Der Eintrag von Microsoft in die agentenbasierte KI stellt einen bedeutenden Schritt in Richtung Demokratisierung der Entwicklung autonomer Agenten dar.
Nachdem Microsoft die Fragmentierung zwischen Forschungsframeworks wie AutoGen und produktionsreifen tools wie Semantic Kernel beobachtet hatte, stellte das Unternehmen auf der Build 2025 eine Vorschau auf deren Vereinheitlichung vor und veröffentlichte am 1. Oktober 2025 die öffentliche Vorschau des Microsoft Agent Framework (MAF).
Diese Konsolidierung schließt eine kritische Lücke, in der Unternehmen Schwierigkeiten hatten, Spitzenforschung mit betrieblicher Zuverlässigkeit zu verbinden.
Hier erfahren Sie, wie es funktioniert und was Sie wissen müssen.
Wichtige Erkenntnisse
- Microsoft vereint AutoGen und Semantic Kernel im Microsoft Agent Framework.
- MAF vereinfacht die Entwicklung von Agenten durch ein deklaratives SDK und flexible Integrationen.
- Unternehmen profitieren durch die Azure-Integration von Observability, Speicherunterstützung und Compliance.
- Die Migration erfordert eine Umgestaltung und kann zu Bedenken hinsichtlich der Anbieterabhängigkeit oder der Sichtbarkeit der Kosten führen.
Bietet Microsoft Agentic KI an?
Ja, Microsoft bietet agentenbasierte KI über das Microsoft Agent Framework (MAF) an, das nach einer ersten Vorstellung auf der Build 2025 am 1. Oktober 2025 öffentlich vorgestellt wurde.
Das Microsoft Agent Framework ist eine einheitliche Plattform, die Semantic Kernel und AutoGen in einem einzigen SDK zusammenführt und deterministische und dynamische Orchestrierungsmuster, pluggable Speicherspeicher und Integrationen auf Enterprise-Niveau über das Model Context Protocol und Agent-to-Agent-Kommunikationsstandards bereitstellt.
Das Framework beseitigt die Komplexität der Verwaltung separater Tools und bietet Entwicklern gleichzeitig die Flexibilität, die sie für benutzerdefinierte Implementierungen benötigen.
Dieser einheitliche Ansatz bildet die Grundlage für die Untersuchung der Funktionsweise von MAF im Hintergrund, um autonome Agentenfunktionen bereitzustellen.
Schneller Überblick über die Funktionen: Microsoft Agent Framework
Das Microsoft Agent Framework bietet umfassende Funktionen für den gesamten Lebenszyklus eines Agenten, von der Entwicklung über die Bereitstellung bis hin zur Überwachung:
| Fähigkeiten | Details |
|---|---|
| Einheitliches SDK | Eine einzige Bibliothek, die Semantic Kernel und AutoGen mit deklarativen Agenten-Definitionen kombiniert |
| Speicherintegration | First-Party-Konnektor für Redis, mit Pinecone, Qdrant und anderen Vektorspeichern, die über steckbare Konnektoren verfügbar sind. |
| Tool-Orchestrierung | OpenAI-Funktionen, Azure KI-Konnektoren und MCP-Protokoll-Support für externe APIs |
| Identitätsmanagement | Entra Agent ID bietet eindeutige IDs mit Azure AD-Integration für die Zugriffskontrolle. |
| Beobachtbarkeit | Schrittweise Verfolgung von Schlussfolgerungen, Token-Telemetrie und OpenTelemetry-Exportfunktionen |
| Einhaltung von Standards | Native Support für Model Context Protocol (MCP) und Agent-to-Agent (A2A)-Kommunikation |
Diese technische Grundlage positioniert MAF sowohl als Entwicklungsplattform als auch als operative Laufzeitumgebung für die Bereitstellung von Agenten für Unternehmen.
Wie das Microsoft Agent Framework unter der Haube funktioniert
MAF arbeitet mit fünf verschiedenen technischen Ebenen, die zusammenwirken, um autonome Entscheidungsfindung und Ausführung von Aufgaben zu ermöglichen.
