# Build automation and agent integrations

- 发布方：Microsoft Learn；作者：Microsoft
- 形式：短课程 · en
- 原始资源：[https://learn.microsoft.com/en-us/training/paths/build-automation-agent-integrations/?WT.mc\_id=api\_CatalogApi](<https://learn.microsoft.com/en-us/training/paths/build-automation-agent-integrations/?WT.mc_id=api_CatalogApi>)
- 本站页面：[https://oplearnx.com/resources/res\_2c8m9jbkp7hf](<https://oplearnx.com/resources/res_2c8m9jbkp7hf>)
- 学习主题：人工智能 / AI Agent / 工具调用与工作流；人工智能 / AI Agent；人工智能 / AI 系统与效率
- 内容状态：状态待核验
- 原始发布时间：2026-10-28 01:09
- 本站首次收录：2026-10-29 00:03

## 能学到什么

学完能用 Power Automate 编写容错的云流逻辑，通过受治理的 Dataverse MCP 服务器消费工具，并把代码优先的自定义 Agent 接入 Power Platform 数据与 Copilot Studio Agent。

- 编写能在真实生产数据和不可靠依赖下稳定运行的 Power Automate 云流逻辑
- 在云流中实现数据校验、错误处理与瞬时故障重试，并减少不必要的触发运行
- 通过子流复用逻辑，并用 Microsoft Entra ID 服务主体替代个人账号作为流的所有者
- 将受支持的 MCP 客户端连接到已有的、受治理的 Dataverse MCP 服务器
- 查看服务器允许列表内的工具，并调用一个有边界的 Dataverse 操作
- 说明消费 MCP 服务器与构建、注册服务器之间的治理边界
- 把代码优先的自定义 Agent 接入 Power Platform 数据与组织已在运行的 Copilot Studio Agent
- 让自定义 Agent 访问受治理的 Dataverse 记录、与其他 Agent 协作，并被应用程序直接调用

## 适合我吗

- 适合：适合已经会用 Power Automate 和 Azure/Foundry 相关概念、需要把自定义 Agent 接入企业 Power Platform 环境的开发者。
- 需要留意：不适合零基础学习者，也不适合想学习通用 Agent 框架或模型训练的人；内容绑定微软 Power Platform 生态。

## 前置条件与费用

- 知识前置：需能创建并测试 Power Automate 云流，能运行 Node.js 或 Python 命令行客户端，能修改并运行给定的 Python 或 C\# Agent 项目，能调用需认证的 API 并理解 JSON 工具定义。
- 软件、账号与硬件：需要可访问的、已获批准且预配置好的 Dataverse MCP 服务器；练习涉及 Azure/Microsoft Power Platform、Microsoft Foundry 与 Copilot Studio 环境。
- 内容费用：免费：节选只给出学习路径介绍与 3 个模块的说明，未见付费墙或登录拦截；页面上的 Azure 注册链接属于导航/注册入口。
- 实践费用：实践费用待核验：网页要求可访问已配置的 Dataverse MCP 服务器且涉及 Azure，但未说明练习是否需要付费云资源。
- 转载与修改：按材料分别核对，见本页“来源核验与开课实跑”；仓库许可不自动适用于教材或视频。

## 准备工具

- [Microsoft Learn](<https://learn.microsoft.com/en-us/training/paths/build-automation-agent-integrations/>)：在线学习平台，阅读模块内容
- Power Automate：创建和测试云流
- Dataverse MCP 服务器与 MCP 客户端：练习受治理的工具消费
- Node.js 或 Python 环境：运行命令行客户端与自定义 Agent 项目

