비엔지니어 CEO가 Copilot Studio를 LDX hub에 연결하려고 시도했습니다. 그 결과는 다음과 같습니다.

Source: Dev.to

내가 만들고자 했던 것

목표: 회의록을 입력으로 받아 구조화된 액션 아이템을 반환하는 Copilot Studio 에이전트.

스택

• Microsoft Copilot Studio (에이전트)
• Power Automate (플로우 / 미들웨어)
• LDX hub StructFlow (REST API)

접근 방식: 먼저 REST API를 사용해 보고, 동작한다면 Microsoft Copilot (MCP)과 비교.

아키텍처

flowchart TD
    A[User (Copilot Studio chat) – pastes meeting minutes] --> B[Power Automate flow – POST to StructFlow API]
    B --> C[LDX hub StructFlow – returns structured JSON]
    C --> D[Power Automate flow – passes result back]
    D --> E[User (receives action items)]

Power Automate 플로우 만들기

올바른 트리거 찾기

1. Power Automate를 열고 Instant cloud flow를 선택합니다.
2. Power Virtual Agents 트리거가 바로 보이지 않을 수 있으니, 목록을 스크롤해서 찾습니다 (레이블이 문서와 약간 다를 수 있습니다).

입력 변수

트리거에 text 입력 변수 minutes_text를 추가했습니다 – 문제 없이 진행되었습니다.

HTTP 액션

Send an HTTP request 액션을 추가하고 다음과 같이 구성했습니다:

참고: Power Automate는 헤더를 HeaderName: HeaderValue 형식의 단일 문자열로 입력받으며, 키/값을 별도로 입력하는 필드는 지원하지 않습니다.

폴링 루프

StructFlow는 작업을 비동기적으로 처리합니다. 작업을 POST하면 job_id를 받게 되고, status: "completed"가 될 때까지 폴링해야 합니다.

Power Automate에서는 Do until 루프로 구현했습니다:

1. Initialize variable job_id (string) – POST 응답에서 추출.
2. Delay 5 seconds.
3. Initialize variable job_status (string).
4. Do until @equals(job_status, 'completed')
   • 작업 상태를 확인하는 GET 요청.
   • 응답에서 job_status를 설정.

주의: 브라우저 뒤로 가기 버튼을 누르면 저장되지 않은 변경 사항이 사라집니다. 흐름을 자주 저장하세요—Power Automate는 자동 저장을 지원하지 않습니다.

플로우가 최종적으로 완료되어 초록색 “Your flow is ready to run” 배너가 표시되었습니다.

Copilot Studio와 연결하기

Minutes Assistant라는 에이전트를 만들었습니다.

• 기본 모델은 Claude Sonnet 4.6이었지만, 우리 기업 라이선스는 Claude Team을 사용하도록 자동으로 선택되었습니다.
• 주요 장애물: Power Automate 플로우가 Copilot Studio의 도구 목록에 보이지 않았습니다. 같은 환경과 계정에 있음에도 불구하고 말이죠.

Flows → Agent flows 사이드바 기능을 살펴보았는데, 이는 자연어 설명으로부터 플로우를 생성합니다. AI가 만든 플로우는 내부 ID를 가리키고 있었으며, 이는 StructFlow API와 일치하지 않았습니다.

현재 상황

주요 어려움

• 자동 저장이 없어 뒤로 가기 버튼을 누르면 플로우가 사라짐.
• 헤더 필드는 하나의 박스에 Key: Value 형태로 입력해야 함.
• 동일 환경임에도 Copilot Studio에 플로우가 표시되지 않음.
• AI가 생성한 플로우의 실제 API 호출이 불분명함.

다음 단계

• AI가 생성한 에이전트 플로우를 검토해 어떤 엔드포인트를 호출하는지 확인.
• StructFlow가 올바르게 호출되는지 검증.
• 성공한다면 실제 회의록으로 에이전트를 실행.
• 전체 해결 과정과 Microsoft Copilot (MCP)과의 비교를 다룬 후속 글(Part 2)을 게시.

이 실험은 Kawamura International이 진행 중인 AI 프로세스 실험(StructFlow, RefineLoop, RenderOCR 등) 문서화의 일환입니다.