# Context Window Optimization for Copilot

**Last updated:** 2026-06-19
**Status:** GA
**Category:** Copilot Extensibility & Integration

---

## Introduksjon

Context window optimization er kritisk for å maksimere kvalitet, ytelse og kostnadseffektivitet i Copilot-løsninger. Kontekstvinduet definerer hvor mye informasjon (målt i tokens) en språkmodell kan prosessere i én forespørsel — både input (prompt, grounding data, samtalehistorikk) og output (generert respons).

Dårlig context window management fører til:
- **Trunkert kontekst** — viktig informasjon kuttes ut
- **Kostnadssprekk** — unødvendig høyt tokenforbruk
- **Degradert kvalitet** — modellen får ikke nok kontekst til å svare presist
- **Gateway timeouts** — langvarige oppgaver overskrider tidsgrenser

Microsoft tilbyr ulike mekanismer for context window management på tvers av Azure OpenAI, Copilot Studio, Microsoft 365 Copilot og Microsoft Fabric.

**Verified** (MCP: microsoft-learn, 2026-02)

---

## Kjernekomponenter / Nøkkelegenskaper

### Token-anatomi

Tokens er ikke ord, men subword-enheter. Eksempel (Azure OpenAI tokenization):
- `"report"` = 1 token
- `"."` = 1 token
- `"optimization"` = 2-3 tokens (modellavhengig)

**Input tokens** består av:
1. **User prompt** — brukerens spørsmål/instruksjon
2. **Grounding data** — RAG-dokumenter, schema, metadata
3. **System message / role information** — persona og instruksjoner
4. **Conversation history** — tidligere meldinger i tråden

**Output tokens** = generert respons fra LLM.

**Totalt kontekstvindu** = `max_prompt_tokens + max_completion_tokens`

### Automatisk trunkeringsstrategi (Azure OpenAI Assistants API)

Assistants API håndterer automatisk trunkering når kontekstvinduet overskrides:

| Strategi | Beskrivelse | Bruksområde |
|----------|-------------|-------------|
| `auto` | OpenAI's default — intelligently truncates based on relevance | Generell bruk |
| `last_messages` | Inkluderer N siste meldinger, kutter eldre | Chat-assistenter med lang historikk |

**Kodeeksempel (Python):**
```python
# Assistants API — Run creation med token limits
run = client.beta.threads.runs.create(
    thread_id="thread_abc123",
    assistant_id="asst_abc123",
    max_prompt_tokens=500,
    max_completion_tokens=1000,
    truncation_strategy={"type": "last_messages", "last_messages": 10}
)
```

**Beste praksis:**
- For File Search: `max_prompt_tokens >= 20 000` (anbefalt 50 000+)
- For lange samtaler: Fjern `max_prompt_tokens`-limit helt
- Hvis Run når `max_completion_tokens`: Status = `incomplete`, sjekk `incomplete_details`

**Verified** (MCP: Azure OpenAI Assistants API documentation)

### Copilot Studio: Samtale-tokens og limieter

**Conversation context limits:**
- **ACS channel (Omnichannel):** Maks 28 KB total melding (inkl. variabler)
- **Transcript limit:** 512 tegn per bot-respons i nedlastede transkripsjonar
- **Inaktivitet:** Samtale lagres etter 30 min inaktivitet, ny tråd ved gjenopptaking
- **Telefoni:** 3 min timeout etter "End Conversation"-event

**Vanlig feil:** Variable passing ved handoff til Dynamics 365 Customer Service feiler med `MessageSizeExceeded` hvis totale variablestørrelse > 28 KB. **Løsning:** Clear unødvendige variabler før transfer.

