Guide · Chapter 2

Copilot Studio 화면 구성 이해

Agent 개념과 Copilot Studio의 주요 메뉴 및 핵심 구성 요소(Topics, Generative Answers, Actions, Knowledge)를 실무 관점에서 알아봅니다.

게시일 2026-04-08

1. Agent란 무엇인가

Copilot Studio에서 “Agent”는 사용자와 대화하며 특정 업무를 수행하는 AI 기반 봇입니다. 과거 “Copilot” 또는 “Bot”이라 불리던 단위가 현재는 “Agent”로 통일되었습니다.

Agent는 단순히 질문에 답변하는 것을 넘어, 지침(Instructions)과 컨텍스트를 기반으로 최적의 행동을 자율적으로 결정할 수 있습니다. 언어 모델, 지침, Knowledge, Topics, 도구(Tools), 트리거를 조합하여 목표를 달성합니다.

📖 참조: What is an agent?

1.1 Agent의 핵심 속성

속성 설명 설정 위치
이름 / 아이콘 Agent의 식별 정보. 사용자에게 노출됩니다. Overview 탭
설명(Description) Agent의 역할과 용도를 기술합니다. Overview 탭
지침(Instructions) Agent의 동작 방식을 자연어로 정의합니다. LLM이 이 지침을 참고하여 응답합니다. Overview 탭
Knowledge Agent가 참고할 데이터 소스를 연결합니다. Knowledge 탭
Topics 특정 의도(Intent)에 대한 대화 흐름을 정의합니다. Topics 탭
Actions 외부 시스템 호출, 자동화 플로우 등을 연결합니다. Actions 탭
AI 모델 Agent가 사용할 기본 LLM 모델을 선택합니다. Settings > Generative AI
📌 Agent = 대화 + 지식 + 행동
Agent는 단순한 챗봇이 아닙니다. 지침(Instructions)으로 성격을 부여하고, Knowledge로 지식을 연결하며, Actions로 실제 업무를 수행할 수 있는 통합 단위입니다.

1.2 Agent의 두 가지 동작 모드

모드 설명 입출력
대화형 (Conversational) 사용자의 질문에 실시간으로 답변하고 가이드를 제공 입력: 텍스트 → 출력: 응답, Adaptive Card
자율형 (Autonomous) 이벤트(새 레코드, 폼 제출 등)에 자동 반응하여 작업 수행 입력: 트리거 → 출력: 자동화된 Action 실행

2. 주요 메뉴 및 구성 요소

2.1 좌측 네비게이션

메뉴 설명
Agents 생성된 Agent 목록 확인 및 관리
환경 선택 상단에서 Power Platform 환경을 전환 (Dev / Test / Prod)

2.2 Agent 편집 화면 (6개 탭)

Agent를 선택하면 아래 탭이 제공됩니다. 각 탭의 역할을 명확히 이해하면 Agent 설계가 훨씬 쉬워집니다.

탭 핵심 역할 실무 포인트
Overview Agent의 정체성 정의 — 이름, 설명, 지침(Instructions), 언어, AI 모델 선택 이후 Topics·Knowledge·Actions의 해석 기준이 됨
Knowledge 데이터 소스 연결 — SharePoint, OneDrive, 웹사이트, 파일, Dataverse Generative Answers의 RAG 기반. “정답의 출처”
Topics 대화 흐름 설계 — 트리거 → 노드(질문·조건·Action·메시지) “틀리면 안 되는 영역”에 사용
Actions 외부 연동 — Power Automate, 커넥터, HTTP, MCP, AI Prompt “답변을 넘어 일을 시키는” 핵심 기능
Publish 게시 및 채널 배포 — Teams, 웹, M365 Copilot 등 Publish 전/후 응답이 다르므로 반드시 게시 후 테스트
Analytics 사용 현황 분석 — 세션 수, 해결률, 미응답 질문, CSAT 운영 단계에서 진짜 가치가 발생하는 탭

📖 참조: Create and edit topics · Knowledge sources · Use actions

⚠️ PoC에서 가장 빈번한 실수
"편집은 했는데 왜 안 바뀌지?" — Publish를 하지 않으면 변경사항이 실제 채널에 반영되지 않습니다. 편집 중인 내용은 테스트 패널에서만 확인 가능하며, 기존 게시 버전이 유지됩니다.

3. 오케스트레이션 모드: Classic vs Generative

Agent의 핵심 동작 방식을 결정하는 설정이 Settings > Generative AI에 있습니다. 이 선택이 Agent의 전체 행동 방식을 좌우합니다.

