모듈 1 — Copilot Studio 핵심 개념 개요
출처 및 라이선스 (Source & License) 본 페이지는 Microsoft가 공개한 microsoft/mcs-labs 의 모듈 Copilot Studio Core Concepts Overview 와 연계 슬라이드 덱을 한국어로 번역·요약·재구성한 것입니다. 원문은 MIT License — Copyright © Microsoft Corporation 하에 배포되며, 본 한국어 자료는 MIT 라이선스가 허용하는 범위 (저작권·라이선스 고지 유지) 안에서 재구성했습니다. 라이선스 전문: https://github.com/microsoft/mcs-labs/blob/main/LICENSE · 슬라이드(PPT) 다운로드
레벨 200 · 소요 30분
에이전트·토픽·지식 소스·도구·변수·채널 등 구성 요소를 Classic 작성 모델과 신규 생성형 오케스트레이션 양쪽 관점에서 훑는 개요 모듈입니다.
Classic Copilot Studio의 주요 구성 요소
| 구성 요소 | 한국어 설명 |
|---|---|
| Topics(토픽) | 메이커가 대화의 모든 흐름을 직접 설계·제어하는 작성형 경험. 구조적이고 예측 가능한 상호작용에 유리 |
| Knowledge(지식) | SaaS 기반 RAG 패턴으로 콘텐츠를 검색·요약. 일반 RAG와 달리 토픽·도구와 함께 오케스트레이션 가능 |
| Tools(도구) | Power Platform 커넥터·Power Automate 플로우를 감싼 “대화형 API 래퍼”. 입력을 모으고 출력을 동적으로 생성 |
| Variables(변수) | 대화 상태·정보를 메모리에 저장해 대화를 적응적으로 끌고 감 (상태 유지) |
| Agents(에이전트) | 도구·지식을 묶어 소비하거나 외부 에이전트와 연결 (멀티 에이전트 오케스트레이션) |
| Channels(채널) | Teams, 웹챗, SharePoint 등 다양한 인터페이스로 에이전트를 원클릭 배포 |
| Analytics / Evaluations | 대화·감사·성능에 대한 E2E 텔레메트리, 테스트셋 기준 품질 평가 |
지식(Knowledge)과 RAG의 핵심
- 단순 검색이 아니라 사람의 정보 탐색 과정을 모사: 요청 → 쿼리 이해 → 검색 → 관련성 점검·반복 → 요약 → 더 나은 응답.
- RAG 3단계: Search(최적화 쿼리로 인덱스 검색) → Retrieve(가장 관련 있는 스니펫 추출) → Summarize(인용 포함 근거 기반 응답).
- RAG가 하지 않는 것: 두 긴 문서 비교, 계약-정책 준수 검증 같은 심층 문서 분석. 이런 작업은 결정론적 로직·사람 검토·전용 도구가 필요.
Classic vs New 오케스트레이터
- Classic(메인라인): 계획 생성 → 실행. 사용자 발화에서 토픽/액션/지식으로 계획을 세우고 슬롯 필링·실행 후 통합 응답 생성.
- New(추론 루프): Think → Act → Observe → Reflect를 목표 달성까지 반복. 매 턴을 실제 관측에 근거해 결정하므로 긴 작업에 안정적이고 오류에서 회복 가능. 단, 토픽·차일드 에이전트 미지원, 비결정론적 전용.
New 컴포넌트 모델
전역 행동·사실·액션·절차·메모리·위임·코드 실행을 분리합니다. Skills(SKILL.md 절차 + 샌드박스 보조 파일),
Connected agents(필요 시에만 위임) 등으로 구성됩니다. 설계 원칙은 “루프 안에서 신뢰·검사·안전이 가능한 가장 작은 컴포넌트를 선택”.
Evaluations(평가)
테스트셋을 여러 그레이더(General Quality, Compare Meaning, Text Similarity, Exact/Partial Match, Capability Use, Classification)로 채점하고 합격률 임계값을 설정합니다. 테스트셋은 Zones of Coverage로 설계 — ① 반드시 통과(≈100%), ② 비핵심/모호(<100%, 투자 로드맵), ③ 가드레일(차단되어야 하므로 ≈0%).
📌 본 한국어 페이지는 원문 모듈(MIT © Microsoft)을 번역·재구성한 것입니다. 최신 내용은 원문을 함께 참고하세요.