用 C# 扩展 Dynamics 365 Copilot:自定义插件与场景

Dynamics 365 Copilot 作为基于 AI 的智能助手,为企业用户提供了自动化流程、智能分析和自然语言交互的能力,但通用功能往往无法满足特定行业或企业的定制化需求。本文将详细介绍如何通过 C# 编写自定义插件,扩展 Dynamics 365 Copilot 的能力,并结合实际业务场景实现定制化 AI 交互。

一、核心基础:Dynamics 365 Copilot 扩展架构

Dynamics 365 Copilot 的扩展主要依赖于 Power Platform 插件框架Copilot Studio 的自定义连接器,核心技术栈包括:

  • C# (.NET Framework 4.8 或 .NET 6+):编写业务逻辑插件
  • Dynamics 365 SDK:与 Dataverse 数据交互
  • Azure OpenAI / 自定义 LLM 接口:扩展 AI 生成能力
  • Power Platform 注册工具:部署插件到 Dynamics 365 环境

扩展的核心逻辑是:通过 C# 插件拦截 Copilot 的交互请求,注入自定义业务规则,调用外部 AI 服务或 Dataverse 数据,最终返回定制化的 AI 响应。

二、环境准备

  1. 安装必备工具:
    • Visual Studio 2022(带 .NET 桌面开发和 Azure 开发工作负载)
    • Dynamics 365 SDK(最新版本)
    • Power Platform CLI(用于插件注册)
    • 有效的 Dynamics 365 环境(带 Copilot 启用权限)

创建 Dynamics 365 插件项目:

# 通过 Power Platform CLI 创建插件项目 pac plugin init --name CopilotCustomPlugin --template ClassLibrary 

三、核心示例:自定义客户服务 Copilot 插件

场景描述

某零售企业需要定制 Copilot 能力:当用户通过 Copilot 查询客户订单状态时,Copilot 能自动从 Dataverse 中读取该客户的订单数据,并结合 AI 生成结构化、个性化的回复(而非通用话术)。

