Skip to content
FundamentalsGitHub Harness

Fondamentali · GitHub Harness ​

Nella GitHub Harness si costruisce un solo agente, l'Assistente Zava GH, con la GitHub Copilot harness di Copilot Studio: istruzioni, fonti di conoscenza, strumenti, skill e workflow, aggiunti un pezzo per lab. È lo stesso help desk di Zava della Standard Harness, costruito con un modello diverso: invece di disegnare il percorso della conversazione si descrivono obiettivi, capacità e limiti, e il runtime decide i passi. Parti dal Lab 01 e prosegui in ordine.

Prerequisiti ​

  • Un account Microsoft 365 aziendale o scolastico
  • Accesso a Copilot Studio, con la nuova esperienza attiva
  • Un ambiente dedicato al corso con un database Dataverse e Copilot Credits disponibili
  • Accesso a SharePoint per il sito con i documenti dell'Help Desk e la lista dei dispositivi

Importante

Copilot Credits già durante lo sviluppo

Gli agenti della GitHub Copilot harness usano la fatturazione a consumo: creazione in linguaggio naturale, Preview e valutazioni consumano crediti anche se l'agente non viene mai pubblicato. Completare tutti i lab dei Fundamentals GitHub Harness consuma circa 1.000 Copilot Credits. Prima di iniziare verificare con l'amministratore che l'ambiente del corso abbia crediti disponibili.

Lab ​

#LabArgomentoTempo
01Environment Setup Ambiente e solution75 min
02Agent and Knowledge Sources Istruzioni e conoscenza90 min
03Adding Tools Strumenti e memoria75 min
04Adding Skills Skill75 min
05Automating with Workflows Workflow90 min

Concetti chiave ​

Harness e orchestrazione ​

Il modello fornisce ragionamento e generazione; la harness è il runtime tra il modello e la configurazione dell'agente: decide quando chiamare il modello, che cosa mandargli e quali strumenti eseguire.

Orchestrazione: nella standard harness un piano esplicito (intento, piano, esecuzione); nella GitHub Copilot harness un ciclo continuo di pensiero, azione, osservazione e decisione sullo stato più recenteSTANDARD HARNESS · PIANO, POI ESECUZIONE1. Intentocapisce la richiesta2. Pianosintetizza un workflowa più passi3. Esecuzioneesegue i passi scrittiOGGETTO PIANO ESPLICITORaccogli gli inputEsegui l'azioneconnettore, topic,query dati, …Risposta: riassumiMeno repianificazione dal vivo, più facile da ispezionareGITHUB COPILOT HARNESS · CICLO CONTINUOPensieroragiona sullo statopiù recenteAzionechiama un toolo un topicOsservazionelegge il risultatodel toolDecisionesceglie al voloil prossimo passostato più recenteContinua a decidere dallo stato più recente

Per questo le istruzioni e le descrizioni di fonti e strumenti contano più dei percorsi disegnati. La GitHub Copilot harness è la scelta giusta per problemi ampi che non si possono mappare del tutto in anticipo, come interrogare un modello dati complesso con molti campi sconosciuti.

Nota

Una scelta fatta alla creazione

La harness si sceglie quando si crea l'agente: un agente GitHub Copilot non si trasferisce nella standard harness, e viceversa. Il nome indica la tecnologia di orchestrazione: non è il servizio GitHub Copilot, non richiede un abbonamento GitHub e i dati degli agenti non vengono inviati a quel servizio. Vedere Harnesses in Copilot Studio.

I blocchi dell'agente ​

Ogni comportamento ha un posto giusto: conviene scegliere il componente più piccolo che lo rende affidabile, verificabile e sicuro dentro il ciclo.

SKILLSprocedure riutilizzabili che il ciclo richiama se serveChannelsEvaluationsAnalyticsEnterprise Governance
Passa il mouse su un riquadro o selezionalo per vederne il dettaglio.
ComponenteA che cosa serveNell'Assistente Zava GHLab
IstruzioniCiò che vale in ogni conversazione: ruolo, perimetro, tono, regole di sicurezzaRispondere solo dalle fonti, non chiedere mai credenziali02
ConoscenzaFatti da cercare e citare: file, siti web, SharePointKB sul reset della password, guide VPN, playbook e SLA02
StrumentiAzioni e dati in tempo reale: connettori, server MCP, workflowLeggere il profilo di chi scrive, inviare un annuncio per email03
Memoria (anteprima)Contesto per utente che resta tra una sessione e l'altraDispositivo e reparto preferito, mai credenziali03
SkillProcedure caricate solo quando servonoSupporto tecnico, apertura di un ticket, annuncio di lavoro04
WorkflowPassi deterministici, usati dall'agente come strumentoRichiesta di un dispositivo verificata sulla lista Dispositivi05
ModelloIl motore di ragionamento, scelto nella scheda BuildModello predefinito02

Suggerimento

Istruzioni o skill?

