کار با APIهای جدید Copilot مایکروسافت ۳۶۵

هوش مصنوعی را در پلتفرم مدیریت محتوا و دانش سازمانی خود ادغام کنید با ۵ API که به شما کمک می‌کنند هوش مصنوعی خود را بر پایه داده‌های سازمانی بنا کنید و توسعه را سرعت بخشند.

معرفی APIهای Microsoft 365 Copilot

مایکروسافت برای مدتی است که ویژگی‌های هوش مصنوعی را به پلتفرم بهره‌وری Microsoft 365 خود اضافه می‌کند و حتی برنامهٔ پورتال دسکتاپ Office خود را به «Microsoft 365 Copilot» تغییر نام داده است. زیر این تبلیغات ترکیبی از ابزارهای مفید وجود دارد که روش‌های جدیدی برای کار با محتوای سازمانی ارائه می‌دهد.

این تعجب‌آور نیست، زیرا بخش عمده‌ای از Microsoft 365 بر پایهٔ پلتفرم مدیریت محتوای سازمانی موجود مایکروسافت، یعنی SharePoint، ساخته شده است. این پایهٔ ایده‌آل برای ابزارهای هوش مصنوعی است زیرا دسترسی مبتنی بر نقش به ترکیبی از داده‌های ساخت‌یافته و غیرساخت‌یافته را که همگی در مخازن سلسله‌مراتبی تعریف‌شده توسط کاربران و تیم‌ها ذخیره می‌شوند، فراهم می‌کند. این داده‌ها همچنین به مدل‌های زبانی بزرگ (LLMs) زمینهٔ لازم را می‌دهند، چارچوب مورد نیاز برای تولید تقویت‌شده توسط بازیابی (RAG) و سایر تکنیک‌های ارکستراسیون را فراهم می‌کنند.

داشتن واقعیت پایه برای Microsoft 365 Copilot به کاهش ریسک‌های مرتبط با برنامه‌های هوش مصنوعی مایکروسافت کمک می‌کند، اما همچنان محدودیت‌هایی برای آنچه می‌توان با سرویس‌هایی که مایکروسافت می‌سازد انجام داد، ایجاد می‌کند، به‌ویژه وقتی می‌خواهیم آن‌ها را در برنامه‌ها و گردش کارهای خود یکپارچه کنیم. با افزایش اهمیت گردش کارهای مبتنی بر عامل در اتوماسیون فرآیندهای تجاری، دسترسی به پلتفرم Microsoft 365 Copilot می‌تواند سرعت توسعه برنامه‌ها را افزایش دهد.

واضح است که رویکردی یک‌نقشه‌برایهمه در برنامه‌های هوش مصنوعی وجود ندارد. Copilotهای مختلف مایکروسافت تنها بخشی از نیازهای کسب‌وکارها را پوشش می‌دهند و تمرکز بیشتری بر کاربر فردی دارند. اما مایکروسافت یک شرکت پلتفرمی است و در نهایت آنچه برای برنامه‌های خود می‌سازد، تبدیل به بخشی دیگر از داستان توسعه‌دهندگان آن می‌شود.

استفاده از API Interactions برای انطباق

دیده شد که اعلامیهٔ مجموعه‌ای از APIهای Microsoft 365 Copilot در Build 2025 خوشایند بود، که بخش‌های کلیدی عملکرد آن را جدا کرد در حالی که امنیت اساسی مورد نیاز برای ساخت برنامه‌های هوش مصنوعی که با مقررات مناسب سازگار هستند و اطمینان از دسترسی کاربران مجاز به داده‌ها را حفظ می‌کند، حفظ شد. پنج API متفاوت در اولین مجموعه وجود دارند: Retrieval، Interactions Export، Change Notifications، Meeting Insights و Chat. چهار API اول به‌صورت پیش‌نمایش عمومی در دسترس هستند و API چت هم‌اکنون در پیش‌نمایش خصوصی است.

APIهای Retrieval و Interactions Export احتمالاً بیشترین توجه را برای هر کس که گردش کارهای هوش مصنوعی پیرامون Microsoft 365 می‌سازد، جذب می‌کند. پیش‌نمایش‌های عمومی برای آزمایش کد جدید در نظر گرفته شده‌اند، زیرا ممکن است بین نسخه‌ها تغییرات شکسته وجود داشته باشد، بنابراین فقط از نقطهٔ انتهایی بتای Microsoft Graph در دسترس هستند. مانند تمام APIهای Microsoft Graph، اگر مجوزهای صحیح tenant را داشته باشید، می‌توانید از Graph Explorer مبتنی بر وب برای ساخت و آزمایش درخواست‌های API Copilot استفاده کنید.

معرفی APIهای Microsoft 365 Copilot

API Interactions یک خلأ جالب را پر می‌کند، زیرا بر ابزارهای انطباق موجود در Teams ساخته می‌شود تا از Microsoft 365 Graph برای دریافت تعاملات کاربر برای تحلیل استفاده کند. خروجی‌ها شامل درخواست اولیهٔ کاربر و پاسخ سرویس هستند—نه تنها از برنامهٔ مستقل Copilot، بلکه از ابزارهای داخلی مانند Word و Outlook.