구분 Classic 모드 Generative 모드
의도 인식 트리거 문구 기반 NLU 매칭 LLM이 자연어로 의도 파악
다중 의도 하나의 발화 → 하나의 Topic 하나의 발화 → 여러 의도 동시 처리
Topic 선택 트리거 문구 유사도 Topic의 이름과 설명 기반 LLM 판단
Action 호출 Topic 내 명시적 노드 배치 LLM이 자율적으로 적절한 Action 선택
제어력 ✅ 높음 (예측 가능) ⚠️ 유연하지만 테스트 필요
적합 시나리오 정형화된 대화, 정책·프로세스 안내 유연한 대화, 다중 의도, FAQ

📖 참조: Orchestrate agent behavior with generative AI

💡 실무 권장 — Hybrid 모델
실무에서 가장 잘 동작하는 구조는 Generative 모드를 기본으로 켜되, 핵심 업무는 Topic으로 설계하는 하이브리드 방식입니다.
  • 1차: Topic 매칭 시도 → 매칭 성공 시 정형 흐름 실행
  • 2차: 매칭 실패 시 → Generative Answers (Knowledge 기반 AI 답변)
  • 3차: 그래도 실패 시 → Fallback Topic (에스컬레이션 안내)
이렇게 하면 "틀리면 안 되는 건 Topics, 유연해야 하는 건 Generative"로 역할이 명확히 나뉩니다.

4. Topics 상세

Topics는 특정 사용자 의도(Intent)에 대한 대화 흐름을 정의하는 핵심 단위입니다.

4.1 Topic 생성 방식 3가지

방식 설명 적합 대상
수동 생성 빈 Topic에서 노드를 하나씩 추가 세밀한 제어가 필요할 때
자연어 생성 (Generative Builder) “이런 Topic을 만들어줘”라고 설명하면 AI가 생성 빠른 프로토타이핑
기존 Topic 수정 Copilot 도움으로 기존 Topic을 자연어로 수정 반복 개선

📖 참조: Create and edit topics with Copilot

4.2 Topic의 구성 요소

  1. 트리거(Trigger): 사용자가 특정 문구를 입력하면 해당 Topic이 활성화됩니다.
    • Classic 모드: 트리거 문구 유사도로 매칭
    • Generative 모드: Topic의 이름과 설명을 기반으로 LLM이 자동 매칭
  2. 노드(Node): Topic 내부의 처리 단계
노드 유형 설명 활용 예시
메시지 노드 사용자에게 텍스트/카드를 표시 안내 메시지, 결과 출력
질문 노드 사용자에게 정보를 요청 (선택지, 텍스트 등) 이름, 유형, 날짜 입력
조건 노드 조건 분기 처리 (if/else) 유형별 다른 처리
Action 노드 외부 시스템 호출 API 호출, 이메일 발송
Topic 리다이렉트 다른 Topic으로 흐름 전환 모듈화된 대화 구조
Generative Answers 노드 Knowledge 기반 AI 답변 생성 특정 소스에서 동적 응답

4.3 시스템 Topic vs 사용자 Topic

구분 설명 예시
시스템 Topic 기본 제공. 수정 가능하나 삭제 불가. Greeting, Escalation, End of Conversation, Conversational Boosting, Fallback
사용자 Topic 사용자가 직접 생성하는 커스텀 대화 흐름. 휴가 신청, IT 요청, 제품 문의

4.4 Conversational Boosting — 기본 제공 “AI 답변 엔진”

Agent를 생성하면 자동으로 Conversational Boosting 시스템 Topic이 만들어집니다. 이 Topic에 Generative Answers 노드가 기본 포함되어 있어, Knowledge 소스를 연결하기만 하면 바로 AI 답변이 시작됩니다.

사용자 질문 → Topic 매칭 시도
  ├─ 매칭 성공 → 해당 Topic 실행 (정형 흐름)
  └─ 매칭 실패 → Conversational Boosting Topic
       → Generative Answers 노드 (Knowledge 기반 답변)
            ├─ 답변 생성 성공 → 출처(Citation)와 함께 응답
            └─ 생성 실패 → Fallback Topic (에스컬레이션/안내)
💡 실무 팁 — Topic 설계 원칙
  • 모든 질문에 Topic을 만들 필요 없습니다. 정형 업무 처리(휴가 신청, IT 요청 등)만 Topic으로, 나머지는 Generative Answers에 맡기세요.
  • Generative 모드에서는 트리거 문구보다 Topic의 이름과 설명이 더 중요합니다. LLM이 이를 기준으로 어떤 Topic을 호출할지 판단합니다.
  • "틀리면 안 되면 Topics, 유연해야 하면 Generative" — 이 판단 기준을 먼저 세우세요.