Le istruzioni guidano il comportamento ma non aggiungono capacità, e si caricano a ogni turno. Prima di aggiungere una regola, chiedersi se l'agente ha la conoscenza, lo strumento o la skill per applicarla, e se vale in ogni conversazione: se vale solo a volte, il suo posto è una skill.

Skill ​

Una skill è fatta di istruzioni e risorse caricate a richiesta: nel contesto restano sempre solo il nome e la descrizione di SKILL.md, che servono a instradare la richiesta. Si sceglie una skill per tenere leggibili le istruzioni dell'agente, per usare il contesto solo quando lo scenario lo richiede e, in alcuni casi, per migliorare l'accuratezza: un prompt grande sempre attivo fa pesare a ogni turno indicazioni irrilevanti. Si costruiscono nel Lab 04.

Anatomia di una skill: i metadati di SKILL.md sempre nel contesto; istruzioni, esempi, risorse e script caricati solo quando lo scenario corrisponde; da evitare descrizioni vaghe, mega-skill, elenchi di fatti e skill non rivisteSEMPRE NEL CONTESTOSKILL.mdname + description = metadatidi instradamentoCARICATO SOLO QUANDO SERVEIstruzioniil nucleodella skillEsempimostrare,non spiegareRisorsefile, templateScriptcodice eseguibilese lo scenario corrispondeDA EVITAREDescrizioni vaghesegnali di instradamento deboli: la skillscatta male o non scatta maiMega-skilluno scope che fa tutto confonde l'intentoe si sovrappone alle altreElenchi di fattiuna skill guida, non sostituisceuna fonte KnowledgeSkill non rivistele skill da AI o community sono codicenon attendibile: rivederle prima

Conoscenza da SharePoint ​

Con le fonti SharePoint l'orchestratore recupera solo la conoscenza che serve: la aggiunge il Lab 02, e i permessi di chi scrive continuano a valere.

IN SHAREPOINTNELL'AGENT SANDBOXDisponibile nell'Agent SandboxI file SharePoint completi restano nel contenitore della sandbox dell'agente per il resto della conversazione,nel formato elaborato: le domande successive trovano risposta da ciò che è già stato recuperatoe le ricerche non si ripetono, salvo che servano altre informazioni.
Passa il mouse su un riquadro o selezionalo per vederne il dettaglio.

Agent Sandbox ​

Quando il ragionamento non basta, l'orchestratore scrive ed esegue script in uno spazio di lavoro Linux/Python isolato. È il posto giusto per l'esecuzione deterministica: calcoli, generazione di file, parsing, grafici e validazioni che il modello non deve improvvisare.

CHE COSA PUÒ FARE L'AGENTE NELLA SANDBOXEseguire comandiutility Bash/Linux per file, tabellee validazioniScrivere scriptcodice Python per logica ripetibile,trasformazioni e calcoliGenerare artefattigrafici, file PowerPoint, Word, Excele PDF, dataset puliti, immaginiUsata in automatico quandoil compito richiede calcolo esatto,parsing, validazione o creazione di fileNessun Internet in uscitale attività esterne passano da Tool eKnowledge, così valgono le policy DLP
Passa il mouse su un riquadro o selezionalo per vederne il dettaglio.

Dai flow ai workflow ​

I workflow nascono dall'avvicinare automazione deterministica e agenti. Scegliere fra un agente e un workflow dipende da quale quota del processo è nota prima dell'esecuzione: i workflow calzano dove inizio e fine sono noti e la variabilità sta nei singoli passi. Un workflow può chiamare agenti, e un agente può chiamare workflow: è il caso dell'Assistente Zava GH nel Lab 05.

