Как начать пользоваться Microsoft Agent Framework: разработка AI-агентов на Python и .NET

Microsoft Agent Framework GA (3 апреля 2026) - стабильный релиз после длительного preview. A2A Protocol (Agent-to-Agent): стандартизированный протокол для коммуникации между агентами разных runtime. Ваш AutoGen агент может напрямую вызвать Semantic Kernel агент или внешний Google ADK агент через A2A без кастомной интеграции.

Build 2026 (2-3 июня 2026) анонсировал: Skills в Toolboxes - библиотека переиспользуемых skills для агентов (100+ готовых для популярных задач), Voice Live API для голосовых агентов в реальном времени, Copilot Studio интеграция для no-code создания агентов на том же runtime. DevUI Debugger -- интерактивная отладка агентных цепочек в браузере: визуализирует вызовы между агентами, аргументы инструментов и ответы модели в реальном времени без лишних логов.

Статус AutoGen и Semantic Kernel в MAF: AutoGen переведён в режим обслуживания (maintenance mode) и является legacy-компонентом Microsoft Agent Framework - новые функции не добавляются, только критические bugfixes. Semantic Kernel также влит в MAF как компонент для интеграции AI в корпоративные .NET-приложения. Оба инструмента полностью включены в MAF и доступны через единый API. Для новых проектов Microsoft рекомендует использовать MAF напрямую, не используя AutoGen или Semantic Kernel как отдельные зависимости.

Важно для разработчиков, мигрирующих с AutoGen: AutoGen как самостоятельный фреймворк больше не развивается - он влит в Microsoft Agent Framework. Если вы используете pip install pyautogen, вам доступна только устаревшая ветка. Для новых проектов устанавливайте pip install microsoft-agents-ai. Существующий AutoGen-код можно постепенно мигрировать на MAF API: концепции Agent, GroupChat и tool use имеют прямые аналоги в MAF с расширенными возможностями.

Deployments: Agent Framework агенты деплоятся в Azure AI Studio как managed endpoints. Поддержка Docker контейнеров для on-premise. GitHub Actions интеграция для CI/CD агентных пайплайнов. Цены: Azure AI Studio computing cost + model token cost отдельно.

Microsoft Agent Framework 1.0 - это открытый фреймворк для разработки AI-агентов, выпущенный 3 апреля 2026 года как production-ready решение. Microsoft объединила два своих популярных AI-проекта в единый фреймворк: AutoGen (45 000+ звёзд на GitHub) и Semantic Kernel (30 000+ звёзд). Оба инструмента переведены в legacy-режим: AutoGen находится в maintenance mode (только bugfixes), Semantic Kernel также влит в MAF без активной разработки как отдельный продукт. Результат - MAF как единый, продуманный инструмент с одним API для Python и .NET, объединяющий лучшее из обоих фреймворков.

Главная идея фреймворка состоит в том, чтобы разработчики тратили время на логику своих агентов, а не на решение инфраструктурных вопросов: как подключить провайдера модели, как организовать память, как наладить взаимодействие между агентами, как отслеживать работу системы в production. Все эти задачи фреймворк берёт на себя.

Фреймворк ориентирован прежде всего на разработчиков. Это не no-code конструктор и не визуальный редактор - здесь нужно писать код. Но порог входа значительно ниже, чем при написании агентной логики с нуля, а шаблоны и документация позволяют запустить первого агента буквально за несколько минут после установки.

Кому подойдёт этот фреймворк: Python-разработчикам, которые хотят быстро создать прототип AI-агента для автоматизации задач; .NET-разработчикам, встраивающим агентные возможности в корпоративные приложения на C# или F#; командам, которым нужна наблюдаемость и контроль над агентами в production-среде; исследователям, экспериментирующим с мультиагентными системами; всем, кто хочет запускать агентов с открытыми моделями через Ollama без зависимости от облачных провайдеров и без затрат на API.

Фреймворк поддерживает шесть провайдеров языковых моделей из коробки: Azure OpenAI для корпоративных пользователей, OpenAI с доступом к GPT-серии моделей, Anthropic Claude для задач, требующих особой аккуратности и безопасности, Amazon Bedrock как gateway к разным провайдерам в AWS-экосистеме, Google Gemini с его мультимодальными возможностями, и Ollama для полностью локального запуска открытых моделей без отправки данных в интернет. Возможность менять провайдера одной строкой конфигурации - огромное удобство при разработке и миграции.

Фреймворк полностью бесплатный и распространяется под лицензией MIT. Никакой регистрации, аккаунтов и подписок не требуется - достаточно установить пакет через стандартный менеджер пакетов. Исходный код открыт на GitHub в репозитории microsoft/agent-framework. Платить нужно только за использование API языковых моделей, если вы не работаете с Ollama локально.

