værktøjer. Din agent kan bruge Power Apps MCP-serveren til at kommunikere med din Power Apps, hvilket giver dig de rette tilsyns- eller agentiske arbejdsprocesser.

Den Power Apps MCP Server udstyrer din agent med to typer funktioner:

• Automatiser gentagne appopgaver:

  Power Apps MCP Server gør det muligt for agenter at bruge avancerede appværktøjer, der er udviklet i Power Apps. De dataindtastningsagentfunktioner, der tidligere er tilgængelige som en ai-funktion efter behov, er nu tilgængelige for alle agenter via Power Apps MCP-server. Hvis du vil bruge dem, skal du oprette din agent, konfigurere MCP-værktøjet og dirigere det til ustruktureret indhold, så det kan generere dataverse poster med menneskelig gennemgang og godkendelse via det forbedrede agentfeed.

• Overvågning af agentaktivitet:

  Den Power Apps MCP Server indeholder også specialiserede værktøjer til virksomhedsbrugere, så de kan overvåge alle agentaktiviteter i agentfeedet. Agenter kan nu overdrage styringen til mennesker til gennemsyn, hjælp og styring med MCP-værktøjerne. Disse værktøjer giver oprettere langt mere kontrol over de opgaver, de vil publicere til agentfeedet, og når de har brug for agent-menneskelig aflevering.

De Power Apps MCP-værktøjer forbedrer, jo mere du bruger dem. Når du f.eks. foretager rettelser af forslag på agentlærredet, forbedres værktøjet til dataindtastning på baggrund af dine rettelser. Hvis du vil bruge de forbedrede agentfeedfunktioner, skal du aktivere og konfigurere Power Apps MCP-serveren fra den Microsoft Copilot Studio agent. Når den er konfigureret, kan du aktivere Power Apps MCP-serverværktøjer fra agentinstruktioner ved hjælp af et naturligt sprog.

Flere oplysninger: Opret en autonom agent, der er forbundet med Power Apps MCP-server

Onboard din agent til at bruge Power Apps MCP-server

Hvis du vil konfigurere en eksisterende agent, der var i den tidligere version af agentfeedet, til at bruge Power Apps MCP-serveren, skal du gøre følgende:

1. Føj Power Apps MCP-serveren til din agent. Det gør du ved at åbne agenten i Copilot Studio og derefter vælge Tilføj værktøj.

2. Søg efter Power Apps MCP Server.

3. Vælg Tilføj og konfigurer.

4. Opdater agentens instruktioner for at bruge hvert af værktøjerne i Power Apps MCP-serveren på de korrekte tidspunkter i orkestrering. Der er eksempler på, hvordan du gør dette i resten af dette dokument.

5. Registrer og udgiv din agent.

Liste over værktøjer

Når agenten har oprettet forbindelse til Power Apps MCP-server, kan han vælge mellem forskellige værktøjer i Power Platform-miljøet. Disse værktøjer kan generere agentfeedelementer, der gengiver forskellige brugeroplevelser, f.eks. en side om side-visning for dataindtastningsagenter eller direkte navigation til en post for request_for_assistance scenarier.

log_for_review

Registrerer fuldført agentarbejde til agentfeedet til gennemsyn. Værktøjet log_for_review er beregnet til scenarier, hvor en agent har tilstrækkelige oplysninger til at handle autonomt, men brugeren stadig skal gøres opmærksom på, hvad agenten har gjort. Dette værktøj kan opfattes som en måde at passivt overse de handlinger med høj tillid eller lav risiko, der udføres af agenter. Den er bedst egnet til beslutninger, der nemt kan revideres eller annulleres, hvis agenten udfører handlingen forkert. Udover titel, beskrivelse og trin kan du også bede værktøjet om at føje et link til enten den relevante Dataverse-post eller til en app-ekstern URL-adresse. Hvis en agenthandling berører flere Dataverse-poster, kan du give agenten besked om, hvilken post den skal navigere til i forbindelse med den oprettede opgave. Det kan være linket til den post, som agenten oprettede ved hjælp af Dataverse MCP-serveren, eller et postlink, der findes i kontekst, f.eks. den post, der udløste agentens udførelse. Disse opgaver vises under fanen Fuldført i agentfeedet.