Dai cloud flow agli agent flow ai workflow, con tre caratteristiche per ciascunoCLOUD FLOWSFlessibileautomatizza processi traapp e serviziGira in Power AutomateConnettoristandard e premiumAGENT FLOWSPer gli agentiesperienza ottimizzata per leautomazioni degli agentiGira in Copilot StudioConnettori per agentiottimizzati per le azionidegli agentiWORKFLOWSTela migliorataper costruire automazioniagentiche in Copilot StudioGira in Copilot StudioNodi AI nativie un agent designer inlineOttimizzato per Copilot StudioOttimizzato per l'automazione agentica
Agenti e workflow: l'orchestratore con skill, esecuzione di codice e tool (workflow) a confronto con un workflow fatto di trigger, condizione, operazioni sui dati e outputAGENTI · PERCORSO AGILEOrchestratoreciclo diragionamentoSkillEsecuzione di codiceTool (workflow)WORKFLOW · PERCORSO PREVEDIBILETriggerIf/ElsecondizioneOperazione sui datiGenera outputragiona e genera(Agente)Operazione sui datiScrittura su sistemaazione di scrittura(Connettore)Il percorso è agile, alcuni processi sono prevedibili.L'orchestratore chiama passi ben strutturati e ripetibili (flow e codice)per azioni di natura deterministica.Es. intake sanitario: l'esito consultivo nasce da un dialogo multi-turnocon il paziente.Il percorso è prevedibile, alcuni processi sono agili.Inizio e fine del flusso (uno o più) sono noti in anticipo, con capacitàAI incorporate dove un passo richiede ragionamento o giudizio.Es. approvazione spese: le nuove voci possono portare a unpercorso rapido o a un controllo di policy.

Copilot Credits ​

Nella GitHub Copilot harness la fatturazione inizia quando si inizia a costruire, non quando si pubblica: tutto il ciclo di vita consuma crediti, mentre la standard harness fattura solo dopo la pubblicazione.

Copilot Credits lungo il ciclo di vita: la standard harness non fattura creazione, build, preview, valutazione, e fattura dopo la pubblicazione; la GitHub Copilot harness fattura ogni faseStandard harnessGitHub Copilot harnessCreazioneNon fatturatoCreditiBuildNon fatturatoCreditiPreview e testNon fatturatoCreditiValutazioneNon fatturatoCreditiUso per gli utentiDopo la pubblicazioneCreditiLicenza Microsoft 365 Copilotcopre gli agenti della standard harness usati nei canali Microsoft 365, mai quelli dellaGitHub Copilot harness: creazione ed esecuzione si fatturano qualunque sia la licenza dell'utente
  • Che cosa consuma: i token del modello, gli strumenti (inclusa la conoscenza) e la harness stessa, durante la creazione in linguaggio naturale, la Preview, le valutazioni e poi ogni uso dell'agente pubblicato.
  • A chi si addebita: all'ambiente in cui l'agente gira, non alle singole persone; l'uso non è incluso nella licenza Microsoft 365 Copilot.
  • Dove si vede: in Preview c'è una stima dei crediti della sessione, la cronologia (History) ne riporta il valore per ogni conversazione e la scheda Monitor mostra il totale definitivo.
  • Quando finiscono: l'agente smette di rispondere e i maker non possono più usare Preview finché non tornano crediti disponibili. Vedere Overview of usage-based billing.

Standard harness e GitHub Copilot harness ​

EsigenzaStandard harnessGitHub Copilot harness
Percorso di conversazione controllatoTopic con nodi, condizioni e variabiliSkill caricate quando la richiesta corrisponde alla descrizione
Generazione guidata di testoPrompt toolSkill e istruzioni
Automazione deterministicaAgent flowWorkflow
Versioni multiple di un documentoFile group con istruzioniFile separati, descrizioni e regole nelle istruzioni
Solo risposte dalle fontiImpostazioni per disattivare web e conoscenza generaleFonti aggiunte, Search all websites spento e istruzioni
Test interattivoPannello TestScheda Preview con la traccia del ragionamento
FatturazioneDopo la pubblicazioneDalla prima prova, in Copilot Credits

Per processi brevi e sempre uguali, come un bot che raccoglie gli stessi dati di un ticket nello stesso ordine, la standard harness è la scelta più proporzionata. L'Assistente Zava GH combina invece documenti diversi, il profilo di chi scrive, email, procedure e un workflow, con richieste che cambiano da persona a persona: è il lavoro per cui la GitHub Copilot harness giustifica il suo costo. Vedere Compare Copilot Studio agent harnesses.