今天要來介紹筆者今年打算補完的一個坑，：Microsoft 的 Agent Solution 🤖 從鎮樓圖就看得出來，微軟今年真的把這一塊拉到超前面幾乎是All in了，原本以為只是 Copilot Studio 的延伸，結果居然越長越大，長到都已經是一個平台了 "Microsoft Agent 365"~

如果你是做企業內部自動化、M365 整合、Power Platform、甚至是 Teams 擴充開發的人，這主題對你非常有用。因為現在不是只有「聊天機器人」這麼單純而已，而是走向「會判斷、會找資料、會叫工具做事、還記得上下文」的 Agent 型態。

🎯 為什麼筆者會開這個題目？
其實這題不是憑空冒出來的。筆者前年在鐵人賽寫 Power Platform 時，就有提到 Copilot Studio，不過老實說，那時候篇幅真的不多，只能算是點到為止。原本以為去年就是把前年的缺口補一補, 因為太忙斷賽，結果沒想到，微軟今年豬羊變色, 整個 Agent 戰線全面展開，平台、資源、開發路線都比之前完整很多 😳

這種感覺很像你本來只想補一個小洞，結果一挖發現下面還有地下室、密道、支線任務、魔王關，頭都洗了，只好一路補完啊~

📌 筆者開坑原因
前年 Copilot Studio 只講到皮毛，今年乾脆補完，順便把 Agent 平台整體脈絡釐清楚，尤其是成本與授權 。

📌 這篇適合誰
想做企業 AI 助理、流程自動化、M365 整合、Teams Agent、Low-code/Pro-code 開發的人。

🧠 Agent 跟 RPA 到底差在哪？
這問題超常被問，而且也真的很容易混。因為表面上看起來，兩個都像是在幫你「做事」；你下指令，它去執行。可是差別其實非常大。

RPA 比較偏 rule-based。也就是說，你要先把邏輯寫好、流程排好、條件列好，它再照著跑。這個很像一個很認真的工讀生，你交代什麼，它就做什麼，但不要期待它自己臨場反應太多。

但 Agent 不太一樣。它裡面有 LLM 這顆大腦，所以不是只有硬梆梆地照流程走，而是可以根據你的 instruction 去判斷接下來該做什麼。這個差異，真的就是自動化世界裡的分水嶺啊!!!

當然啦，這不是說 RPA 就過氣了，它還是很好用，尤其是老系統整合時根本是神器, 筆者很多實務都是用RPA從雲端把地端SSIS叫起來做事情；只是看到 Agent 的玩法之後，會有種「喔，原來現在可以不用每一步都自己寫死」的感覺。

🧩 Agent 的核心結構，筆者怎麼理解？
如上圖，微軟給的這張架構圖，筆者覺得拿來解釋 Agent 超級適合。你可以把它理解成一個有腦袋、會用工具、還有記憶的數位同事。

Input：它從哪裡收到任務？
Input 可能來自系統事件、使用者訊息，甚至是其他 Agent 傳來的訊息。也就是說，Agent 不一定是被人直接叫起來做事，它也可能是被整個系統流程觸發的。

Instructions：你怎麼交代它
任務進到 Agent 裡後，最重要的就是 instruction。你要它怎麼判斷、怎麼回應、什麼情況該找資料、什麼情況該呼叫工具，這裡都很關鍵。Prompt下得好，系統不亂跑啊~

Tools：它能不能出去做事
這塊就是 Agent 的手腳。沒有 tools，它再聰明也只是嘴砲王；有 tools，它才有辦法跟外部世界互動，像是查資料、呼叫 API、寫入系統、送通知等等。

🔎 Retrieval
這就是大家常講的 RAG。給它參考資料、知識庫、文件內容，讓它不是只靠模型記憶亂猜。

⚙️ Actions
這是關鍵中的關鍵。能不能去呼叫外部流程、外部系統、外部服務，靠的就是它。

🧠 Memory
記住做過什麼、聊到哪裡、前面有什麼上下文。沒有記憶，很多互動就會像金魚腦。

尤其是 Actions，這是 Agent 能不能真的「動起來」的重點。因為很多人看 Agent 都只看到聊天那一層，但真正有價值的是，它能不能幫你去做查詢、更新、送件、通知、整合流程。

🔧 為什麼筆者說：Power Automate 幾乎是必學？
你如果想把 Copilot Studio Agent 用得好，Power Automate 幾乎一定要會。因為在微軟這套架構裡，Agent 很大一部分的外部互動，都是透過 Power Automate 來完成。尤其你今天如果要跟 M365 這些 App 串接，像是 Outlook、Teams、SharePoint、OneDrive 之類的，Power Automate 根本就是主力橋樑。

很多人一開始會以為 Copilot Studio 就是一個做聊天介面的地方，按一按就好了。結果真的開始做，才發現一堆 action、流程串接、權限處理、資料交換都會碰到 Power Automate。原本以為是選修，結果根本必修😅

你可以把 M365 Copilot 想成比較接近工作場景的上層應用；Agent 365 Platform 是用來實作、管理、協作數位員工的中層平台；而 Azure AI Foundry 則比較像底層模型與 AI 能力的管理平台。

☁️ M365 Copilot
更靠近使用者生產力與工作流程的 AI 體驗。

🧱 Agent 365 Platform
負責實作與管理數位同事，是整個 Agent 解決方案的中樞。

🧪 Azure AI Foundry
模型選擇、管理、調校與更進階 AI 能力的底層平台。

🛣️ 不想寫程式？想自己刻？微軟都有路給你走
這點筆者覺得微軟這次規劃得算滿清楚的。它把 Agent 的開發路線分成兩大派：Low-code / No-code 跟 Pro-code。

左邊：Maker 路線
如果你偏向 Low-code / No-code，那主力工具就是 Copilot Studio、Agent Builder，以及某些像 SharePoint Agent 這類比較貼近業務使用者的玩法。這條路很適合想快速驗證需求、先做出 MVP 的人。

不過Low-code 不是零成本、也不是零學習曲線。它只是把某些難度搬到別的地方，例如平台限制、授權、流程設計邏輯、權限設定。別被「不用寫程式」這五個字騙太慘啊~

右邊：Coder 路線
如果你比較喜歡自己掌控，那也可以走 Pro-code。像是在 Teams 裡打造自己的 Agent，或是透過 SDK 做更進階的擴充，甚至全客製化都行。這塊彈性大很多，但相對技術門檻也高，適合想把 Agent 做成產品、平台或企業級整合解法的人。

這邊其實就是一個很現實的選擇題：你是想快點做出來，還是想完全掌控？兩條路都能到，只是里程碑不同、踩坑位置也不同。

這次筆者預計就是把這整塊 Agent Solution 逐步實作起來，尤其微軟這波資源放得算多，文件、範例、路線圖都比以前完整，這點該稱讚還是要稱讚。雖然有時候文件命名、產品命名、平台邊界還是會讓人看到眼神死，但至少方向比以前清楚不少。

🚀 本篇小結重點
Agent 不只是聊天，它的重點是能判斷、能找資料、能呼叫工具、能保留記憶。
它跟 RPA 最大差異在於：RPA 偏規則執行，Agent 有 LLM 大腦可做情境判斷。
在 Microsoft 生態裡，Power Automate 是 Copilot Studio Agent 對外做事的核心橋樑之一。
微軟已經把 Agent 從 Power Platform 的一角，慢慢拉成一個更完整的平台戰略。
不管你是 Maker 還是 Coder，都有對應的開發路徑可走。

完整內容影片