Microsoft Agentic AI: How the Agent Framework Operates
AI

Microsoft Agentic AI: كيف يعمل إطار عمل الوكلاء

يمثل دخول Microsoft إلى مجال الذكاء الاصطناعي وكيلًا تحولًا مهمًا نحو إضفاء الطابع الديمقراطي على تطوير الوكلاء المستقلين.

بعد أن شهدت Microsoft التجزئة بين أطر البحث مثل AutoGen والأدوات الجاهزة للإنتاج مثل Semantic Kernel، عرضت Microsoft توحيدها في Build 2025 وأصدرت النسخة التجريبية العامة من Microsoft Agent Framework (MAF) في 1 أكتوبر 2025.

يعالج هذا الدمج فجوة حرجة كانت الشركات تعاني منها في محاولة ربط الأبحاث المتطورة بالموثوقية التشغيلية.

إليك كيفية عمله وما تحتاج إلى معرفته.

النقاط الرئيسية

  • تقوم Microsoft بدمج AutoGen و Semantic Kernel في Microsoft Agent Framework.
  • يعمل MAF على تبسيط تطوير الوكلاء من خلال SDK إعلاني وتكاملات مرنة.
  • تحصل الشركات على قابلية المراقبة ودعم الذاكرة والامتثال عبر تكامل Azure.
  • تتطلب عملية الترحيل إعادة هيكلة وقد تثير مخاوف بشأن تقييد الموردين أو شفافية التكاليف.

هل تقدم Microsoft الذكاء الاصطناعي Agentic؟

نعم، تقدم Microsoft الذكاء الاصطناعي الوكيلة من خلال Microsoft Agent Framework (MAF)، الذي تم عرضه للجمهور في 1 أكتوبر 2025 بعد الكشف عنه لأول مرة في Build 2025.

Microsoft Agent Framework هو نظام أساسي موحد يدمج Semantic Kernel و AutoGen في SDK واحد، ويوفر أنماط تنسيق حتمية وديناميكية، ومخازن ذاكرة قابلة للتوصيل، وتكاملات على مستوى المؤسسات عبر Model Context Protocol ومعايير الاتصال بين الوكلاء.

يلغي إطار العمل تعقيد إدارة الأدوات المنفصلة مع الحفاظ على المرونة التي يحتاجها المطورون للتنفيذات المخصصة.

يضع هذا النهج الموحد الأساس لاستكشاف كيفية عمل MAF تحت السطح لتقديم إمكانات الوكلاء المستقلين.

لمحة سريعة عن القدرات: Microsoft Agent Framework

يوفر Microsoft Agent Framework وظائف شاملة عبر دورة حياة الوكيل بأكملها، من التطوير إلى النشر والمراقبة:

القدرةالتفاصيل
SDK موحدمكتبة واحدة تجمع بين Semantic Kernel و AutoGen مع تعريفات الوكلاء التصريحية
تكامل الذاكرةموصل مباشر لـ Redis، مع Pinecone و Qdrant ومخازن متجهة أخرى متاحة عبر موصلات قابلة للتوصيل
تنسيق الأدواتاستدعاءات وظائف OpenAI وموصلات Azure AI ودعم بروتوكول MCP لواجهات برمجة التطبيقات الخارجية
إدارة الهويةيوفر Entra Agent ID هويات فريدة مع تكامل Azure AD للتحكم في الوصول
قابلية المراقبةتتبع الاستدلال على مستوى الخطوة، والقياس عن بُعد للرموز، وإمكانيات تصدير OpenTelemetry
الامتثال للمعاييردعم أصلي لبروتوكول سياق النموذج (MCP) والاتصال بين الوكلاء (A2A)

هذا الأساس التقني يجعل MAF منصة تطوير ووقت تشغيل تشغيلي لنشر وكلاء المؤسسات.

كيف يعمل Microsoft Agent Framework من وراء الكواليس

يعمل MAF من خلال خمس طبقات تقنية متميزة تعمل معًا لتمكين اتخاذ القرارات وتنفيذ المهام بشكل مستقل.