Установка для Python: Требуется Python версии 3.10 или новее. Проверьте текущую версию:

python --version

Если Python устарел, скачайте актуальную версию с официального сайта python.org или используйте менеджер версий pyenv. Рекомендуется также создать виртуальное окружение, чтобы не засорять системный Python:

python -m venv agents-env
source agents-env/bin/activate  # macOS/Linux
agents-env\Scripts\activate  # Windows

Установите фреймворк одной командой:

pip install microsoft-agents-ai

Команда установит фреймворк вместе со всеми зависимостями. Для дополнительных провайдеров моделей могут понадобиться отдельные пакеты - например, pip install microsoft-agents-ai[ollama] для поддержки Ollama или pip install microsoft-agents-ai[azure] для Azure OpenAI.

Установка для .NET: Требуется .NET 8 SDK или новее. Проверьте установленную версию командой dotnet --version. Добавьте пакет в существующий проект:

dotnet add package Microsoft.Agents.AI

Для дополнительных провайдеров добавьте соответствующие пакеты: Microsoft.Agents.AI.AzureOpenAI, Microsoft.Agents.AI.Anthropic и так далее. Все пакеты публикуются синхронно с основным релизом.

Настройка провайдера модели: Самый быстрый способ начать без ключей API - Ollama. Скачайте Ollama с сайта ollama.com (установщик для macOS, Windows и Linux). После установки Ollama запускается как фоновый сервис. Скачайте любую поддерживаемую модель:

ollama pull llama3.2

Если вы хотите использовать OpenAI, Anthropic Claude или другие облачные сервисы, получите API-ключ на соответствующем сайте и добавьте его в переменные окружения или файл .env в вашем проекте. Для OpenAI: OPENAI_API_KEY='ваш_ключ'. Для Anthropic: ANTHROPIC_API_KEY='ваш_ключ'. Фреймворк автоматически считывает ключи из стандартных переменных окружения.

Начнём с самого простого - одиночного агента с базовыми возможностями. Создайте файл agent_hello.py и добавьте следующий код:

from microsoft_agents import Agent, OllamaModel

# Создаём модель через локальный Ollama
model = OllamaModel(model='llama3.2')

# Создаём агента с описанием роли
agent = Agent(
    name='assistant',
    model=model,
    system_message='Ты опытный программист. Объясняй концепции чётко и кратко, приводи рабочие примеры кода.'
)

# Простой запрос
response = agent.run('Что такое AI-агент и чем он отличается от обычного чатбота?')
print(response.content)

Запустите скрипт командой python agent_hello.py. Агент обратится к локальной модели через Ollama и вернёт ответ. Первый запрос может занять несколько секунд, пока модель загружается в память.

Следующий шаг - агент с инструментами (tool use). Это ключевая отличительная черта агентного подхода: агент не просто генерирует текст, а может вызывать функции вашего кода и использовать результаты для следующих шагов рассуждения:

from microsoft_agents import Agent, OllamaModel, tool
import datetime
import subprocess

@tool
def get_current_time() -> str:
    '''Возвращает текущую дату и время в формате ISO'''
    return datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S')

@tool
def run_python_code(code: str) -> str:
    '''Выполняет Python код и возвращает stdout или сообщение об ошибке'''
    try:
        result = subprocess.run(
            ['python3', '-c', code],
            capture_output=True, text=True, timeout=10
        )
        return result.stdout or result.stderr
    except Exception as e:
        return str(e)

model = OllamaModel(model='llama3.2')
agent = Agent(
    name='coder',
    model=model,
    tools=[get_current_time, run_python_code],
    system_message='Ты программист с доступом к инструментам. Используй run_python_code для проверки своих решений.'
)

response = agent.run('Напиши и проверь функцию для вычисления чисел Фибоначчи')
print(response.content)

Мультиагентный сценарий с режимом Sequential (последовательная обработка) особенно полезен для построения пайплайнов, где каждый агент специализируется на своей части задачи:

from microsoft_agents import Agent, OllamaModel, Sequential

model = OllamaModel(model='llama3.2')

# Агент-архитектор планирует решение
architect = Agent(
    name='architect',
    model=model,
    system_message='Ты архитектор ПО. Получаешь требования и создаёшь детальный план реализации.'
)

# Агент-программист пишет код по плану
developer = Agent(
    name='developer',
    model=model,
    system_message='Ты опытный программист. Получаешь план архитектора и пишешь чистый, рабочий код.'
)

# Агент-ревьюер проверяет и улучшает код
reviewer = Agent(
    name='reviewer',
    model=model,
    system_message='Ты senior-разработчик. Проверяешь код, указываешь на проблемы и предлагаешь улучшения.'
)

pipeline = Sequential([architect, developer, reviewer])
result = pipeline.run('Создай REST API endpoint для регистрации пользователей с валидацией')
print(result.content)

Режим Parallel позволяет нескольким агентам работать параллельно над разными аспектами одной задачи - например, одновременный анализ безопасности, производительности и читаемости кода. Режим Group Chat имитирует дискуссию, где агенты обмениваются мнениями, пока не достигают консенсуса - полезно для задач, требующих рассмотрения с разных точек зрения.