API Interactions خود ابزار انطباق نیست، اما می‌تواند برای ساخت چنین ابزاری استفاده شود و راهی برای مشاهدهٔ درخواست‌ها و پاسخ‌های استفاده‌شده در Microsoft 365 Copilot فراهم می‌کند. این امکان یافتن درخواست‌های رایج را می‌دهد و می‌توانید آن‌ها را در برنامه‌های Teams یا افزونه‌های Office بگنجانید. درخواست‌های پیش‌ساخته می‌توانند سپس نظارت شوند تا اطمینان حاصل شود که انحراف خروجی حداقل است یا محتوای به‌روز شدهٔ افزوده‌شده به Microsoft 365 پاسخ‌ها را دچار تحریف نمی‌کند. اگر کاربران درخواست‌هایی استفاده می‌کنند که داده‌ای ندارند، می‌توانید از این به‌عنوان سیگنالی برای ایجاد محتوا یا افزودن منابع استفاده کنید.

دسترسی از طریق یک فراخوانی HTTP آشنا به نقطهٔ انتهایی گراف Copilot انجام می‌شود. می‌توانید تاریخچهٔ کامل تعاملات سازمان خود را در یک فراخوانی دریافت کنید یا فیلترهایی را اعمال کنید تا زیرمجموعه‌ای از داده‌ها را دریافت کنید. برای مثال، می‌توانید بر اساس تاریخ یا شناسهٔ کاربر فیلتر کنید. با ساختار فراخوانی استاندارد Microsoft Graph، به تمام عبارات فیلتر استفاده‌شده در برنامه‌های دیگر دسترسی دارید، همراه با بولی‌های پایه و پرس‌و‌جوهای شبیه به SQL.

نمونه‌برداری منظم از پرس‌و‌جوها و پاسخ‌ها می‌تواند برای شناسایی نشت اطلاعات شخصی شناسایی‌شده استفاده شود، و همچنین اطمینان دهد که کنترل‌های دسترسی مبتنی بر نقش کاربران فقط داده‌های مجاز را در اختیار می‌گذارند. می‌توانید پرس‌و‌جوها را زنجیره کنید، به‌طوری که داده‌های یک پرس‌و‌جو برای رانده شدن پرس‌و‌جوی دیگری استفاده شود؛ به‌عنوان مثال، یک پرس‌و‌جوی Microsoft Graph می‌تواند ابتدا شناسهٔ کاربر را از یک آدرس ایمیل دریافت کند و سپس ببیند که چگونه آن‌ها از Copilot در Word استفاده می‌کنند.

پاسخ‌ها در قالب JSON برگردانده می‌شوند، و می‌توانید از Microsoft Graph SDK برای ساخت و تجزیه درخواست‌ها استفاده کنید. به‌علاوه، ابزارهایی مانند Kiota کتابخانه‌ها را برای نقاط انتهایی خاص تولید می‌کنند، که به شما امکان می‌دهد برنامه‌های تحلیل استفاده از Copilot خود را بسازید و داشبوردهای مربوطه را ایجاد کنید.

پایه‌گذاری برنامه‌های هوش مصنوعی خود با داده‌های سازمانی

آخرین نقطهٔ انتهایی برای دریافت پیش‌نمایش عمومی، API Retrieval است که فرآیند آوردن محتوای سازمانی شما—و دانش سازمانی حاصل از آن—به برنامه‌های هوش مصنوعی شما با استفاده از ابزارهایی مانند Semantic Kernel یا Copilot Studio را ساده‌سازی می‌کند. مانند سایر APIها، برای کار درون محدودهٔ امنیتی Microsoft Graph طراحی شده است، به‌طوری که کاربران پاسخ‌ها را بر پایهٔ مجوزهای خود دریافت می‌کنند.

شما می‌توانید از API برای ساخت برنامه‌های هوش مصنوعی بدون افزودن پیچیدگی استفاده کنید؛ نیازی به ایندکس‌های برداری یا محیط پرس‌و‌جوی جداگانه نیست. در عوض، بر روی ایندکس معنایی مایکروسافت که ویژگی‌های جستجوی سازمانی را در بستر پلتفرم قدرت می‌دهد، ساخته می‌شود. این امر بار کاری لازم برای ساخت اتصالات RAG را کاهش می‌دهد، بنابراین می‌توانید بر محتوایی که می‌خواهید در برنامه‌های خود نشان دهید متمرکز شوید، بدون این‌که وقت صرف الگوریتم‌های جستجوی نزدیک‌ترین همسایه کنید.

