Vstup společnosti Microsoft do oblasti agentické AI představuje významný posun směrem k demokratizaci vývoje autonomních agentů.
Poté, co společnost Microsoft zaznamenala fragmentaci mezi výzkumnými rámci, jako je AutoGen, a nástroji připravenými pro produkci, jako je Semantic Kernel, představila na konferenci Build 2025 jejich sjednocení a 1. října 2025 vydala veřejnou ukázku Microsoft Agent Framework (MAF).
Tato konsolidace řeší kritickou mezeru, kdy se podniky snažily propojit špičkový výzkum s provozní spolehlivostí.
Zde je vysvětleno, jak to funguje a co potřebujete vědět.
Hlavní body
- Microsoft sjednocuje AutoGen a Semantic Kernel do Microsoft Agent Framework.
- MAF zjednodušuje vývoj agentů pomocí deklarativního SDK a flexibilních integrací.
- Podniky získávají díky integraci Azure přehlednost, podporu paměti a soulad s předpisy.
- Migrace vyžaduje refaktoring a může vyvolat obavy z uzamčení dodavatele nebo z viditelnosti nákladů.
Nabízí Microsoft Agentic AI?
Ano, společnost Microsoft nabízí agentickou AI prostřednictvím Microsoft Agent Framework (MAF), který byl poprvé představen na konferenci Build 2025 a 1. října 2025 byl zveřejněn v rámci veřejné preview.
Microsoft Agent Framework je jednotná platforma, která spojuje Semantic Kernel a AutoGen do jediného SDK a poskytuje deterministické a dynamické orchestrovací vzory, zásuvné paměťové úložiště a integrace na podnikové úrovni prostřednictvím standardů Model Context Protocol a Agent-to-Agent.
Tento framework eliminuje složitost správy samostatných nástrojů a zároveň zachovává flexibilitu, kterou vývojáři potřebují pro vlastní implementace.
Tento jednotný přístup vytváří základ pro zkoumání toho, jak MAF funguje pod povrchem, aby poskytoval autonomní funkce agentů.
Stručný přehled funkcí: Microsoft Agent Framework
Microsoft Agent Framework poskytuje komplexní funkcionalitu v rámci celého životního cyklu agenta, od vývoje po nasazení a monitorování:
| Schopnosti | Podrobnosti |
|---|---|
| Unifikované SDK | Jednotná knihovna kombinující Semantic Kernel a AutoGen s deklarativními definicemi agentů |
| Integrace paměti | Nativní konektor pro Redis, s Pinecone, Qdrant a dalšími vektorovými úložišti dostupnými prostřednictvím připojitelných konektorů |
| Koordinace nástrojů | Volání funkcí OpenAI, konektory Azure AI a podpora protokolu MCP pro externí API. |
| Správa identit | Entra Agent ID poskytuje jedinečné identity s integrací Azure AD pro řízení přístupu. |
| Pozorovatelnost | Sledování úvah na úrovni kroků, telemetrie tokenů a možnosti exportu OpenTelemetry |
| Soulad se standardy | Nativní podpora protokolu Model Context Protocol (MCP) a komunikace Agent-to-Agent (A2A) |
Díky tomuto technickému základu je MAF jak vývojovou platformou, tak operačním runtime pro nasazení agentů v podnikovém prostředí.
Jak funguje Microsoft Agent Framework pod kapotou
MAF funguje prostřednictvím pěti odlišných technických vrstev, které spolupracují, aby umožnily autonomní rozhodování a provádění úkolů.
- Orchestrační vrstva: Používá deklarativní DSL s deterministickými a dynamickými plánovacími vzory pro koordinaci více agentů.
- Správa paměti: Podporuje zásuvné úložiště včetně Redis, Pinecone, Qdrant, Weaviate a Elasticsearch pro uchování kontextu.
- Integrace nástrojů: Umožňuje volání funkcí OpenAI, schémata OpenAPI a konektory služeb Azure AI prostřednictvím standardizovaných protokolů.
- Bezpečnostní rámec: Implementuje Entra Agent ID pro jedinečné identity a integruje kontroly shody prostřednictvím Azure AD.
- Observability Stack: Zachycuje podrobné stopy uvažování, telemetrii tokenů a exportuje data OpenTelemetry pro monitorování.
Tyto architektonické vrstvy vytvářejí robustní základ, který vyvažuje flexibilitu s požadavky na správu podniku.
Hlavní silné stránky a kritické nedostatky Microsoft Agentic AI
Microsoft Agent Framework vyniká sjednocením dříve roztříštěných nástrojů při zachování kompatibility s otevřenými standardy.
Integrace produkčních schopností Semantic Kernel s výzkumnými inovacemi AutoGen vytváří atraktivní hodnotovou nabídku pro podniky, které hledají stabilitu i inovace.
Díky dodržování standardů Model Context Protocol a Agent-to-Agent zajišťuje MAF interoperabilitu napříč ekosystémy různých dodavatelů.
Organizace, které migrují ze stávajících implementací Semantic Kernel nebo AutoGen, však čelí nákladům na refaktoring, protože se přizpůsobují novým vzorcům a API.