核心源代码实现

1. 插件核心类(CustomerOrderCopilotPlugin.cs)
using Microsoft.Crm.Sdk.Messages; using Microsoft.Xrm.Sdk; using Microsoft.Xrm.Sdk.Query; using System; using System.Linq; // 插件入口类,继承 IPlugin 接口 public class CustomerOrderCopilotPlugin : IPlugin { // 插件执行方法(核心入口) public void Execute(IServiceProvider serviceProvider) { // 1. 获取插件执行上下文 IPluginExecutionContext context = (IPluginExecutionContext) serviceProvider.GetService(typeof(IPluginExecutionContext)); // 2. 获取组织服务(用于操作 Dataverse 数据) IOrganizationServiceFactory serviceFactory = (IOrganizationServiceFactory) serviceProvider.GetService(typeof(IOrganizationServiceFactory)); IOrganizationService service = serviceFactory.CreateOrganizationService(context.UserId); try { // 3. 从 Copilot 请求中提取参数(客户名称/ID、查询类型) string customerId = context.InputParameters["CustomerId"]?.ToString(); string queryType = context.InputParameters["QueryType"]?.ToString(); // 校验必填参数 if (string.IsNullOrEmpty(customerId) || queryType != "OrderStatus") { throw new InvalidPluginExecutionException("无效的查询参数:请提供客户ID并选择订单状态查询"); } // 4. 从 Dataverse 查询客户订单数据 var orderData = GetCustomerOrders(service, customerId); // 5. 构建定制化的 Copilot 响应内容 string copilotResponse = BuildCopilotResponse(orderData); // 6. 将响应写入输出参数,返回给 Copilot context.OutputParameters["CopilotResponse"] = copilotResponse; } catch (Exception ex) { // 插件异常处理(Dynamics 365 标准规范) throw new InvalidPluginExecutionException("客户订单查询插件执行失败:" + ex.Message, ex); } } /// <summary> /// 从 Dataverse 查询指定客户的订单数据 /// </summary> /// <param name="service">Dynamics 365 组织服务</param> /// <param name="customerId">客户GUID</param> /// <returns>订单数据集合</returns> private EntityCollection GetCustomerOrders(IOrganizationService service, string customerId) { // 构建查询表达式(查询 salesorder 实体) QueryExpression query = new QueryExpression("salesorder") { ColumnSet = new ColumnSet("name", "salesorderid", "statuscode", "totalamount", "createdon"), Criteria = new FilterExpression { Conditions = { new ConditionExpression("customerid", ConditionOperator.Equal, new Guid(customerId)) } }, // 按创建时间降序排列 Orders = { new OrderExpression("createdon", OrderType.Descending) } }; // 执行查询并返回结果 return service.RetrieveMultiple(query); } /// <summary> /// 构建 Copilot 定制化响应内容 /// </summary> /// <param name="orders">订单数据</param> /// <returns>结构化的 AI 回复文本</returns> private string BuildCopilotResponse(EntityCollection orders) { if (orders.Entities.Count == 0) { return "未查询到该客户的任何订单记录。"; } // 构建结构化回复(结合业务规则定制话术) var responseBuilder = new System.Text.StringBuilder(); responseBuilder.AppendLine($"为您查询到 {orders.Entities.Count} 条订单记录:\n"); foreach (var order in orders.Entities) { string orderName = order["name"].ToString(); string orderStatus = GetOrderStatusText(order.GetAttributeValue<OptionSetValue>("statuscode").Value); decimal totalAmount = order.GetAttributeValue<Money>("totalamount").Value; DateTime createDate = order.GetAttributeValue<DateTime>("createdon"); responseBuilder.AppendLine($"订单编号:{orderName}"); responseBuilder.AppendLine($"状态:{orderStatus}"); responseBuilder.AppendLine($"金额:{totalAmount:C}"); responseBuilder.AppendLine($"创建时间:{createDate:yyyy-MM-dd HH:mm}\n"); } responseBuilder.AppendLine("如需了解某笔订单的详细进度,可直接说出订单编号,我会为您进一步查询。"); return responseBuilder.ToString(); } /// <summary> /// 将订单状态码转换为易读文本(适配中文场景) /// </summary> /// <param name="statusCode">订单状态码</param> /// <returns>状态文本</returns> private string GetOrderStatusText(int statusCode) { return statusCode switch { 1 => "草稿", 2 => "已提交", 3 => "已批准", 4 => "已发货", 5 => "已完成", 6 => "已取消", _ => "未知状态" }; } } 
2. 插件注册配置(PluginRegistration.cs)
using Microsoft.Xrm.Sdk; using Microsoft.Xrm.Sdk.Client; using System; using System.ServiceModel; // 插件注册辅助类(用于Power Platform CLI部署) public class PluginRegistrationHelper { /// <summary> /// 注册插件到 Dynamics 365 环境 /// </summary> /// <param name="serviceUri">Dynamics 365 服务地址</param> /// <param name="username">管理员账号</param> /// <param name="password">密码</param> /// <param name="domain">域名(如适用)</param> public static void RegisterPlugin(Uri serviceUri, string username, string password, string domain) { // 构建认证凭据 ClientCredentials credentials = new ClientCredentials(); credentials.UserName.UserName = username; credentials.UserName.Password = password; // 创建组织服务代理 using (OrganizationServiceProxy serviceProxy = new OrganizationServiceProxy( serviceUri, null, credentials, null)) { serviceProxy.EnableProxyTypes(); // 注册插件步骤(绑定到 Copilot 自定义消息) CreatePluginStep(serviceProxy, "new_CopilotCustomerOrderQuery", "CustomerOrderCopilotPlugin", "Microsoft.Crm.Sdk.Messages.ExecutePluginRequest"); } } private static void CreatePluginStep(IOrganizationService service, string messageName, string pluginTypeName, string requestType) { // 插件步骤创建逻辑(简化版,实际部署建议使用Power Platform CLI) Entity pluginStep = new Entity("sdkmessageprocessingstep") { ["name"] = $"Copilot_{messageName}_Step", ["sdkmessageid"] = new EntityReference("sdkmessage", new Guid("替换为实际消息ID")), ["pluginassemblyid"] = new EntityReference("pluginassembly", new Guid("替换为程序集ID")), ["plugintypeid"] = new EntityReference("plugintype", new Guid("替换为插件类型ID")), ["stage"] = 40, // 操作后执行 ["mode"] = 0, // 同步模式 ["rank"] = 1 }; service.Create(pluginStep); } } 

