ms-ai-architect/skills/ms-ai-advisor/references/copilot-extensibility/power-automate-copilot-integration.md
Kjell Tore Guttormsen 070141f06b chore(ms-ai-architect): refresh KB medium-bucket — 74 files [skip-docs]
KB-currency refresh (medium priority, 2026-06-19) via /architect:kb-update.
74 medium-prioritets filer re-verifisert mot Microsoft Learn (MCP) — delegert
til 15 parallelle Opus-subagenter (3 bølger) gruppert etter delt kilde, med
disjunkte fil-sett. Verifisert i hovedkontekst (scope-sjekk + diff-review av
de faktatunge gruppene + tester).

Hovedendringer (faktuelle korreksjoner + currency):
- Azure AI Search semantic ranker: TILGJENGELIG PÅ ALLE TIERS (også Free/Basic
  m/ gratis månedlig kvote) — gammel KB sa feilaktig "kun S1+". Korrigert i
  tier-tabell, anti-patterns og beslutningstabell (azure-ai-search-setup).
- APIM score-threshold = DISTANSE (lavere = strengere): tuning-tabellen i
  rag-caching-optimization hadde retningen baklengs — invertert til korrekt.
- Agentic retrieval GA/preview-nyanse presisert (hovedkontekst-korreksjon mot
  agentic-retrieval-how-to-migrate): GA via REST 2026-04-01 returnerer EKSTRAKTIV
  grounding (references + activity), IKKE syntetiserte svar. Answer synthesis,
  ikke-minimal reasoning effort (LLM query planning) og multi-turn messages
  forblir preview (2026-05-01-preview). Subagent hadde overforenklet til "hele
  kjernepipelinen GA"; rettet i agentic-rag-patterns + citation-tracking.
- Copilot Studio modell-tabeller (platforms/copilot-studio): fjernet Claude Opus
  4.5 + GPT-5.2 (borte fra kilde), lagt til Claude Sonnet 4.6/Opus 4.6 (GA),
  Opus 4.7 + Mistral Medium 3.5 (experimental); GPT-5 Reasoning/Auto = preview;
  A2A GA (apr 2026).
- Computer Use (CUA): Copilot Studio GA 2026-05-07; 4 modeller m/ tier/status
  (OpenAI CUA + Sonnet 4.5 GA, Sonnet 4.6 + Opus 4.6 experimental); 5 credits/
  steg standard, 15 premium; US-only region-krav FJERNET i GA-dok; Cloud PC pool
  + Hosted browser + bring-your-own-machine.
- Azure AI Search REST API-versjoner bumpet: 2025-09-01 -> 2026-04-01 (stabil),
  2025-11-01-preview -> 2026-05-01-preview (hybrid-search, rag-security-rbac,
  chunking).
- Power Automate-integrasjon: trigger "Run a flow from Copilot" -> "When an agent
  calls the flow"; App Service innebygd MCP (preview) lagt til.
- M365 Copilot-manifest v1.26 -> v1.28 (GA, mai) / v1.29 dokumentert (juni);
  "Tenant graph grounding" -> "Work IQ".
- Speech fast transcription 2t/300MB -> 5t/500MB; multilingual 14 -> 15 locales
  (+ pt-BR). Content Understanding reasoning preview -> GA (v1.0, 2025-11-01).
- Security Copilot E5 -> E5+E7. Død Databricks-URL ci-cd/best-practices ->
  ci-cd/flows. Prompt Flow retirement (2027-04-20 -> MAF) notert der den
  presenteres som go-forward. Gateway-topologi-tabell-feil rettet.
- Alle 74 Last updated -> 2026-06-19.

Discovery ikke kjørt (historisk kun Databricks-støy) -> 389-telling uendret,
ingen resync. validate 239 PASS, kb-integrity 115/115 (262 orphan-warnings
uendret), gitleaks clean.

Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>
Claude-Session: https://claude.ai/code/session_01REiKFhP4w6xGXXqWKpPCJJ
2026-06-19 14:02:18 +02:00

24 KiB
Raw Blame History

Power Automate and Copilot Studio Integration

Last updated: 2026-06-19 | Verified: MCP 2026-06-19 Status: GA Category: Copilot Extensibility & Integration


Introduksjon

Power Automate og Copilot Studio utgjør sammen en kraftig low-code/no-code integrasjonsplattform for Microsoft AI-stakken. Denne integrasjonen lar agenter i Copilot Studio kalle automatiserte arbeidsflyter (flows) for å utføre komplekse operasjoner, integrere med eksterne systemer, og orkestrere prosesser som går utover agentens innebygde kapabiliteter.

Integrasjonen opererer på to nivåer:

  1. Agent Flows — native flows skapt i Copilot Studio, optimalisert for agentbruk og fakturert via Copilot Studio-kapasitet
  2. Power Automate Cloud Flows — tradisjonelle flows som kan konverteres til agent flows eller kalles direkte fra Copilot Studio

Begge typer flows kan trigges fra agenter, enten gjennom eksplisitte topic-baserte handlinger eller via generativ orkestrering hvor agenten selv velger når en flow skal kjøres.

Confidence marker: Verified (MCP microsoft-learn 2026-06-19)


Kjernekomponenter

1. Agent Flows

Agent flows er flows skapt og forvaltet direkte i Copilot Studio. De tilbyr en sømløs maker-opplevelse og forenkler agentutviklingen.

Egenskap Beskrivelse
Opprettelse Natural language (via Copilot) eller visuell designer
Triggers Instant (manuell), schedule-basert, eller event-drevet
Hovedtrigger "When an agent calls the flow" (med "Respond to the agent"-action) — gjør flow tilgjengelig som tool i agenter
Actions AI-kapabiliteter (LLM, document processing, natural language reply), Human-in-the-loop, Built-in tools, Connectors (700+)
Fakturering Copilot Studio capacity per action (ikke Power Automate). Test i embedded chat er GRATIS.
Kapasitetsgrense Når prepaid Copilot Studio-kapasitet er oppbrukt, blokkeres nye flow-kjøringer (running flows fullfører normalt)
Solution-support Ja — inkluderer drafts, versioning, export/import

Nøkkelfordeler:

  • Konsistent eksekvering — deterministisk, samme input gir samme output
  • Enkel workflow-opprettelse — AI-drevne forslag for triggers og actions
  • End-to-end synlighet — design, monitor og innsikt i én grensesnitt

Capacity-beregning:

  • Flow fra topic: 1 Classic answer + agent flow actions
  • Flow fra generativ orkestrering: 1 Autonomous action + agent flow actions
  • Test i embedded chat (fra flow designer eller agentens test chat): INGEN capacity-forbruk
  • Microsoft 365 Copilot-lisensierte brukere og test-kjøringer påvirkes ikke av kapasitetsgrenser

2. Power Automate Cloud Flows

Tradisjonelle cloud flows kan integreres med Copilot Studio på to måter:

Metode Beskrivelse Fakturering
Direkte kall Bruk trigger "When an agent calls the flow" i eksisterende cloud flow Power Automate license
Konvertering til agent flow Konverter cloud flow til agent flow i Power Automate-portalen Copilot Studio capacity

Konverteringskrav:

  1. Flow må være i en solution
  2. Copilot Studio capacity må være tilgjengelig i environment
  3. Konvertering er one-way (kan ikke reverseres pga. faktureringsendring)

Konverteringsprosess:

Power Automate portal → Velg flow → Edit →
Endre plan til "Copilot Studio" → Save → Bekreft

3. Triggers og Actions

Triggers:

Type Beskrivelse Bruksområde
Instant Manuell kjøring on-demand Agent-initierte handlinger
Schedule Tidsstyrt (daglig, ukentlig, månedlig) Batch-prosessering, rapporter
Event Respons på andre events (email, Dataverse-endringer) Automatisk prosessering

Actions:

Kategori Eksempler Connector-support
AI capabilities Generate text, run prompt, process documents, natural language reply AI Builder, Azure AI
Human-in-the-loop Approvals, manual input Power Automate approvals
Built-in tools Loops, branching, data operations, date/time, child flows Native
Connectors M365 services (SharePoint, Teams, Outlook), 3rd-party (Salesforce, ServiceNow), custom 700+

Arkitekturmønstre

Mønster 1: Topic-basert Flow Calling

Bruksområde: Deterministisk flow-kall når bruker trigger spesifikk topic.

Implementering:

  1. Opprett agent flow med "When an agent calls the flow" trigger (+ "Respond to the agent"-action)
  2. Definer inputs (String, Number, Boolean, etc.)
  3. I Copilot Studio topic: legg til "Call an action" node
  4. Map topic-variabler til flow inputs
  5. Bruk flow outputs i "Message" node

Eksempel:

Topic: "Get weather forecast"
Trigger phrases: "will it rain", "today's forecast", "get weather"

Flow:
1. Question node → Ask city (Var1)
2. Question node → Ask ZIP code (Var2)
3. Action node → Call "Get weather forecast" flow
   - Input: City = Var1, ZIP = Var2
   - Output: location, day_summary, chance_of_rain
4. Message node → "Today's forecast for {location}: {day_summary}. Chance of rain is {chance_of_rain}%"

Fordeler:

  • Full kontroll over når flow kalles
  • Deterministisk oppførsel
  • Enkel feilhåndtering

Ulemper:

  • Må opprette topic for hver flow
  • Mindre fleksibel enn generativ orkestrering

Mønster 2: Generativ Orkestrering med Tools

Bruksområde: La agenten selv velge når og hvordan flows skal brukes basert på konversasjonskontekst.

Implementering:

  1. Opprett agent flow med "When an agent calls the flow" trigger (+ "Respond to the agent"-action)
  2. Publish flow
  3. I Copilot Studio: gå til Tools → Add a tool → Flow
  4. Velg flow og konfigurer:
    • Name og Description — beskrivelse som hjelper orchestrator å forstå når flow skal brukes
    • Inputs — hvordan agenten skal fylle variable values
    • Completion — hva agenten skal gjøre etter flow fullføres

Eksempel:

Flow: "Get weather forecast"
Description: "Get today's weather forecast at a provided city name or zip code."

Agent orchestrator ser bruker input: "What's the weather like in Seattle?"
→ Velger automatisk "Get weather forecast" tool
→ Fyller input: City = "Seattle", ZIP = null
→ Returnerer resultat til bruker

Fordeler:

  • Naturlig samtaleflyt
  • Agenten velger riktig flow basert på kontekst
  • Mindre vedlikehold av topics

Ulemper:

  • Mindre deterministisk
  • Krever god flow description for orchestrator

Mønster 3: Multi-Service Integration Pattern

Bruksområde: Orkestrere data fra flere M365-tjenester eller 3rd-party systemer.

Implementering:

  1. Flow med multiple actions:
    • Connector action 1 → Hent data fra system A (f.eks. SharePoint)
    • Connector action 2 → Hent data fra system B (f.eks. Dynamics 365)
    • Data operation → Kombiner/transformer data
    • Connector action 3 → Skriv resultat til system C (f.eks. Teams)
  2. Return verdier til agent for presentasjon

Eksempel (A1 Travel case):

Topic: "Create travel policy"
1. Agent samler inn inputs via spørsmål (company, travel notice days, reimbursements)
2. Call flow:
   - Populate Word template (SharePoint connector)
   - Generate unique filename (Compose action)
   - Save document to SharePoint (SharePoint connector)
   - Email document to client (Outlook connector)
   - Return confirmation to agent
3. Agent bekrefter til bruker: "Travel policy created and sent to {email}"

Fordeler:

  • Sentral integrasjonslogikk
  • Gjenbrukbar på tvers av agenter
  • Auditlogging i Power Automate

Ulemper:

  • Kompleksitet øker med antall systemer
  • Feilhåndtering må håndtere multiple failure points

Mønster 4: Approval Workflows

Bruksområde: Human-in-the-loop godkjenningsprosesser.