**Verified** (MCP: Copilot Studio quotas documentation)

### Microsoft 365 Copilot Chat API: Context control

**Known limitations:**
- Ingen støtte for action/content generation (filopprettelse, e-post, møtebooking)
- Kun tekstrespons
- Ingen code interpreter / graphic art tools
- **Long-running tasks prone to gateway timeouts** — ingen context window persistence for langvarige operasjoner
- Web search grounding må toggles av per melding (single-turn action)

**Context window management:**
- Bruker både enterprise search grounding og web search grounding by default
- Ingen eksplisitt `max_tokens`-kontroll eksponert i Chat API
- Context begrenset av [Semantic Index for Copilot limitations](https://learn.microsoft.com/microsoftsearch/semantic-index-for-copilot)

**Verified** (MCP: Microsoft 365 Copilot Chat API documentation)

### Azure OpenAI On Your Data: Runtime parameters

For RAG-scenarios med Azure OpenAI On Your Data (Azure AI Search-integrasjon):

| Parameter | Type | Standardverdi | Funksjon |
|-----------|------|---------------|----------|
| `topNDocuments` | int | 5 | Antall dokumentchunks sendt til LLM (3, 5, 10, 20) |
| `chunk_size` | int | 1024 | Chunk-størrelse ved indeksering (tokens) |
| `strictness` | int | 3 | Filtrerer irrelevante chunks (1-5) |
| `inScope` | bool | true | Begrens svar til kun data (ikke modellens egen kunnskap) |
| `temperature` | float | 0.7 | Randomness (anbefalt 0 for konsistens) |

**Token flow ved RAG:**
1. **Intent generation** — genererer search intents fra spørsmål + history
2. **Retrieval** — henter relevante chunks
3. **Filtration** — `strictness` kutter irrelevante chunks
4. **Reranking** — sorterer beste chunks på tvers av intents
5. **Parameter inclusion** — `topNDocuments` chunks inkluderes i prompt
6. **Response generation** — LLM genererer svar + citations

**Optimalisering:**
- Øk `topNDocuments` hvis svar mangler viktig kontekst (men ikke for høyt — kan distrahere modellen)
- Reduser `strictness` hvis korrekte chunks filtreres ut
- Bruk `chunk_size=1536` for dokumenter med store tabeller/detaljerte seksjoner
- Sett `temperature=0` for konsistente svar

**Verified** (MCP: Azure OpenAI On Your Data best practices documentation)

---

## Arkitekturmønstre

### 1. Adaptive Token Budgeting (Assistants API)

**Pattern:** Dynamisk allokering av token-budsjett basert på Run-livssyklus.

```python
from openai import OpenAI
from azure.identity import DefaultAzureCredential, get_bearer_token_provider

token_provider = get_bearer_token_provider(
    DefaultAzureCredential(),
    "https://cognitiveservices.azure.com/.default"
)

client = OpenAI(
    base_url="https://YOUR-RESOURCE.openai.azure.com/openai/v1/",
    api_key=token_provider
)

# First completion: conservative budget
run = client.beta.threads.runs.create(
    thread_id=thread_id,
    assistant_id=assistant_id,
    max_prompt_tokens=500,
    max_completion_tokens=1000
)

# Monitor remaining budget
status = client.beta.threads.runs.retrieve(thread_id=thread_id, run_id=run.id)
if status.status == "incomplete":
    # Increase budget for retry
    retry_run = client.beta.threads.runs.create(
        thread_id=thread_id,
        assistant_id=assistant_id,
        max_prompt_tokens=1000,  # doubled
        max_completion_tokens=2000
    )
```

**Når bruke:**
- Multi-turn samtaler hvor første svar ofte er tilstrekkelig, men noen cases krever mer dybde
- File Search-scenarios med varierende dokumentkompleksitet
- Cost-sensitive deployments

### 2. Conversation Pruning (Copilot Studio / Chat Completions)

**Pattern:** Eksplisitt kutt av eldre samtalehistorikk før kontekstvinduet fylles.

```typescript
// Pseudo-code for Copilot Studio variable management
function pruneConversationContext(variables: Record<string, any>): Record<string, any> {
    const MAX_CONTEXT_SIZE_KB = 24; // Buffer under 28 KB ACS limit

    let currentSize = JSON.stringify(variables).length / 1024;

    if (currentSize > MAX_CONTEXT_SIZE_KB) {
        // Strategy 1: Remove oldest messages
        delete variables.history_message_1;
        delete variables.history_message_2;

        // Strategy 2: Summarize old context
        variables.conversation_summary = summarizeHistory(variables);

        // Strategy 3: Clear non-essential variables
        Object.keys(variables).forEach(key => {
            if (key.startsWith("temp_") || key.startsWith("debug_")) {
                delete variables[key];
            }
        });
    }

    return variables;
}
```