- Orchestrierungsebene: Verwendet deklarative DSL mit deterministischen und dynamischen Plänen für die Multi-Agenten-Koordination.
- Speicherverwaltung: Unterstützt pluggable Stores wie Redis, Pinecone, Qdrant, Weaviate und Elasticsearch für Kontextpersistenz.
- Tool-Integration: Ermöglicht OpenAI-Funktionsaufrufe, OpenAPI-Schemas und Azure KI-Dienstkonnektoren über standardisierte Protokolle.
- Sicherheitsframework: Implementiert Entra Agent ID für eindeutige Identitäten und integriert Compliance-Kontrollen über Azure AD.
- Observability Stack: Erfasst Schritt-für-Schritt-Reasoning-Traces, Token-Telemetrie und exportiert OpenTelemetry-Daten zur Überwachung.
Diese Architektur-Ebenen bilden eine robuste Grundlage, die Flexibilität mit den Anforderungen der Unternehmensführung in Einklang bringt.
Schlüssel-Stärken und kritische Lücken von Microsoft Agentic KI
Das Microsoft Agent Framework zeichnet sich dadurch aus, dass es zuvor fragmentierte tools vereint und gleichzeitig die Kompatibilität mit offenen Standards gewährleistet.
Die Integration der Produktionskapazitäten von Semantic Kernel mit den Forschungsinnovationen von AutoGen schafft ein überzeugendes Wertversprechen für Unternehmen, die sowohl Stabilität als auch Innovation suchen.
Die Einhaltung der Standards „Model Context Protocol“ und „Agent-to-Agent“ durch MAF gewährleistet die Interoperabilität zwischen den Ökosystemen verschiedener Anbieter.
Unternehmen, die von bestehenden Semantic Kernel- oder AutoGen-Implementierungen migrieren, müssen jedoch mit einem hohen Refactoring-Aufwand rechnen, da sie sich an neue Muster und APIs anpassen müssen.
Die enge Kopplung des Frameworks an die Azure-Infrastruktur birgt potenzielle Probleme hinsichtlich der Anbieterabhängigkeit, insbesondere bei Multi-Cloud-Bereitstellungen.
Zwar bieten Observability-Features detaillierte Telemetriedaten, doch können sie in Szenarien mit hohem Durchsatz zu Leistungseinbußen führen. Außerdem sind die Preise für dauerhafte Sitzungen noch nicht bekannt, was die Kostenplanung für lang andauernde Agent-Workflows erschwert.
Preise und Lizenzen: Was Microsoft für Agentic KI berechnet
Microsoft verwendet eine verbrauchsabhängige Abrechnung über den Azure AI Foundry Agent Service. Die Gebühren fallen pro Modellaufruf und Tool-Ausführung an, während die detaillierten Preise pro Token und dauerhafte Sitzungen nicht veröffentlicht werden.
Dieser Ansatz ermöglicht Experimente und lässt sich je nach Nutzung skalieren, wobei die konkreten Preisstufen bis Oktober 2025 vertraulich bleiben.
Die MAF-Bibliothek selbst ist Open Source, was die Hürden für die anfängliche Entwicklung und das Testen verringert. Für die Produktionsbereitstellung sind jedoch Azure-KI-Dienste erforderlich, bei denen Kosten durch Modell-API-Aufrufe, die Nutzung von Konnektoren und die Verwaltung dauerhafter Sitzungen anfallen.
Praxisnahe Implementierungen des Microsoft Agent Frameworks
Mehrere große Unternehmen haben MAF für die Bereitstellung von Produktionsagenten eingeführt und damit seine Einsatzfähigkeit in verschiedenen Anwendungsfällen unter Beweis gestellt.
Frühe Implementierungen zeigen vielversprechende Ergebnisse in Branchen mit hohen Compliance-Anforderungen:
- KPMG-Implementierung: Aufbau auditfähiger Multi-Agent-Systeme mit Nachverfolgung der Compliance, wodurch der manuelle Überwachungsaufwand reduziert wird.