Три режима оркестрации агентов: Sequential - агенты выстраиваются в цепочку, каждый получает результат предыдущего и дополняет его. Parallel - несколько агентов работают одновременно над разными частями задачи, затем результаты объединяются. Group Chat - агенты общаются между собой в виде дискуссии, управляемой отдельным агентом-модератором, который решает, кому дать слово. Каждый режим имеет свою область применения, и их можно комбинировать в сложных системах.

A2A протокол (Agent-to-Agent) и экосистема из 150+ партнёров: Microsoft разработала открытый протокол для взаимодействия агентов разных систем. К протоколу присоединились более 150 компаний-партнёров, включая крупных игроков рынка. Это означает, что агент, написанный на Microsoft Agent Framework, может напрямую взаимодействовать с агентами других систем, поддерживающих A2A. Создаётся настоящая экосистема взаимодействующих AI-агентов, не привязанных к одному вендору.

MCP (Model Context Protocol) от Anthropic: Фреймворк поддерживает открытый стандарт MCP, который предоставляет агентам доступ к тысячам готовых инструментов: работа с файловой системой, базами данных, веб-браузером, GitHub, Slack, Notion и многим другим. Подключение MCP-инструментов требует минимума кода, а каталог доступных инструментов постоянно растёт. Это значительно снижает объём работы при создании агентов для реальных задач.

Двухуровневая память: Краткосрочная память (session memory) хранит контекст текущей сессии - агент помнит всё, что происходило в рамках одного диалога или задачи. Долгосрочная память (long-term memory) позволяет агенту запоминать информацию между сессиями: предпочтения пользователя, результаты прошлых исследований, выученные факты. Для хранения поддерживаются векторные базы данных Qdrant, Chroma, Redis и Azure AI Search, каждая с разными характеристиками по производительности и стоимости.

Human-in-the-Loop (человек в контуре): Агент может приостановить выполнение задачи и запросить подтверждение или дополнительные инструкции у человека перед выполнением критически важных или необратимых действий. Например, перед отправкой письма, удалением данных или финансовой транзакцией. Это ключевая функция для безопасного развёртывания агентов в production.

OpenTelemetry и наблюдаемость: Встроенная интеграция с OpenTelemetry позволяет собирать детальные метрики работы агентов: какие инструменты вызывались, сколько токенов было потрачено на каждом шаге, где возникли задержки, какие решения принял агент. Трассировки можно отправлять в Grafana, Jaeger, Datadog или любой другой совместимый сборщик. Без этого отладка мультиагентных систем в production практически невозможна.

Единый API для Python и .NET: Команда Microsoft обеспечила идентичную форму API в обоих языках. Концепции Agent, Sequential, tool, memory, работающие в Python, имеют прямые аналоги в .NET. Это облегчает работу в смешанных командах и позволяет переносить идеи между проектами на разных языках без переосмысления архитектуры.

Сам фреймворк абсолютно бесплатный. Лицензия MIT гарантирует, что это не изменится - можно использовать в коммерческих продуктах, модифицировать, создавать производные работы без каких-либо отчислений. Исходный код открыт на GitHub.

Расходы возникают только при использовании платных языковых моделей. При работе с Ollama и открытыми моделями вроде Llama или Mistral - расходов нет вообще. При использовании OpenAI API стоимость зависит от выбранной модели и объёма запросов - на момент написания провайдеры активно меняют тарифы в сторону снижения, поэтому актуальные цены лучше смотреть на сайтах openai.com, anthropic.com, ai.google.dev. Для Azure OpenAI стоимость определяется тарифами Azure и зависит от региона и объёма.

Технические ограничения: Требуется Python 3.10+ или .NET 8+. Это свежие, но уже устоявшиеся версии. В корпоративных средах с консервативными требованиями к версиям ПО может потребоваться обновление. Для долгосрочной памяти нужно дополнительно развернуть векторное хранилище - Qdrant, Chroma или другое поддерживаемое решение. Это добавляет операционную сложность и возможные расходы на инфраструктуру.

Фреймворк выпущен в апреле 2026 года, и хотя статус production-ready подразумевает стабильность API, экосистема ещё молодая. Сообщество меньше, чем у более зрелых инструментов, документация продолжает расширяться. Некоторые граничные сценарии могут работать не так, как ожидается, и придётся обращаться к issues на GitHub.