Úzké propojení frameworku s infrastrukturou Azure vyvolává obavy z potenciální závislosti na dodavateli, zejména u multi-cloudových implementací.
Navíc, zatímco funkce pozorovatelnosti poskytují podrobnou telemetrii, mohou v scénářích s vysokým průtokem způsobit zvýšení výkonu a ceny za trvalé relace zůstávají nezveřejněny, což komplikuje plánování nákladů pro dlouhodobě běžící pracovní postupy agentů.
Ceny a licence: Co si Microsoft účtuje za Agentic AI
Společnost Microsoft používá fakturaci na základě spotřeby prostřednictvím služby Azure AI Foundry Agent Service. Poplatky se účtují za každé volání modelu a spuštění nástroje, zatímco podrobné sazby za token a trvalou relaci zůstávají nezveřejněny.
Tento přístup umožňuje experimentování a škálování podle využití, konkrétní cenové úrovně však zůstávají od října 2025 důvěrné.
Knihovna MAF je open source, což snižuje překážky při počátečním vývoji a testování. Produkční nasazení však vyžaduje služby Azure AI, kde se náklady hromadí prostřednictvím volání modelových API, používání konektorů a správy trvalých relací.
Reálné implementace Microsoft Agent Framework
Několik velkých podniků přijalo MAF pro nasazení produkčních agentů, což dokazuje jeho připravenost pro podnikové použití v různých případech.
První implementace ukazují slibné výsledky v odvětvích s vysokými požadavky na dodržování předpisů:
- Nasazení v KPMG: Vytvořili jsme systémy s více agenty připravené k auditu s funkcí sledování dodržování předpisů, čímž jsme snížili požadavky na manuální dohled.
- Integrace Commerzbank: Implementace MAF pro automatizaci pracovních postupů, dosažení měřitelného zvýšení efektivity finančních operací.
- BMW Manufacturing: Nasazení agentů pro diagnostické pracovní postupy s využitím pozorovatelnosti MAF pro procesy zajištění kvality.
Tyto implementace zdůrazňují sílu MAF v regulovaných prostředích, kde jsou nejdůležitější auditní stopy a kontroly správy.
Plán a konkurenční výhled pro Microsoft Agentic AI
Strategická vize společnosti Microsoft pro MAF klade důraz na neustálou integraci s širším ekosystémem Azure při zachování kompatibility s otevřenými standardy. Časový plán vývoje ukazuje stabilní pokrok směrem k funkcím na podnikové úrovni.
Do budoucna plánuje Microsoft rozšířenou integraci s mikroslužbami NVIDIA NIM a vylepšenou podporu pro heterogenní paměťové architektury. Plán zahrnuje další připojitelné plánovače a nativní podporu pro připojení více cloudů.
Toto strategické postavení udržuje konkurenční výhodu společnosti Microsoft a zároveň podporuje růst ekosystému prostřednictvím otevřených standardů.
Začínáme s Microsoft Agentic AI v 7 krocích
Implementace MAF vyžaduje systematické nastavení ve fázích vývoje, nasazení a provozu.
- Instalace závislostí: Stáhněte si MAF SDK z GitHubu a nakonfigurujte své vývojové prostředí.
- Konfigurace Azure: Nastavte přihlašovací údaje Azure AI Foundry a navážte připojení ke službám.
- Definujte schéma agenta: Vytvořte deklarativní definice agentů pomocí vzorů DSL MAF.
- Konfigurace úložiště paměti: Připojte se k Redis, Pinecone nebo vaší preferované vektorové databázi.
- Implementace nástrojových konektorů: Nastavte integraci nástrojů kompatibilních s MCP pro externí přístup k API.
- Nasazení bezpečnostních kontrol: Nakonfigurujte Entra Agent ID a nastavte ochranná opatření pro dodržování předpisů.
- Povolte monitorování: Aktivujte exporty OpenTelemetry a nakonfigurujte dashboardy pro sledování.
S správnou konfigurací a existující infrastrukturou Azure vývojové týmy obvykle vidí první výsledky během několika dní a plnou připravenost k produkci lze dosáhnout během týdnů, nikoli měsíců.
Často kladené otázky
MAF sjednocuje Semantic Kernel a AutoGen při zachování kompatibility s otevřenými standardy a poskytuje flexibilitu výzkumu i spolehlivost pro podniky v jedné platformě.
V současné době je optimalizován pro Azure, ale protokoly MCP a A2A umožňují integraci nástrojů napříč cloudy s nutností dodatečné konfigurace konektoru.
Sledování úvah na úrovni kroků, telemetrie na úrovni tokenů a možnosti exportu OpenTelemetry umožňují komplexní monitorování a ladění chování agentů.
Ano, díky Entra Agent ID, kontrolám dodržování předpisů a podrobným auditním stopám splňuje MAF požadavky na správu a řízení pro finanční služby, zdravotnictví a další regulovaná odvětví.
Migrace vyžaduje refaktoring na nové vzory API a syntaxi DSL, i když základní koncepty zůstávají známé stávajícím vývojářům Semantic Kernel.