**Når bruke:**
- Handoff til Dynamics 365 Customer Service (ACS channel limit)
- Lange customer service-samtaler
- Voice-based copilots (timeout-sensitiv)

### 3. Schema Reduction for Grounding Data (Fabric Copilot)

**Pattern:** Reduser grounding data (semantic model schema, lakehouse metadata) ved hjelp av embeddings.

Fabric Copilot bruker automatisk:
- **Embedding-basert kolonneutvelgelse** — sender ikke hele schema, kun relevante kolonner
- **Prompt augmentation** — omskriver prompt for spesifisitet
- **Hidden fields/private tables** — ekskluder fra Copilot-kontekst

**Manuell optimalisering:**
1. **Hide irrelevante felt** i semantic model (Power BI)
2. **Mark tables as private** hvis de ikke skal være tilgjengelige
3. **Hide report pages/visuals** bak bookmarks

**Token impact:**
- Full schema: 5 000–15 000 tokens (avhengig av modellstørrelse)
- Reduced schema: 500–2 000 tokens
- **Savings: 70-90% reduction i grounding data tokens**

**Verified** (MCP: Fabric Copilot consumption documentation)

### 4. Predicted Outputs for Known Context (Azure OpenAI)

**Pattern:** Send kjent tekst (f.eks. eksisterende kode) som `prediction` for å akselerere respons.

```python
code = """
for number in range(1, 101):
    if number % 3 == 0 and number % 5 == 0:
        print("FizzBuzz")
    elif number % 3 == 0:
        print("Fizz")
    elif number % 5 == 0:
        print("Buzz")
    else:
        print(number)
"""

completion = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[
        {"role": "user", "content": "Replace 'FizzBuzz' with 'MSFTBuzz'"},
        {"role": "user", "content": code}
    ],
    prediction={
        "type": "content",
        "content": code  # Known text for latency optimization
    }
)
```

**Når bruke:**
- Code refactoring (modellen ser mye av eksisterende kode)
- Document editing (kjent baseline-tekst)
- Iterative improvements

**Verified** (MCP: Azure OpenAI predicted outputs documentation)

---

## Beslutningsveiledning

### Når velge hvilken optimaliserings-strategi?

| Scenario | Anbefalt tilnærming | Verktøy |
|----------|---------------------|---------|
| **Multi-turn chat med lang historikk** | Truncation strategy (`last_messages`) | Assistants API |
| **RAG med variable dokumentmengder** | Dynamisk `topNDocuments` + strictness tuning | Azure OpenAI On Your Data |
| **Copilot Studio handoff** | Conversation pruning før transfer | Custom Logic (Power Automate) |
| **Fabric Copilot (Power BI)** | Schema reduction (hide fields/tables) | Semantic model config |
| **Cost-sensitive produksjon** | `max_prompt_tokens` + `max_completion_tokens` limits | Assistants API / Chat Completions |
| **Langvarige analyser** | Unngå Chat API, bruk Assistants/Responses API | Azure OpenAI Assistants |
| **Copilot handoff med context** | Continuation tokens (maks 28 KB) | M365 Copilot + Teams Bot Framework |

### Debugging context window-problemer

**Symptom: "Information not present in retrieved documents" (men du vet det finnes)**

1. **Sjekk retrieval** — er riktige chunks i citations? (REST API: `tool` message)
2. **Sjekk filtration** — reduser `strictness` (Azure OpenAI On Your Data)
3. **Sjekk reranking** — øk `topNDocuments`
4. **Sjekk intent generation** — inspiser `intents` field (REST API)
5. **Sjekk chunk size** — øk til 1536 for tabeller/semistrukturert data

**Symptom: Incomplete responses / gateway timeout**

1. **Sjekk token limits** — fjern `max_prompt_tokens` for File Search
2. **Sjekk Run status** — `incomplete_details` field
3. **Sjekk conversation size** — prune historikk (Copilot Studio < 28 KB)
4. **Unngå long-running tasks** i Chat API — bruk Assistants API

