- Área de tecnologia principal: M365 Copilot
- Áreas de tecnologia adicionais: Copilot Studio
- Perfil do autor: https://linktr.ee/edupopov
Este post tem como objetivo demonstrar, passo a passo, como criar um agente do Copilot para coletar dados diretamente da base do SCCM — para quem ainda utiliza essa plataforma no dia a dia.
A parte que exige mais atenção é a definição das instruções detalhadas e dos tópicos que orientarão o agente. Uma vez bem estruturada essa lógica, todo o restante do processo se torna simples e bastante intuitivo.
O Copilot Studio, inclusive, facilita muito a vida de quem precisa desenvolver agentes corporativos de forma organizada e eficiente.
Para começar a criar um agente no Copilot Studio, é fundamental considerar alguns elementos-chave. Neste conteúdo, apresento esses componentes de forma visual, utilizando um mapa mental para tornar o entendimento mais claro e objetivo.
Outro ponto crítico — e que merece atenção redobrada — é o licenciamento envolvido na solução. Ao trabalhar com o Copilot Studio, é fundamental ter clareza de que nem todos os recursos utilizados por um agente estão necessariamente cobertos pela mesma licença. Em especial, alguns Conectores Premium e determinadas ações de automação não fazem parte do escopo direto do Copilot Studio, sendo licenciados através do Power Automate.
Na prática, isso significa que um agente pode funcionar perfeitamente do ponto de vista técnico, mas gerar bloqueios, limitações ou até custos inesperados se o modelo de licenciamento não for corretamente avaliado. Exemplos comuns incluem:
- Uso de Conectores Premium para acesso a bases externas (SQL Server on‑premises, APIs customizadas, HTTP com autenticação avançada, entre outros);
- Execução de fluxos que dependem de gatilhos ou ações premium no Power Automate;
- Integrações que exigem gateway de dados ou conectividade híbrida, muito comuns em cenários com SCCM.
Cada um desses elementos pode exigir licenças adicionais, seja por usuário, por fluxo ou até por volume de execuções, dependendo da arquitetura escolhida.
Como gosto muito de utilizar mapas mentais para visualizar cenários, dependências e impactos de decisão, deixei aqui um rascunho que considero bastante útil para o dia a dia — especialmente na fase de desenho da solução e alinhamento com áreas como arquitetura, governança e financeiro.
E faço questão de reforçar: é um rascunho. Cada cenário possui suas próprias particularidades e deve passar por uma avaliação prévia detalhada, considerando:
- O tipo de conectores utilizados (standard vs. premium);
- Onde a lógica de negócio estará centralizada (Copilot Studio, Power Automate ou ambos);
- O modelo de licenciamento mais adequado ao uso esperado;
- E, principalmente, o crescimento futuro da solução.
Esse cuidado evita surpresas, retrabalho e garante que o agente seja não apenas funcional, mas sustentável do ponto de vista técnico e financeiro.
Muito bem, para montar o agente você vai precisar de algumas configurações. O primeiro passo é entregar uma descrição aderente. Eu geralmente uso uma descrição bem resumida e objetiva.
Depois precisamos escolher o modelo adotado pelo agente. No meu exemplo já utilizei o GPT-5, mas você precisa traçar a estratégia antes. Aqui quero trabalhar com "tarefas maiores", então faz sentido usar o GPT-5.
No Copilot Studio, o GPT‑5 atua como o motor central de orquestração cognitiva do agente, não apenas como um gerador de texto.
Ele é responsável por interpretar as agent instructions, compreender a intenção do usuário, decidir quais tópicos, ferramentas, ações, fluxos ou fontes de conhecimento devem ser utilizados e, por fim, sintetizar a resposta final.
A Microsoft integrou o GPT‑5 de forma nativa ao ciclo de orquestração do Copilot Studio, permitindo que o modelo participe ativamente do planejamento (“plan”), da execução de chamadas de ferramentas (“tool calls”) e da consolidação de resultados em respostas coerentes e alinhadas às regras do agente.
Esse papel é explicitamente descrito pela Microsoft como o orchestration model do agente, ou seja, o componente que decide como o agente age, não apenas o que ele responde.
Do ponto de vista de quem constrói agentes no Copilot Studio, o GPT‑5 eleva o agente de um chatbot reativo para um executor cognitivo orientado a objetivos. Isso significa que a qualidade do resultado passa a depender menos de lógica rígida em tópicos e mais da clareza das instruções, da descrição correta das ferramentas e do desenho do fluxo de decisão.
Em ambientes técnicos — como no meu caso (e no seu), com SCCM e SQL — o GPT‑5 permite interpretar pedidos em linguagem natural, planejar a consulta, respeitar regras de segurança e entregar um resultado consistente, desde que os limites estejam bem definidos nas instruções. Em resumo, no Copilot Studio, o GPT‑5 não é apenas “o modelo que responde”, mas o componente que raciocina, planeja, orquestra e valida o comportamento inteiro do agente dentro dos limites estabelecidos pela plataforma.
Depois vem as instruções. As instruções no Copilot Studio funcionam como a camada central de controle do comportamento do agente, orientando o orquestrador de IA sobre qual é o papel do agente, quais recursos ele pode usar e como deve tomar decisões frente às solicitações do usuário.
Tecnicamente, elas atuam como um policy layer que condiciona a interpretação de intenção, a seleção de ferramentas, tópicos, fluxos, conectores e fontes de conhecimento, além de influenciar diretamente a forma como o modelo constrói a resposta final. Sem instruções bem definidas, o agente tende a operar de forma genérica, podendo escolher ferramentas inadequadas, gerar respostas fora do escopo ou assumir capacidades que não existem no ambiente configurado.
Do ponto de vista arquitetural, as instruções não são um simples texto explicativo, mas sim um mecanismo de alinhamento entre o modelo de linguagem e os limites técnicos, de segurança e de governança do agente. Elas estabelecem regras explícitas (por exemplo, somente leitura em SQL, validação prévia de consultas, formato de saída, tratamento de erros) que restringem o espaço de execução do modelo, reduzindo riscos operacionais e aumentando previsibilidade.
Em resumo, as instruções definem o que o agente pode fazer, como deve fazer e como deve responder, servindo como o contrato técnico que garante que a IA atue de forma confiável, controlada e aderente aos objetivos do ambiente corporativo.
O texto adicionado à instrução inicial é o seguinte (está em azul):
Por fim, defini aqui as bases de conhecimento. No meu teste deixei meus repositórios GitHub. Aqui deixei com a URL completa, mesmo sabendo que nas boas práticas, precisamos omitir o htt e o www além de entender que a pesquisa ocorre sempre no máximo em 2 níveis de profundidade da URL (pelo menos até a data de publicação deste post).
Você também pode fazer a trilha de Applied Skills do Copilot Studio na Microsoft (que é muito bacana). Ela vai te proporcionar uma excelente base de conhecimento com bons fundamentos.
Por fim configurei a Ferramenta com um conector exclusivo para o SQL
Enriqueci os tópicos com uma estrutura de perguntas relacionadas ao meu dia a dia envolvendo a administração de ambientes. Coisas relacionadas a quantidade de equipamentos de um vendor específico, tipos de sistemas operacionais, bitlocker ativos no ambiente, etc... etc...
Basicamente a realidade vivida no modelo de Modern Workplace (MD-102).
Neste modelo ainda não aprimorei os gatilhos nem o uso de outros agentes de apoio, mas acredito que conforme este agente for evoluindo, será necessário uma pequena revisão.
Lembre-se que você pode navegar pelas opções do agente na parte superior da tela no Copilot Studio.