Eksempelinstruktion

Når kunden foretager en reservation fra portalen, skal denne agent logge oplysningerne til gennemsyn. Titlen på anmeldelseselementet skal være baseret på bookingreferencenummeret og skal bruge præfikset "Review Web Booking: ". I gennemgangsbeskrivelsen skal du skrive en kort oversigt over reservationen, der indeholder hovedfelter som Booking Reference, Booking Date, Seat Number og Status, så en korrekturlæser hurtigt kan forstå, hvad der blev behandlet uden at åbne posten. Sørg for, at beskrivelsen læser som et kort afsnit og nøjagtigt afspejler de aktuelle værdier fra bookingposten. Medtag din ræsonnering som trin. Medtag også et link til bookingposten.

request_assistance

Formålet med request_assistance værktøjet er at gøre det muligt for agenter at vise fejl, eskaleringer eller undtagelser for brugerne, så de kan udføre de nødvendige handlinger. Som udvikler kan du definere scenarierne for, hvornår din agent skal bruge værktøjet request_assistance . Den opretter en agentfeedopgave, der udfyldes i afsnittet Behovsbevågenhed i agentfeedet. Dette er en asynkron handling, der kalder Microsoft Copilot Studio-agenten, som venter, indtil mennesket fuldfører handlingen. Du kan finde oplysninger om fuldførelse af handlingsfeedaktiviteten ved at gå til Overvåg agenter i modeldrevne apps med agentfeed (prøveversion)

Du kan se status for In progress status for agenten, der kører under fanen Aktivitet, når agenten vises i Copilot Studio. Når brugeren har fuldført aktiviteten fra agentfeedet, vender kontrolelementet tilbage til agenten via tilbagekald, og agenten kan fuldføre opgaven.

Ligesom med værktøjet log_for_review kan du styre opgaveoutputtet for titel, beskrivelse og trin og kan være specifik, når du fortæller agenten, hvilket link der skal knyttes til en given opgave.

Eksempelinstruktion

Når denne agent udløses af oprettelsen af en ny supportsag, skal den anmode om hjælp. I anmodningen skal du angive titlen ved at præfikse værdien af problemet med "Assistance er nødvendig: ". I opgavebeskrivelsen kan du se problemtypen, problembeskrivelsen, den rapporterede dato og den løste værdi. Medtag ræsonneringstrinnene. Medtag også et link til den relaterede Dataverse-problempost. Når brugeren har fuldført opgaven, skal du fortsætte behandlingen ved at angive sagsstatussen til Lukket.

Design din bruger-interaktion i processen

Før du skriver din agents instruktioner, skal du beslutte, hvor menneskeligt tilsyn hører til i din arbejdsproces. Brug følgende spørgsmål til at identificere, hvilke øjeblikke der skal bruges request_assistance, som skal bruge log_for_review, og som agenten kan håndtere autonomt.

Eksempel på instruktioner efter mønster

Eksplicit regel:

"For ethvert krav med et anslået tabsbeløb på over 5.000 USD skal du bruge request_assistance til at dirigere kravet til den tildelte justeringsfunktion, før du fortsætter."

Dynamisk vurdering:

"Hvis årsagen til tab er tvetydige, eller kravsdokumenter er i konflikt med hinanden, skal du bruge request_assistance til at markere kravet til justeringsgennemsyn."

Passivt tilsyn:

"Når dækningsbestemmelsen er fuldført, skal du bruge log_for_review til at registrere resultatet og bekræfte, at kravet er blevet godkendt for at gå videre."

Eksempel: Husejerforsikringens forsikringsdækningsbestemmelsesagent

I følgende eksempel kan du se, hvordan disse mønstre gælder for en komplet arbejdsproces i den virkelige verden.

Agenten udløses automatisk, når der sendes et nyt krav. Den henter den relevante politik, påtegninger og understøttende dokumenter fra Dataverse og derefter årsager til dem for at opnå en dækningsbestemmelse, kontrollere, om politikken var aktiv, om den påståede fare er dækket, og om eventuelle dokumentkonflikter påvirker tilliden til resultatet.