四、插件部署与集成到 Copilot

1. 插件编译与签名

  • 在 Visual Studio 中编译项目,生成强名称签名的 DLL(右键项目 → 属性 → 签名 → 选择强名称密钥文件)。

使用 Power Platform CLI 将 DLL 注册到 Dynamics 365 环境:

# 登录 Dynamics 365 环境 pac auth create --url https://your-org.crm.dynamics.com # 注册插件程序集 pac plugin register --assembly "bin\Debug\CopilotCustomPlugin.dll" --serviceprincipalid "你的SPN ID" --serviceprincipalsecret "你的SPN密钥" 

2. Copilot Studio 集成

  1. 打开 Copilot Studio,创建新的自定义主题 “客户订单查询”;
  2. 添加 “调用自定义插件” 操作,绑定上述 C# 插件;
  3. 配置输入参数(客户 ID)和输出参数(Copilot 响应);
  4. 发布自定义主题,关联到 Dynamics 365 应用。

五、进阶场景:集成外部 LLM 增强 Copilot 能力

如果需要进一步增强 AI 生成能力,可以在插件中调用 Azure OpenAI API,结合业务数据生成更自然的回复:

// 新增方法:调用 Azure OpenAI 生成定制化回复 private string GenerateAiResponseWithOpenAI(string orderData) { var openAIClient = new Azure.AI.OpenAI.OpenAIClient( new Uri("https://your-openai-resource.openai.azure.com/"), new Azure.AzureKeyCredential("你的 OpenAI API 密钥")); var chatCompletionsOptions = new Azure.AI.OpenAI.ChatCompletionsOptions() { DeploymentName = "gpt-35-turbo", Messages = { new Azure.AI.OpenAI.ChatMessage(Azure.AI.OpenAI.ChatRole.System, "你是零售企业的客户服务助手,需基于提供的订单数据生成友好、简洁的中文回复,避免技术术语。"), new Azure.AI.OpenAI.ChatMessage(Azure.AI.OpenAI.ChatRole.User, $"基于以下订单数据生成回复:{orderData}") }, Temperature = 0.7f, MaxTokens = 500 }; var response = openAIClient.GetChatCompletions(chatCompletionsOptions); return response.Value.Choices[0].Message.Content; } 

六、关键注意事项

  1. 性能优化:插件执行超时时间默认 2 分钟,需优化 Dataverse 查询(使用分页、索引);
  2. 权限控制:插件以当前用户身份执行,需为用户分配 salesorder 实体的读取权限;
  3. 异常处理:必须捕获并抛出 InvalidPluginExecutionException,确保错误信息能返回给 Copilot;
  4. 版本管理:插件更新需通过 Power Platform CLI 重新注册,建议保留历史版本。

总结

  1. Dynamics 365 Copilot 可通过 C# 插件扩展,核心是实现 IPlugin 接口并拦截 Copilot 交互请求,结合 Dataverse 数据定制 AI 响应;
  2. 自定义插件的核心流程为:提取请求参数 → 查询业务数据 → 构建定制化响应 → 返回给 Copilot;
  3. 进阶场景可集成 Azure OpenAI 等外部 LLM,进一步增强 Copilot 的自然语言生成能力,同时需注意插件的性能、权限和异常处理。

Read more

企业级招聘数据采集实战:基于 Bright Data AI Studio 的自动化爬虫方案

企业级招聘数据采集实战:基于 Bright Data AI Studio 的自动化爬虫方案

🤵‍♂️ 个人主页:@艾派森的个人主页 ✍🏻作者简介:Python学习者 🐋 希望大家多多支持,我们一起进步!😄 如果文章对你有帮助的话, 欢迎评论 💬点赞👍🏻 收藏 📂加关注+ 目录 一、 引言 二、Bright Data AI Studio 概览 2.1 AI Studio 是什么 2.2 AI Studio 的核心能力拆解 2.3 为什么说 AI Studio 更适合企业级场景 三、实战部分 3.1 实战目标与采集场景说明 3.2 准备工作 3.3 采集数据 3.4 扩展采集任务