Implementering:

  1. Flow trigger: "When an agent calls the flow"
  2. Action: "Start and wait for an approval"
    • Approval type: Approve/Reject eller Custom responses
    • Assignees: dynamisk eller statisk
  3. Condition: hvis approved → utfør handling
  4. Return approval result til agent

Eksempel:

Topic: "Request expense approval"
1. Agent samler inn expense details (amount, category, receipt)
2. Call approval flow:
   - Start approval → Send til manager
   - Wait for response
   - If approved → Create expense record i Dynamics 365
   - Return approval status
3. Agent informerer bruker: "Your expense request was {approved/rejected}"

Fordeler:

  • Standardisert approval UI (Teams/Outlook/Power Automate app)
  • Compliance tracking
  • Integrert med M365 notification system

Ulemper:

  • Synkron venting kan time out (bruk async pattern for lange approvals)
  • Krever Power Automate approval license

Mønster 5: Event-driven Automation

Bruksområde: Automatisk trigger agent-handlinger basert på eksterne events.

Implementering:

  1. Cloud flow med event trigger (f.eks. "When a new email arrives")
  2. Condition/filter for relevante events
  3. Call Copilot Studio agent via connector eller HTTP
  4. Agent prosesserer event og returnerer resultat
  5. Flow tar videre handling basert på agent output

Eksempel (Expense Agent):

Trigger: "When a new email arrives" (Outlook)
Filter: Subject contains "Receipt" OR has attachment
1. Extract receipt attachment
2. Call Copilot Studio agent "Expense Entry Agent"
   - Pass receipt content
   - Agent extracts expense details via AI Builder
3. If extraction successful:
   - Create expense line i Dynamics 365
   - Send confirmation email
4. Else:
   - Flag for manual review

Fordeler:

  • Proaktiv automatisering
  • Reduserer manuell datainnlegging
  • Skalerer til høyt event-volum

Ulemper:

  • Krever robust feilhåndtering
  • Event-filter må være presis for å unngå false positives

Beslutningsveiledning

Når velge Agent Flows vs Cloud Flows?

Kriterie Agent Flows Cloud Flows
Primært bruk Agent-interaksjoner, konversasjonsflyt Bakgrunnsprosessering, event-drevet automatisering
Opprettelse Copilot Studio designer eller natural language Power Automate designer eller Copilot
Fakturering Copilot Studio capacity Power Automate license (med mindre konvertert)
Orchestrering Optimalisert for agent orchestrator Optimalisert for flow orchestrator
Solution support Ja Ja
Best for Low-code makers, agent-sentrerte workflows Pro-code developers, enterprise-wide automation

Når bruke Topic-basert vs Generativ Orkestrering?

Kriterie Topic-basert Generativ Orkestrering
Kontroll Høy — eksakt kontroll over når flow kalles Middels — agent orchestrator velger
Fleksibilitet Lav — må opprette topic per flow Høy — én flow, mange bruksområder
Kompleksitet Høy — mange topics å vedlikeholde Lav — færre topics, mer intelligens i agent
Bruksområde Kritiske prosesser (approvals, compliance) Generell assistent-funksjonalitet (søk, rapporter)
Feilhåndtering Eksplisitt i topic Implisitt i orchestrator

