پرش به محتوا
منو
داده‌نوشت
فناوری، زیرساخت و هوش مصنوعی
هوش مصنوعی

عامل در Teams؛ از پیام @mention تا کار چندمرحله‌ای

Microsoft در Build ۲۰۲۶ تلاش کرد عامل را از یک صفحه جدا به بخشی از گفت‌وگوی کاری تبدیل کند. در مقاله ۲ ژوئن، Teams SDK، Teams Developer CLI و قابلیت‌هایی برای اجرای عامل در chat، channel و meeting معرفی شدند. ایده اصلی ساده است: کاربر نباید برای تبدیل یک تصمیم

انتشار: ۱۲ خرداد ۱۴۰۵به‌روزرسانی: ۲۶ مرداد ۱۴۰۵3 دقیقه
تصویر رسمی Microsoft 365 Developer Blog برای عامل در Teams؛ از پیام @mention تا کار چندمرحله‌ای
تصویر رسمی Microsoft 365 Developer Blog؛ منبع تصویر: https://devblogs.microsoft.com/microsoft365dev/build-collaborative-agents-where-work-happens/

عامل در Teams؛ از پیام @mention تا کار چندمرحله‌ای

Microsoft در Build ۲۰۲۶ تلاش کرد عامل را از یک صفحه جدا به بخشی از گفت‌وگوی کاری تبدیل کند. در مقاله ۲ ژوئن، Teams SDK، Teams Developer CLI و قابلیت‌هایی برای اجرای عامل در chat، channel و meeting معرفی شدند. ایده اصلی ساده است: کاربر نباید برای تبدیل یک تصمیم جلسه به task، میان چند سامانه جابه‌جا شود؛ عامل می‌تواند در همان محل گفتگو وارد جریان شود.

#SDK به‌جای چند مسیر پراکنده

Teams SDK برای ساخت عامل‌هایی که با Work IQ کار می‌کنند، در Python، JavaScript و C# به‌صورت عمومی در دسترس معرفی شده است. SDK قرار است یک سطح مشترک برای ثبت برنامه، احراز هویت و اجرای تعامل‌ها فراهم کند. CLI نیز بخشی از کارهای تکراری مانند setup و configuration را خودکار می‌کند. این بهبود توسعه را سریع‌تر می‌کند، ولی secret، manifest و permission هنوز مسئولیت تیم است.

عامل در Teams فقط پاسخ‌دهنده نیست. می‌تواند با @mention فراخوانی شود، به یک فرد پیام هدفمند بدهد، slash command دریافت کند و sessionای داشته باشد که پیشرفت کار را در طول زمان نگه دارد. Thread و session برای کاری مانند پیگیری issue یا هماهنگ کردن تأییدها مفیدند، چون وضعیت کار در همان کانال قابل مشاهده می‌ماند.

#وقتی گفتگو به اقدام تبدیل می‌شود

نمونه Linear در Teams برای ثبت issue و به‌روزرسانی پروژه مطرح شده است. Microsoft همچنین از عامل Lovable برای توصیف و ساخت یک وب‌اپ در گفت‌وگو خبر داده است. این نمونه‌ها نشان می‌دهند مرز میان «گفتن آنچه می‌خواهیم» و «ساختن نتیجه» کوتاه‌تر می‌شود. در مقابل، هر اقدام بیرونی باید با مالک، مجوز و مسیر بازگشت همراه باشد.

پیام هدفمند می‌تواند از شلوغ شدن کانال جلوگیری کند، اما داده را از چشم گروه نیز دور می‌کند. تیم باید مشخص کند کدام تصمیم عمومی است، کدام درخواست خصوصی و چه چیزی در audit log ذخیره می‌شود. عامل نباید از اطلاعات یک channel خصوصی برای پاسخ در channel مشترک استفاده کند.

#cloudهای حساس

Microsoft می‌گوید Microsoft 365 Agents Toolkit و Developer Portal برای محیط‌هایی مانند GCC High و DoD نیز پشتیبانی بهتری پیدا کرده‌اند. در این محیط‌ها endpoint احراز هویت، scope توکن و مسیر سرویس با نیازهای cloud حاکمیتی هماهنگ می‌شود. این قابلیت برای سازمان‌های حساس مهم است، اما compliance به یک تنظیم ابزار خلاصه نمی‌شود و باید با سیاست داده و قرارداد سازمانی بررسی شود.

Teams SDK مسیر ورود را ساده می‌کند؛ ارزش واقعی عامل زمانی سنجیده می‌شود که بتواند در جریان کاری واقعی، با context درست و اختیار محدود، یک کار را تا پایان دنبال کند. وجود agent در محل گفتگو نباید به معنی واگذاری بی‌قیدوشرط تصمیم‌های کاری باشد.

مطالب مرتبط

برای ادامه مطالعه

این یادداشت‌ها بر اساس موضوع مشترک، هم‌پوشانی برچسب‌ها و تازگی انتشار انتخاب می‌شوند.

تصویر رسمی Microsoft Azure برای Microsoft Foundry؛ مدل، runtime و مسیر انتشار عامل در یک سکوی سازمانی
هوش مصنوعی

Microsoft Foundry؛ مدل، runtime و مسیر انتشار عامل در یک سکوی سازمانی

اعلامیه ۹ ژوئیه ۲۰۲۶ Microsoft Foundry فقط خبر اضافه شدن یک مدل به کاتالوگ نیست. Microsoft هم‌زمان از دسترسی عمومی GPT-۵.۶ در Foundry، Data Zone آسیا-اقیانوسیه و عمومی شدن hosted agents در Foundry Agent Service خبر داد. ترکیب این سه تغییر، مسئله‌ای را هدف می‌گ

۱۸ تیر ۱۴۰۵3 دقیقه
تصویر رسمی OpenAI برای Multi-agent در Responses API؛ تقسیم کار پیش از زیاد کردن عامل‌ها
هوش مصنوعی

Multi-agent در Responses API؛ تقسیم کار پیش از زیاد کردن عامل‌ها

OpenAI قابلیت multi-agent را در Responses API به‌صورت beta معرفی کرده است. در این الگو، یک نمونه GPT‑۵.۶ می‌تواند چند زیرعامل را برای بخش‌های مستقل یک مسئله هماهنگ کند و نتیجه‌ها را ترکیب کند. وعده اصلی، کاهش زمان wall-clock و بهتر شدن کارهای پیچیده‌ای است که

۱۸ تیر ۱۴۰۵3 دقیقه
تصویر رسمی Anthropic برای واترمارک متنی Claude؛ نشانه‌گذاری آماری به‌جای ادعای تشخیص قطعی
هوش مصنوعی

واترمارک متنی Claude؛ نشانه‌گذاری آماری به‌جای ادعای تشخیص قطعی

Anthropic در ۱۴ اوت ۲۰۲۶ درباره سازوکار واترمارک متنی Claude توضیح داد. ایده این است که مدل در هنگام انتخاب tokenها، الگوی آماری بسیار ظریفی ایجاد کند که بعداً بتوان آن را با یک detector بررسی کرد. این روش با واترمارک تصویری که پیکسل یا metadata را تغییر می‌ده

۲۳ مرداد ۱۴۰۵3 دقیقه