AI入门系列:AI新手必看:人工智能发展历程与现状分析

AI入门系列:AI新手必看:人工智能发展历程与现状分析

写在前面:为什么AI发展历史很重要? 记得刚开始学习AI的时候,我总觉得历史这种东西很枯燥,不如直接学习最新的技术来得实在。但后来我发现,了解AI的发展历程,就像了解一个人的成长经历一样,能帮助我们更好地理解现在的AI是如何走到今天的,也能帮助我们预测未来可能的发展方向。 有一次,我和一位从事AI研究多年的教授聊天,他告诉我:"现在的学生总想直接学习深度学习,但如果不了解符号主义AI的兴衰,就无法理解为什么深度学习会成功,也无法预见它可能面临的挑战。"这句话让我深受启发。 所以,在这篇文章中,我想和大家一起回顾一下AI的发展历程,不是为了考试背诵那些枯燥的年代和事件,而是为了让我们能够站在历史的高度,更好地理解现在的AI技术,以及它在我们生活中的应用。 人工智能的诞生:一个充满想象力的开始 说起AI的诞生,我们不得不提到1956年的达特茅斯会议。这次会议被公认为人工智能学科的诞生标志。 想象一下那个场景:一群来自不同领域的顶尖科学家,包括约翰·麦卡锡、马文·明斯基、克劳德·香农等,聚集在一起,讨论着一个看似疯狂的问题:"机器能思考吗?"他们相信,只要给机器输入足够多的规则

全网首发:DeepSeek + MCP 炒股实战,我用AI炒股两周,居然真赚了钱?附接入教程

全网首发:DeepSeek + MCP 炒股实战,我用AI炒股两周,居然真赚了钱?附接入教程

全网首发:DeepSeek + MCP 炒股实战,我用AI炒股两周,居然真赚了钱?附接入教程 今天这篇内容不夸张地说,是我今年最期待的一篇。因为它不仅能帮你把大模型用在炒股上,还真能跑出点效果——我自己已经偷偷用它赚钱两周了😏。 在开始实操之前,咱先把一个误区掰扯清楚。 你可能觉得,DeepSeek,ChatGPT、文心一言这些AI已经很聪明了,“只要提示词写的好就能用来炒股”。 我当初也这么想。直到我试着问了DeepSeek几轮后才知道,它回答的全是—— 这都2025年了,他居然用2023年的数据来回答我😂 所以不是AI不行,而是他们没有实时的数据,连个炒股的“前提条件”都不具备。就像让一个盲人猜红绿灯。 那为啥我的能行?很简单: 我给大模型接上了“眼睛”和“耳朵”——一个能看实时股价,一个能读财经舆情。 这俩东西连上之后,大模型的分析准确率、策略理解力和生成能力,直接质变。 今天花姐就手把手带你搭建一套“DeepSeek + MCP”的炒股系统,看完文章动动手就能复刻。 MCP是什么?一句话:让AI看得懂当下

Skill 构建指南:从零打造 AI 智能体扩展包

Skill 构建指南:从零打造 AI 智能体扩展包 引言 在人工智能时代,如何让智能体具备更强的专业能力和更丰富的工作流程?答案就是 Skill——一种为智能体设计的能力扩展包。本文将详细介绍如何从零开始构建符合规范的 Skill,让你的创意变成可分发的工具。 什么是 Skill? 核心定位 Skill 是被智能体加载和执行的能力扩展包,而非独立运行的应用程序。 执行模式 * Skill 在智能体的会话上下文中被动态加载 * 智能体读取 SKILL.md 的指导,调用 scripts/ 中的脚本,参考 references/ 中的文档 * Skill 的所有交互都通过智能体与用户的对话完成 Skill 提供的能力 * ✅ 专门工作流程(多步骤程序与条件逻辑) * ✅ 工具集成(文件格式与 API 的使用方式) * ✅ 领域专家知识(公司或系统特有的架构与逻辑) * ✅ 打包资源(脚本、参考、资产) Skill