STEP 1 · 学習

AB-620 学習AIエージェントビルダー(Copilot Studio)

公式の出題分野ごとに要点を読み、各分野の最後にある「この分野を練習する」でその分野だけの問題を解きます。分野の比率が大きいほど本試験での出題が多くなります。

AB-620:学び方と判断の練習

画面の設定名を覚える前に、誰がどの情報へアクセスするエージェントなのかを図にします。社内の経費照会と社外のFAQを同じ公開条件で設計しないことが出発点です。

この順序で理解する

自分の言葉で説明する課題

経費申請の照会を例に、回答できる事項と担当者へ引き継ぐ事項を3つずつ書き、根拠資料の更新担当を決めてください。

掲載教材から読む判断例

次は当サイト独自の練習問題(ab620-001)です。実際の試験問題を再現したものではありません。

社外の顧客向け FAQ エージェントと、社内の経費問い合わせエージェントを同時に計画している。最初に切り分けるべき論点として最も適切なものはどれか。

  1. 利用者が社内か社外かに応じた認証方式・公開チャネル・ナレッジの範囲
  2. 社外向けを先に公開し、社内向けは同じトピック構成を後から複製する方針
  3. 両エージェントの会話ログを1つの Dataverse テーブルにまとめる保存設計
  4. 両エージェントで共通に使う生成モデルと、コンテンツモデレーションの強さ
解答と理由

正解:1「利用者が社内か社外かに応じた認証方式・公開チャネル・ナレッジの範囲」

対象者が内部か外部かで、認証・チャネル・参照してよい情報が根本的に変わる。見た目や文字数は後で調整できる。 【他の選択肢】モデルやモデレーションの設定は後から調整でき、最初の論点ではない。トピックの複製やログの一本化は、社内外で認証・公開範囲が異なる点を無視している。

練習後に残すもの

正答数だけでなく、判断に使った制約と選ばなかった選択肢の理由を1行ずつ残します。条件を変えたら答えが変わるか説明できなければ、関連する分野へ戻ります。下の分野別解説と公式資料で確認してください。

この学習順序は編集部の提案で、公式の受験要件ではなく、合格を約束するものでもありません。試験日・版・出題範囲は本ページに掲載した公式資料で確認します。

01

エージェントソリューションの計画と構成

Plan and configure agent solutions

30–35%

学習目標

  • 社内向け/社外向けで認証・チャネル・公開範囲を切り分けて計画できる
  • 人の承認(human-in-the-loop)とエラー処理を含むエージェントフローを設計できる
  • トピック・変数・アダプティブカード・生成回答ノードを用途で使い分けられる

要点

  • 最初に決めるのは「誰が使うか」。社内(従業員)か社外(顧客)かで、認証方式・公開チャネル・参照してよいナレッジが変わる。
  • ID 戦略:利用者本人の権限で文書を参照させるか、エージェント側の接続で参照させるかを明示する。閲覧権限のない文書が回答に混ざる設計は不可。
  • エージェントフローは入力・出力パラメーターを定義し、トピック側の変数と受け渡す。金額や影響の大きい処理は承認ステップ(human-in-the-loop)を挟む。
  • エラー処理は「失敗したら止めて人に通知」が基本。再試行回数・タイムアウトを決め、失敗を成功として返さない。
  • 変数はスコープを意識する:1トピック内ならトピック変数、複数トピックで共有するならグローバル変数。環境ごとに変わる値は環境変数へ。
  • 定型の分岐はトピック、規程集などに基づく自由質問は生成回答ノード、表やボタンを返すならアダプティブカード、と役割を分ける。
  • ガバナンス:開発・テスト・本番の環境分離、DLP ポリシーによるコネクタ制御、再利用部品の共通化を計画段階で決める。

業務での使いどころ

  • 営業見積照会トピック:顧客名を受け取り、エージェントフローで基幹システムから見積状況を取得してアダプティブカードで表示。値引き率の変更は上長承認フローへ。
  • 総務社内ヘルプデスクを Teams で提供。就業規則・備品申請は生成回答ノードで規程を根拠に回答し、申請は定型トピックで受付。
  • 経理支払申請フロー:一定金額以上は承認アクションで部長承認を必須化。失敗時は処理を停止し経理担当へ通知。

