Integrating Azure AI Foundry with Copilot Studio

原文链接: Integrating Azure AI Foundry with Copilot Studio: A Strategic and Technical Overview

随着组织加速 AI 采用,对灵活、可扩展和安全的平台需求变得至关重要。我之前在文章《导航 AI 解决方案:Microsoft Copilot Studio 与 Azure AI Foundry》中介绍过两种强大但截然不同的 AI 代理构建方法。Copilot Studio 提供了低代码/无代码界面以便快速部署,面向各类业务用户;而 Azure AI Foundry 则提供了专业代码环境,具备深度定制和编排能力,面向开发者群体。

但是,如果我们不需要在两者之间做出选择,而是可以通过集成两个平台来为所有团队创造变革性的业务价值,会怎么样呢?这正是我在作为微软技术培训师教授"Copilot、Copilot Studio 和 Azure AI Foundry"讲师主导培训课程时越来越多被问到的问题。

本文将从集成的业务理由开始。随后,我将详细阐述成本和 ROI 参数如何影响决策过程。最后,我将引导你了解当前可用的多种技术集成能力,以及这两个平台如何相互补充。

集成的业务理由

Copilot Studio 主要是为业务用户快速构建对话代理而设计的。它在快速原型设计方面表现出色,使用与 Power Automate 相同的图形化工作流界面。用户无需太多开发技能就能构建此类代理。

另一方面,Azure AI Foundry 是为开发者和数据科学家量身定制的,他们通常需要模型编排、定制工具集成以及企业级的可扩展性和治理能力。

集成这两个平台可以让组织弥合业务敏捷性和技术深度之间的差距,使更接近业务的人员能够进行原型设计,而开发人员则可以专注于自定义功能、优化和扩展。例如,组织可以从使用 Copilot Studio 构建面向客户的机器人或内部助手开始,然后过渡到使用 Azure AI Foundry 来处理更复杂的工作流、多代理编排或自定义模型集成。这种分层方法支持渐进式的 AI 成熟度,使团队能够从简单的代理演进到完全成熟的 AI 生态系统。

成本和 ROI 考虑因素

Copilot Studio 计费与 Azure AI Foundry 消费成本计费

当用户与 Copilot Studio 代理交互,或者代理代表用户执行任务时,用户会消耗 Copilot Studio 消息。Copilot Studio 消息是影响使用 Copilot Studio 每月成本的关键组成部分。这些功能可以通过 Copilot Studio 按使用付费计量(按消息付费)和 Copilot Studio 消息包订阅(每月 25,000 条消息)许可证,或两者的组合来获得。这些许可证选项在租户级别激活。任何拥有 Microsoft 365 Copilot 许可证的用户都可以访问 Copilot Studio,且不收取基于消息的费用。更多详情可在 Microsoft Copilot Studio 许可指南中找到。

Azure AI Foundry 是 Azure 基于消费的模型的一部分,你无需为 Azure AI Foundry 本身付费,但你需要为应用程序使用的不同模型支付消费成本。这些费用可以作为 Microsoft 的费用列出(例如 Azure OpenAI),或通过 Azure 市场收费(例如 Cohere)。

Azure AI Foundry 模型成本消费概览

图:Azure 成本分析中 Azure AI Foundry 模型成本消费概览

根据应用程序工作负载所基于的 AI 解决方案架构,你还应该考虑其他 Azure 成本,如 Azure 存储账户、Azure AI 搜索、Azure 应用服务、Azure Key Vault 等。由于 Azure AI Foundry 费用与其他任何 Azure 资源费用相同,因此管理这些费用与你当前的 Azure 成本分析方法没有区别。

ROI 和预算对齐

从前面的部分可以看出,根据使用的 AI 平台,分配正确的预算可能会变得复杂。通过集成两个平台,组织可以实现成本优化,使用 Copilot Studio 处理轻量级任务,但通过 Azure AI Foundry 扩展计算密集型操作。考虑到使用 Copilot Studio 构建应用程序的复杂性较低,它们往往通过 Copilot Studio 的快速部署带来早期 ROI。Azure AI Foundry 强大且可扩展的基础设施可以带来更长期的 ROI 优化价值。

