借助 Copilot Studio 定制 Microsoft 365 Copilot 智能体

在 AI 科技日新月异的今天，Microsoft 365 Copilot 作为一款强大的生产力工具，正逐渐改变人们的工作方式。而 Copilot Studio 的出现，则为用户提供了更进一步的定制能力。用户可以借助 Copilot Studio 轻松为 Microsoft 365 Copilot 定制专属的智能 Agent，并通过 Actions 功能，将 Copilot 的能力扩展到更广泛的领域，例如与 Azure Data Explorer 这样的外部数据库进行数据交互。

本文将通过一个简单的示例，演示如何利用 Copilot Studio 和 Actions 功能，将 Microsoft 365 Copilot 定制为一个能够与 Azure Data Explorer 数据库进行交互的智能 Agent。

快速上手：定义 Action

首先，用户需要在 Copilot Studio 中定义一个 Action，Action 是连接 Copilot 与外部系统的桥梁。以下步骤展示了 Action 定义的流程：
创建新的 Action： 在 Copilot Studio 界面中，用户可以找到创建 Action 的入口，开始定义新的 Action。

。

在 Agent 中使用 Action

完成 Action 的定义后，用户就可以在 Copilot Studio 中创建的 Agent 中使用这个 Action，将 Agent 与 Azure Data Explorer 数据库连接起来，赋予 Agent 查询数据库的能力。

1. 在 Agent 中添加 Action： 在 Agent 的配置界面中，找到添加 Action 的选项，选择之前定义的 Azure Data Explorer Action。

   

2. 配置 Action 的详细信息： 用户可以进一步配置 Action 的详细信息，例如服务器地址、数据库连接信息、身份验证方式等。这些信息将用于 Agent 在运行时连接到 Azure Data Explorer 数据库。

   

3. 设置提示词 (Prompt)： 为了让 Agent 更好地理解用户意图，并生成正确的数据库查询，用户可以设置提示词，指导 Agent 的行为。以下是一个示例提示词，用于指导 Agent 生成 Kusto 查询并执行：

   

   - Generate Kusto queries based on user requests.
   - Execute the generated Kusto queries.
   - Return the results of the executed queries to the users.
   - Ensure the queries are accurate and efficient.
   - Provide clear and concise responses to users.
   - Handle errors gracefully and inform users of any issues.
   - Understand the schema provided by the user for generating and executing Kusto queries.
   - Table name is StormEvents.
   - The schema includes columns such as StartTime, EndTime, EpisodeId, EventId, State, EventType, InjuriesDirect, InjuriesIndirect, DeathsDirect, DeathsIndirect, DamageProperty, DamageCrops, Source, BeginLocation, EndLocation, BeginLat, BeginLon, EndLat, EndLon, EpisodeNarrative, EventNarrative, and StormSummary.
   - Communicate in a casual manner.
   - Format the result as a table.
   

效果演示与多语言支持

完成 Agent 的配置后，就可以进行测试，查看 Agent 与 Azure Data Explorer 数据库的集成效果。

配置效果展示： 下图展示了 Agent 配置完成后的测试效果。可以看到，Copilot Studio 能够成功调用定义的 Action，连接到 Azure Data Explorer 数据库，并执行用户提出的查询。

安全性保障： 为了确保安全性，Copilot 在执行外部操作前，会请求用户授权。用户可以选择 “Always allow”（始终允许）或 “Allow once”（允许一次）。首次使用时，用户还需要完成身份验证，确保只有具备数据库访问权限的用户才能执行查询，有效保障了数据安全。

查询结果呈现： 下图展示了 Agent 执行查询后返回的结果。结果以表格形式呈现，清晰易懂，方便用户查看和分析数据库中的数据。

多语言查询支持： 更令人惊喜的是，用户可以使用任何自己熟悉的语言 (理论上支持几乎所有语言) 向 Agent 提出数据查询需求，Copilot 能够自动理解用户意图，并将请求转换为正确的数据库查询语句，最终返回结果。用户无需进行额外的语言处理，极大地提升了使用的便捷性。

• 中文查询示例：

  

• 日语查询示例：

  

扩展应用场景

除了单纯的数据查询，用户还可以将数据查询 Action 与其他任务整合，构建更复杂的智能 Agent 应用场景。例如，可以将查询数据库结果与文档生成、报表分析等功能结合，实现更丰富的功能。

• 整合其他任务示例 1：

  

• 整合其他任务示例 2：

  

通过本文的示例，可以看出，借助 Copilot Studio 和 Actions 功能，用户可以快速、便捷地为 Microsoft 365 Copilot 定制强大的智能 Agent，并将其与 Azure Data Explorer 等外部系统进行连接，极大地拓展了 Copilot 的应用边界，为企业和个人用户带来了更智能、高效的工作体验。