5. Generative Answers 상세

Generative Answers는 사전 정의된 Topic에 매칭되지 않는 사용자 질문에 대해, 연결된 Knowledge 소스를 기반으로 LLM이 자동 생성한 답변을 제공하는 기능입니다.

5.1 동작 방식

  1. 사용자 질문 입력
  2. Topic 매칭 시도 → 매칭 실패
  3. Knowledge 소스에서 관련 문서/정보 검색 (시맨틱 검색)
  4. 검색 결과를 LLM에 전달 (RAG 패턴)
  5. LLM이 컨텍스트에 맞는 자연스러운 답변 생성
  6. 결과 검증 및 콘텐츠 안전성 확인
  7. 출처(Citation)와 함께 답변 제공

📖 참조: Use generative answers in a topic

5.2 Generative Answers 배치 위치

Generative Answers 노드는 여러 위치에 배치할 수 있어 유연한 답변 전략을 구성할 수 있습니다.

배치 위치 설명 사용 시나리오
Conversational Boosting Topic (기본) Topic 매칭 실패 시 자동 실행 일반적인 FAQ, 문서 기반 Q&A
특정 Topic 내 Topic 흐름 중간에 삽입 특정 맥락에서 추가 정보 제공
Fallback 이전 에스컬레이션 전 마지막 시도 미해결 질문 최소화

5.3 주요 설정

설정 설명 참조
응답 범위 제한 “Search only selected sources” — 특정 Knowledge 소스만 사용 Learn
일반 지식 사용 Use general knowledge — Knowledge 외 일반 정보 활용 여부 Learn
콘텐츠 모더레이션 응답의 엄격도 수준 설정 (높음/보통/낮음) Learn

6. Actions 상세

Actions는 Agent가 외부 시스템과 상호작용하기 위한 기능입니다. “답변하는 Copilot”에서 “업무를 처리하는 Agent”로 바뀌는 지점이며, 대부분 고객 PoC에서 가장 임팩트가 큰 기능입니다.

6.1 Action 유형

유형 설명 예시 참조
Power Automate 플로우 기존 PA 플로우를 호출 승인 요청, 이메일 발송 Learn
커넥터 액션 표준/커스텀 커넥터 직접 호출 SharePoint 조회, Outlook 메일 Learn
HTTP 요청 REST API 직접 호출 외부 ERP/CRM 데이터 Learn
MCP 서버 Model Context Protocol 서버 연결 자체 MCP 서버의 도구 호출  
AI Prompt AI 모델에 맞춤형 프롬프트 실행 HTML 카드 생성, 데이터 요약 Learn

6.2 Classic vs Generative 모드에서의 Action 실행

구분 Classic 모드 Generative 모드
호출 방식 Topic 내 Action 노드에서 명시적 호출 LLM이 자율적으로 판단하여 호출
매개변수 수집 질문 노드로 사전 수집 부족한 정보만 사용자에게 질의
결과 처리 변수에 저장 후 수동 활용 자동 요약하여 응답에 반영

📖 참조: Orchestrate agent behavior with generative AI

⚠️ Generative Actions 사용 시 주의
Generative 모드에서 Agent가 의도치 않게 Action을 호출할 수 있습니다. 이메일 발송, 데이터 수정 등 부수효과(Side Effect)가 있는 Action은 지침에서 호출 조건을 명확히 제한하세요. 예: "이메일을 보내기 전에 반드시 사용자에게 수신자, 제목, 본문을 확인받아."

7. Knowledge 상세

Knowledge는 Agent가 답변을 생성할 때 참고하는 데이터 소스입니다. Generative Answers의 핵심 기반이며, Agent의 전문성과 정확도를 결정합니다.

7.1 지원 Knowledge 소스

소스 유형 설명 동기화 참조
SharePoint 사이트 사이트 URL 연결 4~6시간 자동 Learn
OneDrive 개인/공유 OneDrive 파일 4~6시간 자동 Learn
웹사이트 URL 공개 웹사이트 크롤링 주기적 Learn
파일 업로드 PDF, Word, Excel, PPT 직접 업로드 수동 갱신 Learn
Dataverse Power Platform 테이블 데이터 실시간 Learn
💡 실무 팁 — "문서 품질 = 에이전트 품질"
Agent의 응답 품질이 낮을 때, LLM 문제라고 생각하기 쉬우나 대부분은 문서 품질 문제입니다.
  • ✅ 권장: 제목·목차가 명확한 문서, 하나의 문서 = 하나의 주제, 최신 문서만 유지
  • ❌ 비권장: PPT 슬라이드 그대로 업로드, 중복/초안 문서 혼합, 권한 불명확한 문서
  • Knowledge 없이 Instructions만 넣으면 응답 품질이 급격히 흔들립니다. 반드시 함께 구성하세요.