Connector Valg

Connector-type Eksempler Bruksområde
Microsoft First-party SharePoint, Teams, Outlook, Dynamics 365 M365-integrasjon, enterprise workflows
Certified 3rd-party Salesforce, ServiceNow, Zendesk, GitHub CRM, ITSM, customer support
Premium Azure AI Services, SQL Server, SAP AI-prosessering, database, ERP
Custom HTTP, Azure Functions, custom connectors Proprietære systemer, custom APIs

Lisensiering:

  • Standard connectors: inkludert i Power Automate license
  • Premium connectors: krever Premium license (ca. $15/user/month)
  • Custom connectors: krever Premium license

Integrasjon med Microsoft-stakken

Power Platform Ecosystem

┌─────────────────────────────────────────────────────────┐
│                    Power Platform                        │
├─────────────────────────────────────────────────────────┤
│                                                           │
│  ┌──────────────┐    ┌──────────────┐    ┌───────────┐  │
│  │ Copilot      │───▶│ Power        │───▶│ Dataverse │  │
│  │ Studio       │    │ Automate     │    │           │  │
│  │ (Agents)     │◀───│ (Flows)      │◀───│ (Data)    │  │
│  └──────────────┘    └──────────────┘    └───────────┘  │
│         │                    │                   │       │
│         │                    │                   │       │
│         ▼                    ▼                   ▼       │
│  ┌──────────────────────────────────────────────────┐   │
│  │           AI Builder (AI Models)                 │   │
│  └──────────────────────────────────────────────────┘   │
│                                                           │
└─────────────────────────────────────────────────────────┘
         │                    │                   │
         ▼                    ▼                   ▼
┌──────────────┐    ┌──────────────┐    ┌──────────────┐
│ M365 Copilot │    │ Power Apps   │    │ Power BI     │
└──────────────┘    └──────────────┘    └──────────────┘

Integrasjonspunkter:

  1. Copilot Studio → Power Automate

    • Call flows as tools (generativ orkestrering)
    • Call flows from topics (topic-basert)
    • Convert cloud flows to agent flows
  2. Power Automate → Copilot Studio

    • Trigger agent conversations via connector
    • Pass data til agenter via HTTP
    • Event-driven agent invocation
  3. Dataverse som felles datalager

    • Flows lagrer resultater i Dataverse
    • Agenter leser fra Dataverse
    • Solution-aware flows og agenter i samme solution
  4. AI Builder integrasjon

    • Flows kaller AI Builder models (document processing, text analysis)
    • Agenter bruker AI Builder via flows
    • Training data lagres i Dataverse

M365 Copilot Actions

Power Automate flows kan også gjøres tilgjengelige som Actions i M365 Copilot:

Action-type Beskrivelse Eksempel
Power Automate flow action Trigger flow fra M365 Copilot chat "List my pending approvals"
Connector action Bruk certified connector direkte "Get my open Salesforce cases"
Prompt action AI Builder prompt "Summarize this document"
Conversational action Copilot Studio agent som action "Book a meeting room" (via agent)

Deploy-prosess:

  1. Opprett flow i Power Automate
  2. Publish flow til solution
  3. I M365 Admin Center: Integrated Apps → Deploy action
  4. Brukere får tilgang via M365 Copilot app i Teams

Offentlig sektor (Norge)

Compliance og Datahåndtering

Krav Løsning Notater
Data residency EU Data Boundary Power Automate flows kjører i samme region som environment
GDPR Dataverse compliance Alle flow-data lagres i Dataverse med GDPR-støtte
Auditlogging Flow run history 28 dagers run history (standard), lengre med retention policies
Access control Dataverse security roles Flows arver security context fra kaller

Godkjenninger og Attestasjon

Offentlig sektor krever ofte formelle godkjenningsprosesser. Power Automate approval-funksjonen støtter:

  • Multi-stage approvals — flere godkjenningsnivåer (saksbehandler → avdelingsleder → direktør)
  • Parallel approvals — alle må godkjenne samtidig
  • First-to-respond — første godkjenner avgjør
  • Custom responses — egendefinerte svaralternativer utover Approve/Reject
  • Audit trail — komplett logg av hvem som godkjente når