  1. طبقة التنسيق: تستخدم DSL التصريحية مع أنماط تخطيط حتمية وديناميكية لتنسيق الوكلاء المتعددين.
  2. إدارة الذاكرة: يدعم المخازن القابلة للتوصيل بما في ذلك Redis و Pinecone و Qdrant و Weaviate و Elasticsearch من أجل استمرارية السياق.
  3. تكامل الأدوات: يتيح استدعاء وظائف OpenAI ومخططات OpenAPI وموصلات خدمة Azure AI من خلال بروتوكولات موحدة.
  4. إطار عمل الأمان: ينفذ Entra Agent ID للحصول على هويات فريدة ويدمج عناصر التحكم في الامتثال عبر Azure AD.
  5. مجموعة أدوات المراقبة: تلتقط آثار الاستدلال خطوة بخطوة، وقياس الرموز، وتصدر بيانات OpenTelemetry للمراقبة.

تشكل هذه الطبقات المعمارية أساسًا قويًا يوازن بين المرونة ومتطلبات حوكمة المؤسسات.

نقاط القوة الرئيسية والثغرات الحرجة في Microsoft Agentic AI

يتميز Microsoft Agent Framework بقدرته على توحيد الأدوات التي كانت مجزأة في السابق مع الحفاظ على توافق المعايير المفتوحة.

يخلق تكامل الإطار بين قدرات الإنتاج في Semantic Kernel وابتكارات البحث في AutoGen قيمة مضافة جذابة للشركات التي تبحث عن الاستقرار والابتكار في آن واحد.

يضمن التزام MAF ب بروتوكول سياق النموذج ومعايير Agent-to-Agent قابلية التشغيل البيني عبر أنظمة الموردين.

ومع ذلك، تواجه المؤسسات التي تنتقل من تطبيقات Semantic Kernel أو AutoGen الحالية تكاليف إعادة الهيكلة أثناء تكيفها مع الأنماط وواجهات برمجة التطبيقات الجديدة.

يؤدي الترابط الوثيق بين الإطار والبنية التحتية Azure إلى مخاوف محتملة بشأن تقييد الموردين، خاصةً بالنسبة لعمليات النشر متعددة السحابة.

بالإضافة إلى ذلك، في حين توفر ميزات المراقبة قياسات عن بعد مفصلة، إلا أنها قد تؤدي إلى زيادة في الأداء في سيناريوهات الإنتاجية العالية، ولا يزال سعر الجلسات الدائمة غير معلن، مما يعقد تخطيط التكاليف لسير عمل الوكلاء طويل الأمد.

الأسعار والترخيص: ما الذي تتقاضاه Microsoft مقابل Agentic AI

تستخدم Microsoft نظام الفوترة على أساس الاستهلاك من خلال Azure AI Foundry Agent Service. يتم احتساب الرسوم لكل استدعاء للنموذج وتنفيذ للأداة، بينما تظل الأسعار التفصيلية لكل رمز وجلسة دائمة غير منشورة.

يتيح هذا النهج إجراء التجارب والتوسع مع الاستخدام، على الرغم من أن مستويات الأسعار المحددة تظل سرية حتى أكتوبر 2025.

مكتبة MAF نفسها مفتوحة المصدر، مما يقلل من العوائق التي تحول دون التطوير والاختبار الأولي. ومع ذلك، تتطلب عمليات النشر الإنتاجية خدمات Azure AI، حيث تتراكم التكاليف من خلال استدعاءات واجهة برمجة التطبيقات للنموذج واستخدام الموصل وإدارة الجلسات الدائمة.

تطبيقات Microsoft Agent Framework في العالم الواقعي

اعتمدت العديد من الشركات الكبرى MAF لنشر وكلاء الإنتاج، مما يدل على جاهزيتها للاستخدام في مختلف حالات الاستخدام.

تُظهر التطبيقات المبكرة نتائج واعدة في الصناعات التي تتطلب امتثالًا صارمًا:

  • نشر KPMG: أنشأ أنظمة متعددة الوكلاء جاهزة للتدقيق مع تتبع الامتثال، مما يقلل من متطلبات الإشراف اليدوي.
  • تكامل Commerzbank: تم تنفيذ MAF لأتمتة سير العمل، مما أدى إلى تحقيق مكاسب قابلة للقياس في الكفاءة في العمليات المالية.
  • BMW Manufacturing: نشر وكلاء لسير عمل التشخيص، والاستفادة من قابلية مراقبة MAF لعمليات ضمان الجودة.