技术集成能力

HTTP 请求触发器

一种集成方法是使用 Copilot Studio 的 HTTP 请求功能来触发 Foundry 代理。这允许在 Studio 中使用自然语言提示来启动 Azure AI Foundry 中的后端流程。这使用户能够从对话式 UI 和企业逻辑之间的无缝流程中受益,以查询业务数据、运行数据分析或跨不同企业应用程序后端检索信息。

HTTP 请求设置

图:Copilot Studio 主题中的 HTTP 请求设置

MCP 协议

Azure AI Foundry 现在支持模型上下文协议(MCP),这是一个开放标准,能够实现大型语言模型(LLM)与外部工具、系统或数据源之间的无缝交互。MCP 为读取文件、执行函数和处理上下文提示等任务提供了与模型无关的接口。其主要目标是通过解决为每个工具或数据源构建自定义连接器的复杂性,简化 LLM 与第三方系统的集成。

MCP 工具可以使用 Azure AI Foundry 代理服务或通过通用开发语言 SDK 或 REST API 集成到你的 AI 解决方案中。查看此 Microsoft Learn 模块了解更多关于如何配置的技术细节,或在 YouTube 上查看 MCP 入门教程 https://aka.ms/MCP-for-beginners?WT.mc_id=AI-MVP-5003172。

最近,模型上下文协议(MCP)连接器也作为新工具直接在 Copilot Studio 中可用。

MCP 连接器工具

图:Copilot Studio 中的模型上下文协议连接器工具

通过在 Foundry 代理服务或 Copilot Studio 中集成 MCP 工具,组织可以受益于标准化方法,允许连接到不同的企业系统、数据端点或外部应用程序。简化复杂性并提供无缝交互(无论使用哪个 AI 平台),为构建这些应用程序的业务用户和开发团队都带来了重大利益。

Copilot Studio 可使用 Azure AI Foundry 模型(预览功能)

Azure AI Foundry 模型提供了超过 11,000 个模型供你选择,由 Microsoft 和众多模型提供商(如 OpenAI、DeepSeek、Black Forest Labs、Meta 等)提供。除了现有模型之外,组织还可以通过在 Azure AI Foundry 中进行微调来创建自己的定制模型。

例如,想象一个组织正在构建一个 IT 支持代理,该代理使用聊天界面和自然语言与最终用户交互。用户可能能够提供错误的屏幕截图,以及用自己的话描述技术问题。传统的 LLM 可能难以识别特定的屏幕截图细节或内部开发应用程序使用的业务特定术语,因为它们没有接受过这类信息的训练。这就是微调模型可以成为解决方案的地方。

在撰写本文时,Copilot Studio 客户可以使用一个新的预览功能,允许他们使用任何 Azure AI Foundry 模型(包括目录模型和微调模型)作为其 Copilot Studio 代理的主要模型。(仅供参考,请点击此链接查看 Copilot Studio 路线图和功能列表的所有详细信息)

Copilot Studio 新功能设置

图:Copilot Studio 新功能设置,用于启用 AI Foundry 模型集成

结论

集成 Copilot Studio 和 Azure AI Foundry 不仅仅是一项技术工作,而是一项战略举措,它将业务目标、成本效率和采用准备度结合在一起。通过利用两个平台的优势,组织可以构建敏捷、可扩展且安全的 AI 解决方案。你的业务可以专注于开发(或者如果不是基于代码的话"制作")AI 代理,而无需面临瓶颈或不必要的复杂性或工作负载隔离。与其问应该使用哪个平台来构建 AI 应用程序,组织应该投资并受益于两个平台之间的紧密集成,快速使业务方和开发人员团队都能够创建提供即时业务价值的 AI 应用程序,而不会有任何妥协。