Eksempel bruksområder:

  • Reiseregning-godkjenning (som i Expense Agent)
  • Innkjøpsrekvisisjoner
  • Dokumentfremdrift i saksbehandlingssystemer
  • HR-prosesser (ferie, permisjon)

Integrasjon med Norske Systemer

System Integrasjonsmetode Notater
Altinn Custom connector via HTTP Krever API-nøkler, premium license
ePhorte/Public 360 Custom connector eller Azure Function relay Avhenger av leverandør-API
NAV-systemer Custom connector (hvis API tilgjengelig) Krever samarbeidsavtale
Felles datakatalog HTTP connector Åpen API, ingen auth

Kostnad og lisensiering

Power Automate Licensing

License Pris (USD/user/måned) Inkludert
Per user $15 Unlimited flows, standard + premium connectors, 5000 AI Builder credits
Per flow $100 (flat fee) Unlimited users, dedicated flow, premium connectors
Pay-as-you-go Variabel Per flow run (ca. $0.60/run for premium)

Copilot Studio Capacity

Capacity type Consumption Pris (USD)
Agent flow actions Per action executed Inkludert i Copilot Studio license
Classic answer Per message (topic-basert) 1 message per flow call fra topic
Autonomous action Per generative action 1 action per flow call fra orchestrator

Eksempel kostnadsberegning:

Scenario: 100 brukere, 1000 flow runs/måned via Copilot Studio agent

Komponent Beregning Kostnad (USD/måned)
Copilot Studio license 100 users × $200/user $20,000
Agent flow actions 1000 runs × 5 actions/run = 5000 actions Inkludert i CS license
Premium connectors (hvis brukt) Krever Power Automate Premium +$1,500 (100 users × $15)
Total $21,500

Kostnadstips:

  1. Konverter cloud flows til agent flows — faktureres via Copilot Studio capacity i stedet for Power Automate license
  2. Batch operations — kombiner flere actions i én flow run
  3. Caching — unngå redundante API-kall ved å lagre resultater i Dataverse
  4. Use Standard connectors — unngå Premium license-krav hvor mulig

For arkitekten (Cosmo)

Når anbefale Power Automate + Copilot Studio?

Bruk denne integrasjonen når:

  1. Agenten må integrere med M365-tjenester (SharePoint, Teams, Outlook)
  2. Komplekse multi-step workflows som går utover agentens native kapabiliteter
  3. Godkjenningsprosesser med human-in-the-loop
  4. Event-driven automatisering (email-trigger, Dataverse-endringer)
  5. Gjenbruk av eksisterende Power Automate flows
  6. Low-code/no-code løsning er prioritert (ikke Semantic Kernel)

Vurder alternativer når:

  1. Pro-code er foretrukket → Semantic Kernel + Azure Functions
  2. Kompleks AI-orkestrering kreves → Azure AI Foundry
  3. Real-time web API-kall holder → Copilot Studio HTTP connector (uten flow)
  4. Kun Dataverse CRUD → Copilot Studio Dataverse connector (uten flow)

Arkitekturspørsmål å stille

Spørsmål Hva det avdekker
"Hvilke systemer skal agenten integrere med?" Connector-behov, premium license-krav
"Trenger dere godkjenningsprosesser?" Approval workflow pattern
"Skal dette trigges av events eller brukerinteraksjon?" Event-driven vs topic-based pattern
"Har dere eksisterende Power Automate flows?" Konvertering til agent flows
"Hva er toleransen for non-deterministisk oppførsel?" Topic-based vs generativ orkestrering
"Hvor mange brukere vil kjøre flows daglig?" Kostnadsberegning, license type