تسلط هذه النشرات الضوء على قوة MAF في البيئات الخاضعة للتنظيم حيث تعتبر سجلات التدقيق وضوابط الحوكمة ذات أهمية قصوى.

خارطة الطريق والتوقعات التنافسية لـ Microsoft Agentic AI

تركز الرؤية الاستراتيجية لـ Microsoft لـ MAF على التكامل المستمر مع نظام Azure الأوسع نطاقًا مع الحفاظ على توافق المعايير المفتوحة. يُظهر الجدول الزمني للتطوير تقدمًا مطردًا نحو قدرات على مستوى المؤسسات.

تخطط Microsoft في المستقبل لتوسيع التكامل مع خدمات NVIDIA NIM الصغيرة وتحسين الدعم لهياكل الذاكرة غير المتجانسة. تتضمن خارطة الطريق مخططين إضافيين قابلين للتوصيل ودعمًا أصليًا للموصلات متعددة السحابة.

يحافظ هذا التموضع الاستراتيجي على الميزة التنافسية لـ Microsoft مع تعزيز نمو النظام البيئي من خلال المعايير المفتوحة.

البدء في استخدام Microsoft Agentic AI في 7 خطوات

يتطلب تنفيذ MAF إعدادًا منهجيًا عبر مراحل التطوير والنشر والتشغيل.

  1. تثبيت التبعيات: قم بتنزيل MAF SDK من GitHub وقم بتكوين بيئة التطوير الخاصة بك.
  2. تكوين Azure: قم بإعداد بيانات اعتماد Azure AI Foundry وإنشاء اتصالات الخدمة.
  3. تحديد مخطط الوكيل: قم بإنشاء تعريفات وكيل إعلانية باستخدام أنماط DSL الخاصة بـ MAF.
  4. تكوين مخزن الذاكرة: اتصل بـ Redis أو Pinecone أو قاعدة البيانات المتجهة المفضلة لديك.
  5. تنفيذ موصلات الأدوات: قم بإعداد تكاملات الأدوات المتوافقة مع MCP للوصول إلى واجهة برمجة التطبيقات الخارجية.
  6. نشر عناصر التحكم الأمنية: تكوين Entra Agent ID وإنشاء حواجز حماية للامتثال.
  7. تمكين المراقبة: قم بتنشيط تصديرات OpenTelemetry وتكوين لوحات معلومات المراقبة.

مع التكوين المناسب والبنية التحتية الحالية لـ Azure، عادةً ما ترى فرق التطوير النتائج الأولية في غضون أيام قليلة، مع إمكانية تحقيق الجاهزية الكاملة للإنتاج في غضون أسابيع بدلاً من أشهر.

الأسئلة المتداولة

يوحد MAF بين Semantic Kernel و AutoGen مع الحفاظ على توافق المعايير المفتوحة، مما يوفر مرونة البحث وموثوقية المؤسسة في منصة واحدة.

تم تحسينه حاليًا لـ Azure، على الرغم من أن بروتوكولات MCP و A2A تتيح تكامل الأدوات عبر السحابة مع تكوين موصل إضافي مطلوب.

تتيح تتبعات الاستدلال على مستوى الخطوة، والقياس عن بُعد على مستوى الرموز، وإمكانيات تصدير OpenTelemetry مراقبة شاملة وتصحيح أخطاء سلوك الوكلاء.

نعم، مع Entra Agent ID وضوابط الامتثال وسجلات التدقيق التفصيلية، يلبي MAF متطلبات الحوكمة للخدمات المالية والرعاية الصحية والقطاعات الأخرى الخاضعة للتنظيم.

يتطلب الترحيل إعادة هيكلة أنماط API الجديدة وبناء جملة DSL، على الرغم من أن المفاهيم الأساسية تظل مألوفة لمطوري Semantic Kernel الحاليين.