با ساختن بر پایهٔ میراث SharePoint در Microsoft Graph، می‌توانید به‌سرعیت محتوای مرتبط را ظاهر کنید، که خطر ایجاد توهمات و خطاها را با تمرکز عملیات بر محتوای خاص و در دامنه‌های خاص کاهش می‌دهد. یک برنامه هوش مصنوعی برای تیم حقوقی می‌تواند بر روی داده‌های کتابخانه‌ها و لیست‌هایی که استفاده می‌کنند، ساخته شود، در حالی که تیم فروش می‌تواند با پیشنهادات و شرایط تاریخی کار کند.

مانند سایر فراخوانی‌های Microsoft Graph، API Retrieval از فراخوانی‌های HTTP استفاده می‌کند که درخواست‌ها در بدنهٔ JSON یک POST جاسازی شده‌اند. این شامل یک رشتهٔ پرس‌و‌جو حداکثر ۱,۵۰۰ کاراکتر، فهرستی از منبع‌های دادهٔ SharePoint یا کانکتور، و فیلترهای فرمت Kusto Query Language (KQL) و تعداد نتایج مورد نیاز است. فیلترها ابزار قدرتمندی برای انتخاب اسناد با متادیتای خاص هستند، به‌عنوان مثال، از یک نویسندهٔ واحد یا مرتبط با پروژه یا مشتری خاص. عبارات فیلتر از KQL استفاده می‌کند و با هر ویژگی اسناد کار می‌کند.

پاسخ‌ها در یک سند JSON برگردانده می‌شوند. این سند شامل لینک‌های به اسناد منبع همراه با استخراج‌های متنی مرتبط است. شما می‌توانید متادیتاهایی که بازگردانده می‌شوند را نیز تعریف کنید، برای مثال، برچسب‌های حساسیت. همان فرایند برای SharePoint و برای کانکتورهای Copilot به منابع دادهٔ خارجی اعمال می‌شود، بنابراین می‌توانید داده‌ها را از ابزارهایی مانند ServiceNow یا Jira بیاورید. کار با کانکتورها به آوردن منابع دانش دیگر کمک می‌کند و امکان ارتباط گردش کارهای عامل با تیکت‌های سرویس و موارد مشابه را فراهم می‌آورد. فیلترها می‌توانند سایت‌ها و سرویس‌های خاصی را هدف بگیرد، با قفل‌کردن به یک یا انتخاب چند منبع.

یکی از جنبه‌های مفید API Retrieval پشتیبانی از دسته‌بندی JSON است. یک فراخوانی می‌تواند تا ۲۰ پرس‌و‌جو را در خود جای دهد. این رویکرد به شما اجازه می‌دهد تا پرس‌و‌جوهای SharePoint و کانکتور را در یک فراخوانی ترکیب کنید، همچنین ترکیب‌های مختلف همان پرس‌و‌جو را داشته باشید. درخواست‌ها شناسه‌های جداگانه‌ای دریافت می‌کنند و پاسخ‌ها به همان شناسه‌ها اختصاص داده می‌شوند. اگر از Microsoft Graph استفاده کرده‌اید، این رویکرد برای شما آشناست، زیرا از قابلیت دسته‌بندی JSON موجود استفاده می‌کند.

ساخت پرس‌و‌جوها در C#

یک کتابخانهٔ مشتری منبع باز با نسخه‌هایی برای C#، TypeScript و Python در حال توسعه است. نسخه‌های فعلی هر سه زبان روی GitHub در دسترس هستند، جایی که می‌توانید هر مشکلی را گزارش کنید. این کتابخانه در نهایت بخشی از Microsoft ۳۶۵ Agents SDK خواهد شد و از طریق NuGet قابل دریافت است. نسخهٔ بتای فعلی ابزار .NET می‌تواند از طریق NuGet با استفاده از .NET CLI یا PowerShell نصب شود.

پس از نصب، کتابخانهٔ مشتری با ارائه‌دهندهٔ هویت Azure کار می‌کند تا دسترسی به Microsoft Graph را مجاز سازد. می‌توانید tenants، منابع داده و رشته‌های پرس‌و‌جو را تعریف کنید. پاسخ در یک شیء Results ذخیره می‌شود و سپس می‌توان آن را خوانده و حسب نیاز استفاده کرد. می‌توانید از این داده‌ها به‌عنوان بخشی از ارکستراسیون LLM با ابزارهای موردنظر خود استفاده کنید.

استفاده از داده‌های ذخیره‌شده در Microsoft Graph برای پایه‌گذاری و شخصی‌سازی برنامه‌های هوش مصنوعی شما منطقی است. SharePoint مدتهاست که مکانی است که کتابخانه‌ها و لیست‌ها به ما امکان ساختاردهی به داده‌های غیرساخت‌یافته را می‌دهند، در حالی که OneDrive منبعی نادیده‌گرفته‌شده از دانش سازمانی است. ترکیب این APIهای جدید با ارکستراسیون LLM باید هر دو امنیت اساسی و پایه‌گذاری مؤثر را فراهم کند، با استفاده از داده‌های خود برای قدرت دادن به عامل‌ها و رابط‌های کاربری گفتگویی.