08-01-02 — Como as peças se relacionam
Diagrama de fluxo: stack em camadas
flowchart TB
subgraph Data["📊 Dados & Contexto"]
Fabric["Microsoft Fabric\nOneLake · Lakehouse · Power BI"]
SP["SharePoint / OneDrive"]
SQL["Azure SQL / Cosmos DB"]
end
subgraph Foundation["🧠 Modelos de Fundação"]
AOAI["Azure OpenAI Service\nGPT-4o · o3 · Embeddings · DALL-E"]
Catalog["AI Foundry Model Catalog\nMistral · Llama · Phi · DeepSeek"]
end
subgraph Platform["🏭 Plataforma de Desenvolvimento"]
Foundry["Azure AI Foundry\nAgent Service · Evaluations · Tracing"]
end
subgraph Build["🔨 Ferramentas de Build"]
ProCode["Pro-code\n.NET SDK · Python SDK · REST API"]
LowCode["Low-code\nCopilot Studio · Power Platform"]
end
subgraph Surface["🖥️ Superfícies"]
App["Aplicações .NET\nWeb · API · Mobile"]
M365["M365 Copilot\nTeams · Word · Outlook"]
PP["Power Apps / Power Automate"]
end
Data --> Foundation
Foundation --> Platform
Platform --> Build
Build --> Surface
Cenário 1: Quero RAG (Retrieval-Augmented Generation)
RAG é o padrão para dar ao modelo conhecimento sobre seus dados privados — manuais, FAQs, contratos, documentação técnica.
flowchart LR
Docs["📄 Documentos\n(PDF, Word, SharePoint)"]
Index["AI Search\nChunking + Embedding"]
AOAI["Azure OpenAI\nGPT-4o"]
Foundry["AI Foundry\nAgent + File Search tool"]
App["Aplicação .NET"]
Docs -->|ingest| Index
Index -->|vetores| Foundry
App -->|query| Foundry
Foundry -->|RAG| AOAI
AOAI -->|resposta fundamentada| App
Stack mínima para RAG:
- Azure OpenAI (GPT-4o + text-embedding-3-large)
- Azure AI Search (index vetorial)
- AI Foundry Agent Service com file_search tool
- SDK .NET ou Python no seu app
💡 Atalho: O AI Foundry Agent Service já tem file search built-in — você não precisa gerenciar o pipeline de chunking manualmente. Suba os arquivos, o serviço indexa e busca automaticamente.
Cenário 2: Quero agente low-code
Você precisa de um agente que responde perguntas dos funcionários via Teams, integra com SharePoint e ServiceNow, e não quer dev time intensivo.
flowchart LR
PM["Product Manager\n(designer)"]
CS["Copilot Studio\nDesigner visual + Topics + Actions"]
Conn["Connectors\nSharePoint · ServiceNow · SAP"]
M365C["M365 Copilot\nTeams / BizChat"]
Registry["Agent Registry\n(Agent 365)"]
PM -->|configura| CS
CS -->|publica| M365C
CS -->|conecta| Conn
CS -->|registra| Registry
Stack para agente low-code:
- Copilot Studio (designer + runtime)
- Licença M365 Copilot (para publicar em BizChat/Teams)
- Connectors (pré-construídos ou via Power Platform)
- Agent Registry para governance
Cenário 3: Quero agente pro-code
Agente com lógica complexa, ferramentas customizadas, integração com sistemas legados, SLA apertado e total controle de arquitetura.
flowchart LR
Dev[".NET / Python Dev"]
SDK["Azure AI Foundry SDK\nou Semantic Kernel"]
AgentSvc["AI Foundry Agent Service\nResponses API · Threads · Runs"]
Tools["Custom Tools\nCode interpreter · Web search · MCP"]
AOAI["Azure OpenAI\nGPT-4o / o3"]
Monitor["Azure Monitor\nTracing + Evaluations"]
Dev -->|implementa| SDK
SDK -->|cria agent| AgentSvc
AgentSvc -->|usa| Tools
AgentSvc -->|modelo| AOAI
AgentSvc -->|observability| Monitor
Stack para agente pro-code:
- Azure AI Foundry (Hub + Projeto)
- Agent Service (Responses API)
- Azure OpenAI GPT-4o ou o3
- Semantic Kernel ou AI Foundry SDK
- Tracing + Evaluations para observabilidade
⚠️ Pro-code vs Low-code: Copilot Studio tem menos flexibilidade mas entrega em dias. Foundry pro-code tem controle total mas exige time de engenharia. Para um MVP, comece com Copilot Studio e migre para Foundry quando precisar de customização avançada.
Tabela de combinações rápidas
| Objetivo | Blocos principais | Tempo estimado |
|---|---|---|
| Chatbot FAQ interno | Copilot Studio + SharePoint | 1–3 dias |
| RAG sobre documentação técnica | Foundry + AI Search + AOAI | 1–2 semanas |
| Agente multi-step com ferramentas | Foundry Agent Service + SK | 2–4 semanas |
| Copilot no M365 para funcionários | M365 Copilot (licença) | 1 dia (admin) |
| Automação de processos com AI | Power Automate + AI Builder | 2–5 dias |
| Analytics sobre dados corporativos | Fabric + Copilot in Fabric | Projeto de dados |