Ovlivnění plánování agentů pomocí kontextových instrukcí

Jak poskytnout doplňující kontext a ovlivnit chování agenta prostřednictvím instrukcí, včetně určení konkrétních nástrojů a konzultace znalostní báze.

Ovlivnění plánování agentů pomocí kontextových instrukcí

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.

Jednoduchá odpověď 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.

Důkaz ve znalostech 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…

Pouze znalosti 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:

  1. Dotázal MCP server na aktuální data.
  2. Zkontroloval knowledge base, jestli neobsahuje opravy.
  3. 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.

Knowledge a MCP 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

  1. Nakonfigurujte libovolný tool nebo MCP server a v Copilot Studio přidejte knowledge base.
  2. Doplňte instrukce, které definují požadované chování.
  3. 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.