用 C# 扩展 Dynamics 365 Copilot：自定义插件与场景

优质文章学习记录

— 7 min read

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 和 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

（3-2）机器人身体结构与人体仿生学：人形机器人躯干系统

（3-2）机器人身体结构与人体仿生学：人形机器人躯干系统

3.2  人形机器人躯干系统 躯干是人形机器人的核心支撑与功能集成单元，承担连接四肢、容纳核心部件（电池、控制器、传感器）、传递运动力矩及维持动态平衡的多重使命。其设计需在人体仿生学（如脊柱运动特性、躯干质量分布）与工程实现（结构刚度、驱动效率、空间利用率）之间找到最优平衡，直接决定机器人的运动协调性、负载能力与运行稳定性。 3.2.1  躯干结构方案 人形机器人躯干结构如图3-6所示，躯干是连接四肢、承载核心部件（电池、控制器、传感器）并传递运动力矩的关键载体，其结构设计的核心矛盾是刚度与灵活性的平衡、集成效率与维护便捷性的取舍。 图3-6  人形机器人躯干的结构 当前工程领域形成了三类主流方案，均围绕“仿生适配+工程落地”展开，具体设计特性与适用场景如下。 1. 一体化结构方案 （1）设计逻辑： 以“极致刚性与结构稳定性”为核心，采用整体式无拆分框架，通过高性能复合材料一体成型工艺，
硬核：如何用大疆 SRT 数据实现高精度 AR 视频投射？

硬核：如何用大疆 SRT 数据实现高精度 AR 视频投射？

随着行业无人机的普及，“视频 + GIS”（Video AR）的需求在安防、巡检、应急指挥场景中越来越高频。 所谓 Video AR，简单说就是把无人机实时/回放的视频，“贴”在三维地图（如 Cesium）的对应位置上。让操作员既能看到真实的视频画面，又能看到视频中对应的地理信息（路网、标注、POI）。 听起来原理很简单：拿到无人机的位置和姿态，把地图摄像机摆过去不就行了？ “能做出来”和“能用”是两码事。 今天我们就来复盘一下，如何从零实现一个 Video GIS 系统，以及如何解决那些让开发者头秃的“对不准、飘移、画面乱转”等核心痛点。 第一部分：如何实现？（基础篇） 实现一套视频融合系统，核心在于 “双层叠加”与“时空同步”。我们的技术栈选用 Vue3
Microi吾码：开源低代码，微服务开发的利器

Microi吾码：开源低代码，微服务开发的利器

前言 在微服务架构的应用中，服务的灵活性和可扩展性至关重要。Microi吾码作为一个高效的微服务框架，凭借其轻量级、可插拔的特性，已经成为开发者构建分布式应用的首选工具。除了基础的微服务开发功能外，Microi吾码还提供了丰富的扩展功能，其中表单引擎是一个重要亮点。本篇博客将详细介绍Microi吾码的特点，以及如何使用其表单引擎和其他实用功能。 一. Microi吾码简介 Microi吾码是一个基于Spring Boot构建的微服务框架，致力于为开发者提供简单、灵活的解决方案，帮助他们高效构建分布式应用。它整合了常用的微服务功能，如服务注册与发现、负载均衡、熔断器、API网关、配置中心等，使得开发者无需从零开始构建基础设施，从而专注于业务逻辑。 1.1 核心特点 Microi吾码的核心特点： * 轻量级：基于Spring Boot，极大地简化了项目配置和开发流程。 * 高度可扩展：提供丰富的插件支持，可以根据需要定制功能。 * 开箱即用：内置常见的微服务功能，减少了开发者的重复工作。 * 开发友好：支持热部署和自动化构建，提升开发效率。 1.2 功能介绍
低空经济新实践：无人机如何革新光伏电站巡检

低空经济新实践：无人机如何革新光伏电站巡检

引言：当低空经济遇见新能源革命 在“双碳”战略引领下，光伏电站如雨后春笋般遍布神州大地。截至2023年底，我国光伏发电装机容量已突破6亿千瓦，连续多年位居全球首位。然而，随着光伏电站规模的急剧扩大，传统人工巡检方式已难以满足高效、精准的运维需求。此时，低空经济的崛起为这一痛点带来了创新解法——无人机光伏巡检技术正在重新定义新能源设施的运维模式。 一、传统光伏巡检之困：低效、高风险、不精准 传统光伏巡检主要依赖人工方式，运维人员需要手持红外热像仪等设备，在光伏板阵列中徒步检查。这种方式存在明显短板： 1. 效率低下：一个100MW的光伏电站，人工全面巡检往往需要数周时间 2. 安全风险：高温、高电压环境下作业，人员安全隐患不容忽视 3. 漏检率高：人工目视检查难以发现细微缺陷，问题检出率通常不足70% 4. 数据离散：检查结果依赖个人经验，难以形成标准化数据资产 二、无人机智能巡检系统架构 现代无人机光伏巡检已形成完整的系统解决方案，主要由以下核心模块组成： 2.1 硬件配置 * 飞行平台：