- Integration bei der Commerzbank: Implementierung von MAF zur Workflow-Automatisierung, wodurch messbare Effizienzsteigerungen im Finanzbereich erzielt wurden.
- BMW Manufacturing: Einsatz von Agenten für Diagnose-Workflows unter Nutzung der Beobachtbarkeit von MAF für Qualitätssicherungsprozesse.
Diese Implementierungen unterstreichen die Stärke von MAF in regulierten Umgebungen, in denen Audit-Trails und Governance-Kontrollen von größter Bedeutung sind.
Roadmap und Wettbewerbsoutlook für Microsoft Agentic KI
Die strategische Vision von Microsoft für MAF betont die kontinuierliche Integration in das breitere Azure-Ökosystem unter Beibehaltung der Kompatibilität mit offenen Standards. Die Zeitleiste zeigt stetigen Fortschritt in Richtung unternehmensgerechter Funktionen.
Für die Zukunft plant Microsoft eine erweiterte Integration mit NVIDIA NIM-Mikroservices und verbesserte Unterstützung für heterogene Speicherarchitekturen. Die Roadmap umfasst zusätzliche pluggable Planer und native Multi-Cloud-Connector-Support.
Diese strategische Positionierung sichert Microsofts Wettbewerbsvorteil und fördert gleichzeitig das Wachstum des Ökosystems durch offene Standards.
Erste Schritte mit Microsoft Agentic KI in 7 Schritten
Die Implementierung von MAF erfordert ein systematisches Setup über die Entwicklungs-, Bereitstellungs- und Betriebsphasen hinweg.
- Installieren Sie die Abhängigkeiten: Laden Sie das MAF SDK von GitHub herunter und konfigurieren Sie Ihre Entwicklungsumgebung.
- Azure konfigurieren: Richten Sie Azure KI Foundry-Anmeldeinformationen ein und stellen Sie Dienstverbindungen her.
- Agentenschema definieren: Erstellen Sie deklarative Agentendefinitionen mithilfe der DSL-Muster von MAF.
- Speicher konfigurieren: Schließen Sie eine Verbindung zu Redis, Pinecone oder Ihrer bevorzugten Vektordatenbank ab.
- Tool-Konnektoren implementieren: Richten Sie MCP-konforme Tool-Integrationen für den Zugriff auf externe APIs ein.
- Sicherheit bereitstellen: Konfigurieren Sie die Entra Agent ID und richten Sie Compliance-Sicherheitsvorkehrungen ein.
- Überwachung aktivieren: Aktivieren Sie OpenTelemetry-Exporte und konfigurieren Sie Dashboards zur Beobachtbarkeit.
Mit der richtigen Konfiguration und einer bestehenden Azure-Infrastruktur sehen Entwicklungsteams in der Regel innerhalb weniger Tage erste Ergebnisse, und die vollständige Produktionsreife kann innerhalb von Wochen statt Monaten erreicht werden.
Häufig gestellte Fragen
MAF vereint Semantic Kernel und AutoGen unter Beibehaltung der Kompatibilität mit offenen Standards und bietet sowohl Forschungsflexibilität als auch Zuverlässigkeit für Unternehmen in einer einzigen Plattform.
Derzeit für Azure optimiert, ermöglichen MCP- und A2A-Protokolle jedoch eine cloudübergreifende Integration von Tools, wobei eine zusätzliche Konfiguration des Konnektors erforderlich ist.
Schrittweise Verfolgung von Schlussfolgerungen, Telemetrie auf Token-Ebene und OpenTelemetry-Exportfunktionen ermöglichen eine umfassende Überwachung und Fehlerbehebung des Agentenverhaltens.
Ja, mit Entra Agent ID, Compliance-Kontrollen und detaillierten Prüfpfaden erfüllt MAF die Governance-Anforderungen für Finanzdienstleistungen, das Gesundheitswesen und andere regulierte Branchen.
Die Migration erfordert eine Umstellung auf neue API-Muster und DSL-Syntax, wobei die Kernkonzepte für bestehende Semantic Kernel-Entwickler vertraut bleiben.