**Symptom: Inconsistent responses**

1. **Sett `temperature=0`** for determinisme
2. **Sjekk conversation history** — samme spørsmål, forskjellig history = forskjellig respons
3. **Oppgrader modell** — GPT-4 > GPT-3.5 for intent generation

---

## Integrasjon med Microsoft-stakken

### Azure AI Foundry + Assistants API

**Token management:**
- Bruk `max_prompt_tokens` og `max_completion_tokens` for budsjett-kontroll
- File Search anbefaler **minimum 20 000 prompt tokens** (ideelt 50 000+)
- Truncation strategy: `auto` (default) eller `last_messages` (eksplisitt)

**Monitoring:**
- Enable **Diagnostic Settings** for long-term token usage tracking
- Log `incomplete_details` når Runs feiler
- Track token usage per Run (input + output tokens i response)

### Copilot Studio + Dynamics 365 Omnichannel

**Variable size management:**
- **Pre-transfer pruning** — clear unødvendige variabler før handoff
- **Monitor ACS channel limit** — 28 KB max (inkl. serialiserte variabler)
- **Avoid authentication variables in voice** — ikke støttet ved voice handoff

**Best practice:**
```javascript
// Pre-handoff cleanup logic
const essentialVariables = {
    customerName: context.customerName,
    caseId: context.caseId,
    priority: context.priority
    // Only keep what Dynamics 365 agent needs
};

// Transfer with minimal context
transferToAgent(essentialVariables);
```

### Microsoft 365 Copilot Extensibility

**Message Extension Agents:**
- **Copilot handoff** — bruk continuation tokens (maks 28 KB context)
- **Deep link format:** `https://teams.microsoft.com/l/chat/.../continuation=<token>`
- **Token lifecycle management** — sett expiry, håndter replay-scenario

**Custom Engine Agents:**
- **No long-running task support** i Chat API
- **Context maintenance:** kun under aktiv sesjon (cleared ved app close)
- **Token limits:** Underlagt Semantic Index for Copilot limitations

### Power BI + Fabric Copilot

**Grounding data optimization:**
- **Schema reduction:** Hide/private fields ekskluderes automatisk
- **Report metadata:** Hide pages/visuals bak bookmarks
- **Token cost:** Report creation = høy consumption (verbose output + schema)

**Consumption rate:**
- Basert på input + output tokens
- **Smoothing:** Background operations fordelt over 24 timer
- **No direct token control** — optimalisering via item-konfigurasjon

---

## Offentlig sektor (Norge)

### GDPR og token logging

**Problemstilling:** Tokens kan inneholde personopplysninger — hvordan logger uten å bryte personvern?

**Løsning:**
1. **Aggregate metrics only** — logg total token count, ikke token content
2. **Pseudonymization** — hash user IDs før logging
3. **Retention policies** — automatisk sletting etter 90 dager (Datatilsynets anbefaling)
4. **Diagnostic Settings (Azure)** — enable for compliance, men konfigurer data residency (Norway East/West)

### Kostnadsfordeling i statlige virksomheter

**Utfordring:** Hvordan allokere token-kostnader til riktig kode/prosjekt?

**Løsning:**
1. **Tagging strategy** — `costCenter`, `projectId` i Azure Resource tags
2. **Per-assistant tracking** — separat Assistants API-instans per team/prosjekt
3. **Monthly token budgets** — `max_prompt_tokens` for cost control
4. **Chargeback model** — FinOps-dashboards (Azure Cost Management + Power BI)

### Språklige hensyn (norsk/samisk)

**Token efficiency:**
- **Norsk bokmål/nynorsk:** ~1.3x flere tokens enn engelsk (subword tokenization)
- **Samisk:** ~1.5-2x flere tokens (mindre representert i training data)
- **Implikasjon:** Context window fylles raskere — vurder større modeller (GPT-4 32K/128K)

**Anbefaling:**
- For norskspråklige chat-assistenter: Assistants API med `truncation_strategy="last_messages"` + norsk prompt engineering
- For samiskspråklige: Vurder prompt compression techniques (summarization av eldre meldinger)