公式の評価項目(英語)

  • Plan an agent solution
  • Create and monitor agent flows in Copilot Studio
  • Configure topics

公式の学習リソース

02

Copilot Studio でのエージェントの統合と拡張

Integrate and extend agents in Copilot Studio

40–45%

学習目標

  • Copilot コネクタ/Power Platform コネクタ/Azure AI Search の使い分けを説明できる
  • MCP ツール・カスタムコネクタ・REST API・コンピューター使用をツールとして追加する判断ができる
  • Foundry エージェント・Fabric データエージェント・A2A を使ったマルチエージェント構成を設計できる
  • Application Insights による監視と Foundry モデルカタログの利用を理解する

要点

  • ナレッジ(参照)とツール(実行)を分けて考える。外部システムの文書を検索・根拠に使うのがナレッジ、登録・更新などの操作を行うのがツール。
  • Copilot コネクタは外部コンテンツを Microsoft 365 側に取り込み参照する用途、Power Platform コネクタは外部サービスのデータ操作・アクション用途が中心。
  • 既に Azure AI Search のインデックスがある大量文書は、Azure AI Search をナレッジとして接続するのが近道。
  • MCP(Model Context Protocol)はツールやデータをエージェントへ提供する標準。サーバー側でツールを定義し、複数のエージェントで再利用できる。
  • A2A(Agent2Agent)はエージェント同士の連携のためのプロトコル。MCP(ツール接続)と混同しない。
  • API のない旧来システムは「コンピューター使用(computer use)」で画面操作を自動化できるが、対象範囲の限定・実行監視・人の確認が前提。
  • REST API/カスタムコネクタは、操作の説明・入出力を明確にするほどオーケストレーションが正しく呼び分けられる。資格情報はプロンプトやコードに直書きしない。
  • 本番の会話・エラーのテレメトリは Application Insights に送って既存の監視運用に載せる。

業務での使いどころ

  • 営業Fabric 上の売上データに対し「今期の地域別受注」をデータエージェントで集計し、営業向けエージェントから呼び出す。
  • 総務ServiceNow のナレッジ記事を Copilot コネクタで取り込み、社内問い合わせの一次回答に利用。
  • 経理API のない旧会計ソフトへの仕訳入力をコンピューター使用で試行。入力前に担当者が確認画面で承認する。

公式の評価項目(英語)

  • Connect to enterprise knowledge sources
  • Add tools to agents
  • Configure multi-agent collaboration from Copilot Studio
  • Integrate agents with Azure

公式の学習リソース

03

エージェントのテストと管理

Test and manage agents

20–25%

学習目標

  • テストセットを作り、質問の性質に合った評価方法を選べる
  • テスト結果から失敗原因を分類し改善につなげられる
  • ソリューション・環境変数・Power Platform Pipelines で ALM を組める

要点

  • テストセットは「代表的な質問」と「期待する回答(または満たすべき条件)」の組。改修のたびに再実行して回帰を確認する。
  • 評価方法は質問の性質で選ぶ:答えが一意なら厳密な一致比較、自由記述なら意味の近さや回答品質の評価。
  • 失敗は原因別に分類する(ナレッジ不足、トピックの誤ルーティング、ツール呼び出し失敗、権限不足など)。原因ごとに打ち手が違う。
  • エージェントはソリューションに入れて環境間を移送する。既存エージェントも後からソリューションに追加できる。
  • API の URL など環境ごとに異なる値は環境変数に外出しし、本番で直接編集しない。
  • Power Platform Pipelines で開発→テスト→本番の移送を自動化し、必要に応じて承認などで拡張する。

業務での使いどころ

  • 営業見積照会エージェントの改修前後で同じ30問のテストセットを流し、正答率と誤回答の種類を比較。
  • 総務規程改定時、関連する質問だけ追加したテストセットで回帰確認してから本番へパイプライン移送。
  • 経理開発環境と本番環境で会計 API の接続先を環境変数で切り替え、本番データへの誤接続を防ぐ。

公式の評価項目(英語)

  • Evaluate agent performance
  • Implement application lifecycle management (ALM) for agents in Copilot Studio

公式の学習リソース

読み終えたら

ご利用上の注意(非公式・独自問題・合格保証なし)