为 Power Automate 打造的 AI Agents
📢 本文同步发布於公众号：Power Platform · 最佳实践
🔗 原文链接：https://johnliu.net/blog/ai-agents-for-power-automate/
为 Power Automate 打造的 AI Agents
我们发布的 Flow Studio MCP 引起了非常强烈的关注和反响。因此，我们希望进一步推广这一产品。
AI 正在迅速超越摘要式聊天机器人。下一阶段是 AI agents——能够在软件系统内部进行推理、决策并采取实际行动的系统。
但 agents 需要一项关键能力：
AI Agents 需要工具
没有工具，AI agent 只不过是一个口才极佳的旁观者。
这正是 MCP（Model Context Protocol） 的用武之地——也是 Power Automate 之所以具有独特优势、能够成为 agent 辅助自动化平台的原因。
Model Context Protocol（MCP） 是一项开放标准，旨在将 AI 模型与真实的工具和数据源连接起来。
MCP 无需硬编码集成，而是提供了一套标准接口，让 AI 系统能够：
从技术层面来看，MCP 以 客户端-服务器架构 运作：
这种架构允许 任何 AI agent 连接到任何 MCP 服务器，无需定制集成工作。
MCP 为 agents 提供了一种结构化的方式，来安全地发现和调用这些工具。
没有工具，AI 只是建议。
有了工具，AI 就变成了自动化。
为什么 Power Automate 是 Agents 的完美搭档
Power Automate 已经解决了自动化中最困难的部分：
将系统连接在一起。
- 工作流编排
- 身份验证处理
Power Automate 已经被广泛用于跨应用和服务的业务流程自动化。
现在想象一下，一个 AI agent 能够：
突然间，Power Automate 变成了：
AI agents 的行动层。
Agents 无需从零开始编写集成代码，而是可以通过 flows 来编排实际工作。
演示场景：一个 Agent 创建 Flow
想象一下与 AI agent 的这段对话：
创建一个 flow，监视 SharePoint 中的新文件并将其发布到 Teams。
- 理解需求
- 生成 Power Automate flow 定义
- 调用 MCP 工具：
createFlow
一个功能完整的 Power Automate flow 就这样由 AI agent 创建完成了。
更有趣的是：
该 agent 之后还可以：
- 修复损坏的连接器
- 提出优化建议
- 部署改进版本
Flow Studio MCP 的工作原理
Flow Studio 通过一个 MCP 服务器 暴露 Power Automate 的能力。
这允许 AI agents 以编程方式与 flows 进行交互。
典型的工具包括：
AI agents 像这样连接到服务器：
{"mcpServers": {"flowstudio": {"url": "https://mcp.flowstudio.app/mcp","headers": {"x-api-key": "YOUR_API_KEY"}}}}
{"mcpServers": {"flowstudio": {"url": "https://mcp.flowstudio.app/mcp","headers": {"x-api-key": "YOUR_API_KEY"}}}}
一旦连接成功，agent 就能像人类制作者一样操作 Power Automate——但速度更快、持续不断。
这开启了新的可能性：
- 自愈式自动化
- Flows 的 AI 运维
- AI 辅助开发
更大的愿景——AI Agent 自动化
从历史上看，自动化平台是为人类构建的。
在正在兴起的新架构中：