Design Patterns Matrix

Bruksmønster Agent Flow Cloud Flow Topic-basert Generativ Ork.
Enkel M365-integrasjon
Kompleks multi-service ⚠️ (kan være uforutsigbar)
Approval workflows (krever deterministisk flow)
Event-driven (email, etc.)
Batch processing
Real-time agent interaction ⚠️ (kan time out)

Symboler:

  • Anbefalt
  • ⚠️ Fungerer, men med forbehold
  • Ikke egnet

Beste Praksis

  1. Flow design:

    • Hold flows små og fokuserte (single responsibility)
    • Bruk child flows for gjenbrukbar logikk
    • Implementer robust error handling (Try-Catch-Finally pattern)
    • Bruk Compose actions for debugging (log intermediate values)
  2. Agent integration:

    • Skriv tydelige flow descriptions for orchestrator (generativ ork.)
    • Map inputs/outputs eksplisitt i topics (topic-based)
    • Test flows uavhengig før agent-integrasjon
    • Bruk Flow Checker for validering
  3. Performance:

    • Unngå loops med ukjent antall iterasjoner (timeout risk)
    • Batch API-kall hvor mulig (reduce connector calls)
    • Bruk parallel branches for uavhengige actions
    • Implementer caching for data som endres sjelden
  4. Security:

    • Bruk managed identities for Azure-ressurser
    • Lagre secrets i Azure Key Vault (ikke hardkode i flows)
    • Review connection references regelmessig
    • Implementer least privilege for service accounts
  5. Governance:

    • Alltid opprett flows i solutions (ikke utenfor)
    • Bruk environment strategies (dev/test/prod)
    • Dokumenter flows med comments i designer
    • Implementer naming conventions (f.eks. [Environment] - [Flow Name] - [Version])

Troubleshooting Checkliste

Problem Mulig årsak Løsning
Flow trigger ikke Trigger condition ikke oppfylt Review inputs og trigger conditions
Flow timeout Lang-kjørende actions Bruk async pattern eller split flow
Agent finner ikke flow Flow ikke published Publish flow og refresh i Copilot Studio
Connection failure Utløpt credentials Re-authenticate connection i Power Automate
Capacity overage For mange agent flow actions Review flow design, batch operations

Kilder og verifisering

Microsoft Learn dokumentasjon (Verified 2026-02, re-verified MCP 2026-06-19):

  1. Agent flows and workflows overview (Re-verified MCP 2026-06-19) https://learn.microsoft.com/en-us/microsoft-copilot-studio/flows-overview

  2. Call an agent flow https://learn.microsoft.com/en-us/microsoft-copilot-studio/advanced-use-flow

  3. Use Agent Flows in Copilot Studio (Training) https://learn.microsoft.com/en-us/training/modules/use-agent-flows/

  4. Cloud flows https://learn.microsoft.com/en-us/power-platform/release-plan/2024wave2/power-automate/cloud-flows

  5. Create a cloud flow in Power Automate https://learn.microsoft.com/en-us/power-automate/get-started-logic-flow

  6. Use actions to extend Microsoft 365 Copilot https://learn.microsoft.com/en-us/microsoft-365-copilot/extensibility/overview-business-applications

Real-world case studies:

  1. A1 Inteligência em Viagens case study (Travel policy automation) https://learn.microsoft.com/en-us/power-platform/guidance/case-studies/boost-efficiency-experience-case-study

  2. Dynamics 365 Field Service sample data agent https://learn.microsoft.com/en-us/dynamics365/guidance/resources/field-service-deploy-copilot-studio-create-sample-data

Code samples:

  • Natural language flow creation (Copilot)
  • "When an agent calls the flow" trigger setup (+ "Respond to the agent"-action)
  • Topic-based flow calling pattern
  • Approval workflow with Power Automate

Confidence level: Verified — all information sourced from official Microsoft Learn documentation via microsoft-learn MCP server (2026-02, re-verified 2026-06-19).