7.2 Knowledge 접근 권한

  • SharePoint Knowledge: 사용자의 Entra ID 권한을 그대로 상속합니다. 접근 권한이 없는 문서는 응답에 포함되지 않습니다.
  • 파일 업로드: Agent에 접근할 수 있는 모든 사용자가 해당 파일 내용을 받아볼 수 있습니다. 민감 정보 포함 시 주의하세요.

8. Instructions(지침) 작성 가이드

Instructions는 Agent의 Overview 탭에서 설정하는 가장 중요한 요소입니다. Agent의 성격, 역할, 제약 조건을 자연어로 정의하며, Generative Orchestration에서 모든 판단의 최상위 제어 레이어 역할을 합니다.

8.1 권장 구조

## 9. 역할 (Role)
너는 [조직명]의 [업무 도메인] 전문 에이전트야.

## 10. 목표 (Goal)  
[핵심 목적을 1~2문장으로]

## 11. 톤 & 스타일
- 친근하지만 전문적인 톤으로 답변
- 기술 용어는 쉬운 설명과 함께 제공

## 12. 제약 조건 (Do / Don't)
- ✅ 반드시 Knowledge에 있는 정보만 참고해
- ✅ 확실하지 않으면 "확인이 필요합니다"라고 안내해
- ❌ 사내 정책과 무관한 질문에는 답변하지 마
- ❌ 근거 없이 추측하지 마

## 13. Action 관련 제약
- 이메일을 보내기 전에 반드시 수신자/제목/본문을 사용자에게 확인받아

📖 참조: Quickstart: Create an agent

📌 Instructions는 "프롬프트가 아니라 정책"입니다
길어도 괜찮습니다. 모호하면 안 됩니다. Instructions는 Agent가 모든 대화에서 참고하는 운영 정책이므로, 명확하고 구체적으로 작성해야 합니다. 특히 하지 말아야 할 것(Don't)은 가능한 한 구체적으로 기술하세요.

14. Analytics — 운영 개선의 핵심

Analytics 탭은 Agent의 배포 이후 지속적인 품질 개선을 위한 데이터를 제공합니다.

지표 설명 개선 액션
총 세션 수 일정 기간 내 대화 횟수 사용량 트렌드 파악
해결률(Resolution Rate) 사용자 질문을 성공적으로 해결한 비율 낮으면 Knowledge/Topic 보강
에스컬레이션 비율 상담원 전환이 발생한 비율 높으면 Fallback Topic 개선
Thumbs up/down 사용자 만족도 피드백 낮은 점수 질문 분석
미응답 질문 답변하지 못한 질문 목록 → Topic 추가 or Knowledge 보강
Knowledge 소스별 사용량 어떤 소스가 많이 참조되는지 불필요한 소스 정리 / 핵심 소스 강화

📖 참조: Analytics overview

💡 실무 팁 — 미응답 질문 활용법
Analytics의 미응답 질문 목록은 "금광"입니다. 사용자들이 실제로 물어보는데 답변하지 못한 질문을 정기적으로 리뷰하여:
  • 반복되는 질문 → 새 Topic 추가 (정형 답변이 필요한 경우)
  • 문서에 답이 있는 질문 → Knowledge 소스 점검 (파싱 이슈 가능)
  • 답변 불가능한 질문 → Fallback 메시지 개선 ("이 질문은 [담당자]에게 문의해 주세요")

15. Responsible AI 및 보안

Copilot Studio의 모든 생성형 AI 기능은 Microsoft의 Responsible AI 표준에 따라 운영됩니다.

영역 조치 참조
응답 검증 Data Grounding으로 환각(Hallucination) 감소 Learn
콘텐츠 모더레이션 유해/규정 위반 콘텐츠 자동 필터링  
데이터 보호 대화 데이터는 운영 지원 목적으로만 임시 저장  
모델 훈련 미사용 고객 데이터를 모델 훈련에 사용하지 않음  
Customer Lockbox 지원 접근 시 고객 승인 필요  
📌 다음 챕터 미리보기
이번 챕터에서 Copilot Studio의 UI 구성과 핵심 개념을 파악했습니다. 다음 Chapter 3에서는 실제로 Agent를 만들어보는 과정 — 대화 설계, 변수 관리, Action 연결, Generative Orchestration 활용 — 을 단계별로 살펴봅니다.