## 学习指南

开课检查：提示词由本站整理，尚未按提示词实际完成开课检查。

### 开课提示词

```text
请帮我把「Build automation and agent integrations」的学习环境一次准备好，让我之后只需要按顺序学习和做练习。
开始前先问我：课程放在哪个目录（等我给出完整路径），确认我的操作系统和已有工具。确认前不要创建文件或安装软件。

课程入口：https://learn.microsoft.com/en-us/training/paths/build-automation-agent-integrations/?WT.mc_id=api_CatalogApi
我的系统：Windows。如果实际不符，先调整方案。
本次路线：浏览器或在线环境。只准备这条路线需要的工具；只读路线不安装运行环境、不配置模型密钥。
练习：练习依赖真实的 Power Platform 与 Dataverse MCP 环境，建议在测试环境完成，避免影响生产数据。
课节（官方顺序）：
1. Implement resilient Power Automate cloud-flow logic：https://learn.microsoft.com/en-us/training/modules/implement-resilient-cloud-flows/
2. Consume Dataverse MCP servers from MCP clients：https://learn.microsoft.com/en-us/training/modules/consume-dataverse-mcp-servers/
3. Integrate custom agents with Microsoft Power Platform：https://learn.microsoft.com/en-us/training/modules/integrate-custom-agents-power-platform/

1. 环境
- 浏览器访问 Microsoft Learn
- Power Automate 环境
- 已获批准的 Dataverse MCP 服务器
- Node.js 或 Python 命令行环境
- 安装前先列出要装的软件和命令，等我同意；已装好的直接复用。
2. 材料
- 官方课程页面：只记录链接 https://learn.microsoft.com/en-us/training/paths/build-automation-agent-integrations/?WT.mc_id=api_CatalogApi
3. 目录（最外层放在我确认的位置）
build-automation-agent-integrations/
├── README.md        # 课程入口、课节清单、每次怎么开始
├── progress.md      # 每课：读讲义 / 做练习 / 记笔记
├── questions.md     # 待解决的问题
├── check-env.md     # 环境自检，按 README 操作
├── data/            # 练习用到的样例数据
└── lessons/         # 每课一个文件夹：notes.md + exercises/
    ├── 01-01-implement-resilient-power-automate-cloud/
    ├── 02-02-consume-dataverse-mcp-servers-from/
    └── 03-03-integrate-custom-agents-with-microsoft/
- 每课文件夹里建 notes.md（顶部写本课官方链接）和 exercises/；课节文件夹名称与上面一致。
- 已有课程目录先检查并复用；不覆盖笔记、作业或 progress.md，不重置已有进度。尚未发布的课节保留入口并注明未发布，不能代写讲义或虚构练习。
4. 自检
- 创建 check-env.md，逐项检查并记录“通过/未通过”：
- 按浏览器或在线 notebook 清单检查，不为自检安装本机终端。
  - 打开学习路径页面确认显示 3 个模块  → 能看到三个模块标题与顺序
  - 在 Power Automate 中运行一条测试云流  → 测试运行成功并查看运行历史
  - 用 MCP 客户端连接 Dataverse MCP 服务器并列出工具  → 能看到允许列表中的工具定义
- 标注为人工检查、浏览器操作或 notebook 单元的项目，按相应方式操作，不直接粘贴进 shell；脚本只包含当前系统可执行的命令。
- 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项；需要登录、付费或尚未开放的材料记为“需要我操作/未验证”，不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。
- 运行一次，把结果给我看；未通过的项目说明原因和修复办法。
5. 学习计划
- README.md：课程入口、课节清单（带链接）、每次学习怎么开始（使用“每课提示词”）。
- progress.md：每课三项勾选——读讲义、做练习、记笔记。
6. 最后分三部分汇报：已完成、需要我自己操作的、尚未验证的。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
如果你不能直接操作我的文件系统，请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。
```

### 每课提示词

```text
继续学习「Build automation and agent integrations」。课程目录是 build-automation-agent-integrations/（不知道完整路径就先问我）。
1. 读 progress.md，找到下一课；如果我指定了第几课，就准备那一课。
2. 打开这一课的官方页面和本地讲义，列出本课练习要用的工具、文件和样例数据。缺少的先告诉我，等我同意再安装或下载。
3. 在 lessons/ 对应的课节文件夹里准备好练习：exercises/ 里给每道题建一个文件，写上题号和题目原文链接，不写答案；已有文件保留，样例数据放到 data/。拿不到官方题目或起始代码时记录限制，不编造替代品。
4. 按 README 运行开课时生成的自检脚本或在线检查清单，并检查本课新增工具能否正常使用。
5. 告诉我：本课先读哪几节、从哪道练习开始、大约需要多久。我学完后，帮我在 progress.md 勾选并把问题整理到 questions.md。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
```

### 课节（官方顺序）

1. [Implement resilient Power Automate cloud-flow logic](<https://learn.microsoft.com/en-us/training/modules/implement-resilient-cloud-flows/>)
2. [Consume Dataverse MCP servers from MCP clients](<https://learn.microsoft.com/en-us/training/modules/consume-dataverse-mcp-servers/>)
3. [Integrate custom agents with Microsoft Power Platform](<https://learn.microsoft.com/en-us/training/modules/integrate-custom-agents-power-platform/>)

## 指南参考

- [课程主页](<https://learn.microsoft.com/en-us/training/paths/build-automation-agent-integrations/?WT.mc_id=api_CatalogApi>)

## 来源、许可与验证记录

- **开课提示词未完整验证，需要自备账号或资源**：已获批准且预配置的 Dataverse MCP 服务器；Microsoft Power Platform / Power Automate / Copilot Studio / Microsoft Foundry 环境；Node.js 或 Python 命令行环境，以及可运行的 Python 或 C\# Agent 项目
- 转载与修改 · 课程页面与材料：未找到明确许可。页面仅有 © Microsoft 2026 版权声明，未给出具体许可名 [依据](<https://learn.microsoft.com/en-us/training/paths/build-automation-agent-integrations/?WT.mc_id=api_CatalogApi>)
- 链接检查：1/1 个可以访问

## 来源与推荐

- 编辑整理收录

---
来源：LearnMap · 学径（https://oplearnx.com）