Ovlivnění plánování agentů pomocí kontextových instrukcí
Jak poskytnout doplňující kontext a ovlivnit chování agenta prostřednictvím instrukcí, včetně určení konkrétních nástrojů a konzultace znalostní báze.
Copilot Studio Vám umožní pomocí instrukcí řídit nejen chování agenta, ale i to, kdy v rámci plánu použije konkrétní nástroje. V instrukcích můžete určit, jaké tools má agent použít, za jakých podmínek, a také jak kombinovat různé zdroje dat, aby byly odpovědi přesnější.
Proč agentovi dávat kontext
- Zvyšuje kvalitu odpovědí ve složitějších scénářích.
- Umožňuje propojit různorodé zdroje (např. MCP server + knowledge).
- Snižuje riziko chyb způsobených zastaralými daty.
Instrukce jsou užitečné hlavně ve chvíli, kdy samotný výstup z toolu nestačí a je potřeba ho doplnit o další poznámky nebo korekce.
Ukázkový scénář
Představte si organizaci, která používá:
- MCP server pro operativní data v reálném čase (např. měsíční KPI).
- Knowledge base s detailními rozbory těchto KPI, včetně aktualizací a oprav pro konkrétní měsíce v minulosti.
Problém je v tom, že MCP server sice vrací aktuální čísla, ale neví o korekcích uložených v knowledge base. Naopak knowledge base tyto korekce obsahuje, ale nemá nejnovější hodnoty (kromě samotných oprav).
Řešení: pomocí instrukcí agentovi řekneme, aby pracoval s oběma zdroji a odpověď sjednotil. Zároveň ale chceme, aby se do knowledge sahalo jen tehdy, když dotaz skutečně pracuje s daty — ne automaticky při každé interakci. Například:
- Dotaz, který nevyžaduje live data, by měl použít jen knowledge base.
- Dotaz na kompletní přehled KPI by měl automaticky zahrnout i korekce z knowledge base.
Krok 1: Běžný dotaz (jen MCP Server)
Nejprve položíme jednoduchou otázku:
Ukažte mi NPS za rok 2025 doposud.
Agent odpoví jen na základě dat v reálném čase, bez ověření ve znalostech
Agent bez dalších instrukcí dotáže MCP server a vrátí seznam dat. Výsledek: dostaneme KPI z MCP serveru, ale tato čísla nejsou ověřená proti knowledge base, kde mohou být opravy.
Ve znalostním dokumentu jsou uvedené opravy KPI načtených z MCP, ale agent je nepoužil
Zkusme tedy knowledge base dotázat ručně a ověřit, jestli existují nějaké úpravy…
Agent ukáže, že u NPS skutečně došlo k opravě
Vidíme, že knowledge base uvádí, že v únoru 2025 došlo u NPS k opravě: správná hodnota je 88, nikoli 82, jak ji vrací MCP server.
Krok 3: Instructions pro Orchestrator
Tady je to podstatné: u každého dotazu na KPI chceme, aby agent:
- Dotázal MCP server na aktuální data.
- Zkontroloval knowledge base, jestli neobsahuje opravy.
- Sloučil obojí do jedné konzistentní odpovědi.
Instructions fungují jako pravidla, podle kterých se orchestrator řídí – nejen aby měl kontext pro odpověď, ale také aby si naplánoval další kroky.
Typická instruction může vypadat takto:
„Když se dotaz týká měsíčních KPI, použijte MCP tool pro data a potom se podívejte do knowledge base kvůli případným opravám. Pokud opravy existují, zahrňte je do odpovědi.“
Finální ukázka
Zopakujme původní dotaz:
Ukažte mi KPI za minulý rok.
Agent teď pro komplexní odpověď kombinuje knowledge base i data z MCP serveru
Díky Instructions:
- Agent zavolá MCP server → načte KPI.
- Pak se podívá do knowledge base → najde opravu.
Finální odpověď: Seznam KPI pochází z MCP serveru, ale operating margin je upravený podle knowledge base.
Checklist pro zavedení tohoto vzoru
- Nastavte instrukce v orchestratoru (Copilot Studio → Agent → Instructions).
- Upřesněte jak, co a kdy (např. MCP pro data, knowledge pro opravy, sjednocení výsledků).
- Otestujte na jednoduchých dotazech a ověřte konzistentní chování.
- Instrukce držte jasné a kontextové; vyhněte se nejednoznačnostem.
Hlavní poznatky
- Instrukce Vám umožní ovlivnit, jak agent plánuje postup.
- Můžete orchestrace více zdrojů (MCP + knowledge) bez psaní kódu.
- Tento přístup zvyšuje přesnost a snižuje chyby způsobené neúplnými daty.
Vyzkoušejte si to
- Nakonfigurujte libovolný tool nebo MCP server a v Copilot Studio přidejte knowledge base.
- Doplňte instrukce, které definují požadované chování.
- Spusťte testovací dotazy a sledujte, jak agent kombinuje zdroje.
Máte k tomuto vzoru dotazy nebo zpětnou vazbu? Napište je do komentářů nebo do sample repa.
Tento článek vznikl s využitím materiálu z microsoft.github.io. Osobní postřehy a komentáře jsou moje vlastní.