---

## Kostnad og lisensiering

### Azure OpenAI — Token pricing (NOK, eks. mva.)

**Assistants API:**
- **No additional cost** for Assistants API itself
- **Code Interpreter:** Charged per session
- **File Search:** Charged per GB indexed + per query

**Chat Completions (GPT-4o, Norway East region, estimert 2026):**
- Input tokens: ~0.035 NOK / 1K tokens
- Output tokens: ~0.11 NOK / 1K tokens
- **Cached input tokens:** ~0.0035 NOK / 1K tokens (10x discount for repeated context)

**Eksempel — RAG-scenario (10 000 spørsmål/måned):**
- Avg. input: 2000 tokens (prompt + 5 chunks @ 300 tokens each)
- Avg. output: 500 tokens
- **Monthly cost:** (10K × 2K × 0.035 / 1K) + (10K × 0.5K × 0.11 / 1K) = **1 250 NOK**

**Optimalisering:**
- **Bruk caching** for repeterende grounding data (10x reduksjon)
- **Reduce topNDocuments** fra 10 til 5 (50% input token saving)
- **Prompt compression** — fjern verbose system messages

### Copilot Studio — Capacity Units (CU)

**Token → CU konvertering:**
- **Smoothing:** Background operations (Copilot in Fabric) fordelt over 24 timer
- **No direct visibility** på tokenization — minimal bruker-kontroll
- **Optimization:** Begrens knowledge sources, bruk hidden fields

**Licensing:**
- Copilot Studio: Inkludert i Power Apps/Power Automate Premium
- **Per-user licensing** — ikke direkte token-basert billing

### Microsoft 365 Copilot

**Token cost:**
- **No extra cost** for Chat API med M365 Copilot-lisens
- **Lisens-krav:** Microsoft 365 Copilot add-on (per bruker)
- **Ingen token quotas** eksponert til brukere

**Ikke støttet uten lisens** (per 2026-02).

---

## For arkitekten (Cosmo)

### Når foreslå context window optimization?

**Trigger scenarios:**
1. **Kunde rapporterer "missing information" i svar** → RAG retrieval/filtration issue
2. **Intermitterende gateway timeouts** → long-running tasks i Chat API
3. **Kostnad eksploderer** → ingen token budgets satt
4. **Copilot Studio handoff feiler** → > 28 KB variable size
5. **Inconsistent svar** → conversation history ikke pruned, high temperature

### Diagnostikk-sjekkliste

**For Azure OpenAI On Your Data:**
- [ ] Sjekk `topNDocuments` (default 5 — øk til 10 hvis info mangler)
- [ ] Sjekk `strictness` (default 3 — reduser til 2 hvis for aggressiv)
- [ ] Sjekk `chunk_size` (default 1024 — øk til 1536 for tabeller)
- [ ] Inspiser `intents` i API response (feil modell hvis tomme?)
- [ ] Sjekk `temperature` (sett til 0 for konsistens)

**For Assistants API:**
- [ ] Sjekk `max_prompt_tokens` (fjern limit for File Search)
- [ ] Sjekk Run status (`incomplete` → øk token budget)
- [ ] Sjekk `truncation_strategy` (bruk `last_messages` for lange chats)

**For Copilot Studio:**
- [ ] Sjekk variable size før handoff (< 24 KB buffer)
- [ ] Sjekk conversation timeout (30 min inaktivitet → ny tråd)
- [ ] Sjekk voice handoff region (US/CA/EU/UK/Asia/Australia kun)

### Arkitektur-tradeoffs

| Tilnærming | Fordel | Ulempe | Anbefalt for |
|------------|--------|--------|--------------|
| **Aggressive truncation** | Lav cost, rask respons | Kan kutte viktig kontekst | Cost-sensitive, short-form chat |
| **No token limits** | Maksimal kvalitet | Høy cost, potensielt treg | Enterprise RAG, komplekse analyser |
| **Conversation pruning** | Balansert cost/kvalitet | Krever custom logic | Multi-turn customer service |
| **Schema reduction** | Lav grounding token cost | Kan ekskludere relevante felt | Power BI Copilot, Fabric |

