Microsoft AI Agent Builder Associate (AB-620) — Übungsfragen und Probeprüfung

Responsible-AI-Prinzipien werden erst dann handlungsfähig, wenn jedes einzelne einer konkreten Praxis zugeordnet ist, die ein Umsetzungsteam einplanen kann. Fairness hängt an den Daten und an der unabhängigen Validierung der Ergebnisse. Verantwortlichkeit hängt an namentlich benannten Personen, die für das System geradestehen. Ethik hängt daran, wer beim Entwurf mit im Raum sitzt, und an einem Governance-Rahmen, der das Ergebnis prüft. Transparenz ist das Prinzip, das die nutzerseitige Produktoberfläche prägt, denn es wird über Offenlegung eingelöst und nicht über interne Prozesse. In einem regulierten Umfeld wie dem Gesundheitswesen ist dieser Unterschied wichtig, denn ein Prüfausschuss fragt danach, was ein Patient sieht und erfährt, nicht nur danach, was das Umsetzungsteam getan hat. Eine Responsible-AI-Strategie zu planen heißt, jedem Prinzip eine verantwortliche Person und ein Artefakt zuzuweisen, statt die vier als eine einzige undifferenzierte Selbstverpflichtung zu behandeln.

Die drei Gate-Erweiterungen unterscheiden sich darin, an welcher Stelle einer Bereitstellung sie ihren eigenen Schritt einfügen, und die falsche Wahl bedeutet meist, dass die Prüfung nach dem Moment läuft, den sie schützen sollte. Eine Validierung, die stattfinden muss, bevor irgendetwas die Entwicklungsumgebung verlässt, gehört an die Export-Grenze, und genau deshalb hält diese Erweiterung den Export zurück, bis deine Logik den Abschluss meldet, und deshalb gehört sie nur auf die erste Stufe. Bereitstellungen unter einer anderen Identität auszuführen ist ein davon getrenntes Thema und wird von der Erweiterung für delegierte Bereitstellung abgedeckt, die Makern erlaubt, Bereitstellungen in Umgebungen anzufordern, in denen sie keine Rechte haben. Eine abschließende menschliche Freigabe nach der Genehmigung gehört zum Pre-Deployment-Schritt. Sobald Artefakte exportiert sind, liegen sie im Host und können nicht mehr manipuliert werden, und dasselbe Artefakt durchläuft der Reihe nach jede spätere Stufe, eine spätere Prüfung kann einen schlechten Export also nicht rückgängig machen.

Zuständigkeitsgrenzen entscheiden darüber, was ein Löschen-Button tatsächlich löscht, und hier verläuft die Grenze zwischen den beiden Produkten. Die Wissensdatenbank ist ein Foundry-Asset: Ihre Quellen, ihre Retrieval-Einstellungen und ihr Lebenszyklus gehören dem, der sie gebaut hat, und sie ist dafür gedacht, von mehreren Agenten wiederverwendet zu werden. Copilot Studio hält nur eine Referenz plus eine Tool-Beschreibung. Wenn du diese Referenz entfernst, löst sich ein Konsument, und das Asset bleibt unangetastet, und genau das willst du, wenn mehrere Agenten es gemeinsam nutzen. Dieselbe Asymmetrie erklärt die Hinweise zum Feintuning, denn das Ranking-Verhalten muss dort geändert werden, wo das Asset liegt. Prüfungstipp: Wenn eine Ressource als wiederverwendbar und anderswo erstellt beschrieben wird, erwarte, dass ein Entfernen beim Konsumenten ein Ablösen ist und kein Löschen.

Der Builder für REST-API-Tools ist nur eine dünne Hülle über der Pipeline für Power-Platform-Custom-Connectors, und deshalb sehen seine Anforderungen an die Eingabe eher nach Connector- als nach Agenten-Anforderungen aus. Das Dokument muss als JSON ankommen, und die Pipeline normalisiert einen neueren Vertrag auf die Version herunter, die sie verarbeitet. Alles nach dem Upload dient dazu, dem Orchestrator zu helfen: Du wählst aus, welche Kombinationen aus Endpoint und Methode zu Tools werden sollen, und du schreibst Beschreibungen, die spezifisch genug sind, damit das Modell sie auseinanderhalten kann. Die Wertstrukturen für Eingaben und Ausgaben kommen direkt aus der Spezifikation und sind schreibgeschützt, aber ihre Beschreibungen schreibst du selbst, und leer bleiben dürfen sie nicht. Prüfungstipp: Die Version der Spezifikation und das Dateiformat sind zwei getrennte Anforderungen, und Fragen verändern oft nur eine davon.