Herfra bruger agenten Power Apps MCP-serveren til at vise resultater i agentfeedet baseret på det, der blev fundet. Hvis kravet er tvetydigt, i konflikt med eller kræver justerdom, bruger request_assistance agenten til at oprette en opgave for den tildelte justeringsenhed med den kontekst, vedkommende skal handle i. Hvis kravet er ryddet, bruger log_for_review agenten til at registrere resultatet passivt, og der kræves ingen handling. Når en justeringstaksator fuldfører en opgave, fortsætter agenten med at læse beslutningen, opdatere kravposten og logføre en slutmeddelelse tilbage til datastrømmen.

Resultatet er en arbejdsproces, hvor agenten håndterer rutinevolumen selvstændigt og kun trækker et menneske ind ved ægte beslutningspunkter med tilstrækkelig kontekst til, at justeringsfunktionen kan handle med det samme.

invoke_data_entry

Værktøjet invoke_data_entry strømliner oprettelsen af Dataverse-poster ved at udtrække strukturerede oplysninger fra ustrukturerede input, f.eks. mails, meddelelser eller dokumenter. Når den aktiveres fra en Copilot Studio agent, analyseres indgående indhold automatisk, den relevante formular udfyldes med de udtrukne data, og den foreslåede post vises som en opgave i agentfeedet til brugergennemsyn og godkendelse. Det kræver, at en bruger gennemser den foreslåede post, før posten oprettes. Poster oprettes aldrig automatisk ved hjælp af værktøjet invoke_data_entry. Dette muliggør hurtig og pålidelig datahentning med minimal manuel indsats.

Eksempelinstruktion – agent udløst af delt e-mail

Du er agent for rejseidé-generatoren. Dit job er at behandle indgående mails og oprette rejseidéposter i Dataverse.

Når der modtages en mail:

1. Find ud af, om den indeholder rejserelaterede oplysninger (enten i brødteksten i mailen eller i vedhæftede filer).

2. Brug værktøjet invoke_data_entry til at oprette en rejseidépost med de udtrukne oplysninger i følgende kolonner:

   • cr3ea_title
   • cr3ea_description
   • cr3ea_triptype
   • cr3ea_customername
   • cr3ea_customeremail
   • cr3ea_customerphone
   • cr3ea_destinationcity
   • cr3ea_travelstart
   • cr3ea_travelend
   • cr3ea_antalrejsende
   • cr3ea_budgetusd
   • cr3ea_specialrequests

3. Hvis der mangler oplysninger, skal du stadig oprette posten med tilgængelige data. Lad ukendte felter være tomme.

Sådan fungerer værktøjet invoke_data_entry

Når du konfigurerer en Copilot Studio agent til at bruge Power Apps MCP-serveren og aktiverer værktøjet invoke_data_entry, følger agenten denne proces:

1. En agentudløser udløses på baggrund af din konfiguration, f.eks. en mail, der ankommer i en overvåget postkasse, eller et nyt dokument, der er uploadet til SharePoint.
2. Agenten analyserer indgående indhold og dine instruktioner for at afgøre, om invoke_data_entry værktøjet skal bruges.
3. Hvis det er nødvendigt, aktiveres værktøjet invoke_data_entry , så inputindholdet og dataverse-tabellen og tabelkolonnerne kan forudsiges.
4. Værktøjet behandler inputtet, udtrækker relevante oplysninger og udfylder en Dataverse-formular med foreslåede værdier for hver tilknyttet kolonne.
5. Der vises en opgave i agentfeedet. Hvis du vælger den, åbnes gennemgangsoplevelsen for dataindtastning. I venstre panel vises det oprindelige input, og i højre panel vises formularen, der er udfyldt med foreslåede værdier.
6. Brugeren kan gennemse de udtrukne værdier, foretage rettelser, hvis det er nødvendigt, og derefter gemme posten i Dataverse.

Giv feedback

Sådan giver du feedback om invoke_data_entry-værktøjet:

1. Åbn en invoke_data_entry opgave i agentfeedet.
2. Vælg feedbackknappen i opgaveoverskriften.
3. Vælg at give et kompliment, rapportere et problem eller komme med et forslag.

Relaterede artikler

Føj agenter til din modeldrevne app (prøveversion)

Overvåg agenter i modeldrevne apps med agentfeed (prøveversion)