### Anbefalinger for norsk offentlig sektor

**Standardoppsett for statlige virksomheter:**
1. **Assistants API med token budgets** — transparens for kostnadsfordeling
2. **Diagnostic Settings enabled** — compliance logging (Norway East data residency)
3. **Temperature=0** — konsistens viktigere enn kreativitet for forvaltning
4. **Truncation strategy: last_messages (10-20)** — balanse mellom kontekst og cost
5. **Chunk size: 1536** — norske dokumenter ofte tabellrike (rundskriv, forskrifter)

**Unngå:**
- Chat API for long-running tasks (bruk Assistants API)
- Voice handoff utenfor støttede regioner (kun US/CA/EU/UK/Asia/AU)
- Hardkodede token limits uten monitoring (Runs feiler uten synlig feilmelding)

### Referansearkitektur: RAG med context optimization

```
User Query
    ↓
[Intent Generation]  ← GPT-4 (ikke GPT-3.5-turbo-1106)
    ↓
[Azure AI Search]    ← query_type="vectorSemanticHybrid"
    ↓
[Filtration]         ← strictness=2 (lavere enn default for recall)
    ↓
[Reranking]          ← Combine intents, top relevance
    ↓
[Parameter Inclusion] ← topNDocuments=10, chunk_size=1536
    ↓
[LLM Generation]     ← GPT-4o, temperature=0, max_tokens=1500
    ↓
Response + Citations
```

**Token breakdown (typisk):**
- Intent generation: 200 tokens
- Grounding data (10 chunks @ 400 tokens): 4000 tokens
- System message: 300 tokens
- Conversation history (5 turns): 1000 tokens
- **Total input:** ~5500 tokens
- **Output:** 500-1500 tokens
- **Total per query:** ~7000 tokens (~0.30 NOK ved GPT-4o Norway East pricing)

---

## Kilder og verifisering

**MCP-verified sources (microsoft-learn):**

1. **Azure OpenAI Assistants API — Context Window Management**
   - https://learn.microsoft.com/en-us/azure/foundry-classic/openai/concepts/assistants#context-window-management
   - Verified: max_prompt_tokens, max_completion_tokens, truncation_strategy

2. **Troubleshooting and best practices for Azure OpenAI On Your Data**
   - https://learn.microsoft.com/en-us/azure/foundry-classic/openai/how-to/on-your-data-best-practices
   - Verified: topNDocuments, strictness, chunk_size, workflow funnel

3. **Quotas and limits for Copilot Studio**
   - https://learn.microsoft.com/en-us/microsoft-copilot-studio/requirements-quotas
   - Verified: 28 KB ACS channel limit, conversation timeout behavior

4. **How Copilot in Microsoft Fabric works**
   - https://learn.microsoft.com/en-us/fabric/fundamentals/how-copilot-works
   - Verified: Schema reduction, token smoothing, grounding data optimization

5. **Overview of the Microsoft 365 Copilot Chat API (preview)**
   - https://learn.microsoft.com/en-us/microsoft-365-copilot/extensibility/api/ai-services/chat/overview
   - Verified: Known limitations, no long-running task support, context limits

6. **Azure OpenAI Predicted Outputs**
   - https://learn.microsoft.com/en-us/azure/foundry/openai/how-to/predicted-outputs
   - Verified: Prediction parameter for latency optimization

7. **Copilot handoff (Teams Bot Framework)**
   - https://learn.microsoft.com/en-us/microsoftteams/platform/bots/how-to/conversations/bot-copilot-handoff
   - Verified: Continuation tokens, context handoff mechanism

**Confidence level:**
- **Core mechanisms:** Verified (MCP-basert research, januar 2026)
- **Pricing estimates:** Baseline (modellantagelser basert på Azure pricing calculator, NOK exchange rate)
- **Offentlig sektor-anbefalinger:** Baseline (basert på generelle GDPR/Datatilsynet-prinsipper, ikke produkt-spesifikk dokumentasjon)

**Sist oppdatert:** 2026-06-19 (Session-basert research via microsoft-learn MCP)