Rate limits и квоты полностью зависят от выбранного провайдера модели. Фреймворк передаёт запросы как есть, не добавляя собственных ограничений. Если ваша система генерирует много параллельных запросов в режиме Parallel, убедитесь, что ваш тарифный план провайдера позволяет такую нагрузку.

Сам фреймворк доступен без VPN. Установка через pip (Python Package Index) и NuGet (.NET) работает из России без ограничений. GitHub, где хранится исходный код и документация - также доступен без VPN на момент написания.

Нужен ли VPN зависит исключительно от того, какой провайдер языковых моделей вы используете:

Без VPN (работает из России на момент написания): Ollama с локальными моделями - весь трафик внутри вашего компьютера, никаких внешних запросов при работе. Скачивание моделей с huggingface.co и ollama.com доступно. Amazon Bedrock - доступен через AWS API (требует аккаунт AWS). Azure OpenAI - в целом доступен, поскольку Azure работает в России, но конкретные конечные точки могут отличаться.

VPN рекомендуется или необходим: OpenAI API - сервис openai.com недоступен для российских IP-адресов, API-запросы блокируются. Anthropic Claude API - аналогично, API недоступен без проксирования через другой регион. Google Gemini API - ситуация может меняться, лучше проверить актуальное состояние.

Практический совет для разработки: Начните с Ollama. Это бесплатно, работает без ограничений из России, не требует API-ключей, и позволяет полностью освоить фреймворк. Когда перейдёте к тестированию с облачными моделями для сравнения качества, используйте VPN или перенаправляйте API-запросы через сервер за пределами России. Поскольку фреймворк не делает собственных сетевых запросов (всё идёт через выбранного провайдера), достаточно настроить прокси один раз на уровне переменных окружения.

Обновления с Microsoft Build 2026: Windows Agent Framework (WAF) открыт под лицензией MIT -- разработчики могут свободно использовать и модифицировать фреймворк. Запущен Windows Agent Store -- маркетплейс агентов, где можно публиковать и находить готовые решения. Microsoft Copilot теперь позволяет создавать агентов без написания кода через визуальный интерфейс -- достаточно описать задачу на естественном языке.

Обновления Microsoft Agent Framework (Build 2026): Интеграция с Claude Agent SDK от Anthropic стабилизирована: SDK теперь полностью поддерживается в Microsoft AI Agent Framework. Трассировка и оценка качества (tracing/evaluation) для размещённых агентов выходят в GA в июне 2026 года -- теперь доступно всем пользователям без ограничений preview.

Windows Agent Framework (WAF) открыт под MIT лицензией на Microsoft Build 2026. WAF -- фреймворк для создания агентов, работающих непосредственно с интерфейсом Windows: управление приложениями, файловой системой, настройками. Репозиторий: github.com/microsoft/windows-agent-framework.

Windows Agent Store -- магазин готовых AI-агентов для Windows, аналог App Store. Copilot создаёт агентов из текста: опишите задачу в Microsoft Copilot, и он автоматически сгенерирует агент на базе WAF -- без написания кода.

Hosted Agents в Foundry Agent Service (анонсировано на Microsoft Build 2026, 2-3 июня 2026): Microsoft анонсировала возможность развёртывания агентов как управляемых контейнеров в Azure Foundry Agent Service. Ключевые возможности: автоматическое масштабирование (autoscaling) в зависимости от нагрузки; встроенная идентификация через Managed Identity без хранения секретов в коде; управление состоянием сессий на стороне платформы; версионирование агентов с поддержкой rollback; мониторинг через Azure Monitor из коробки. Это позволяет деплоить агентов без настройки инфраструктуры вручную.

VS Code Autopilot и фоновые агентные задачи (июнь 2026): В июне 2026 года обновление VS Code включило режим Autopilot по умолчанию для всех пользователей Copilot. Одновременно появилась поддержка фоновой отправки агентских задач (background agent dispatch): агент принимает задачу, выполняет её в фоне и уведомляет разработчика о завершении. Это позволяет запускать длительные задачи - генерацию тестов, рефакторинг крупных модулей, миграцию зависимостей - без необходимости держать фокус на IDE. При использовании Microsoft Agent Framework фоновый режим доступен через Foundry Agent Service.

Поведение агентов с Autopilot по умолчанию (июнь 2026): Переключение Autopilot в статус режима по умолчанию меняет поведение Microsoft Agent Framework: агент теперь автоматически применяет изменения без запроса подтверждения на каждом шаге. Это ускоряет выполнение задач, но требует внимания к настройке ограничений. Важные параметры для контроля: max_iterations -- лимит итераций агента за один запуск; require_approval_for -- список операций, требующих явного подтверждения (например, удаление файлов, внешние API-вызовы); autopilot_scope -- ограничение директорий, в которых агент работает автономно. Рекомендуется явно задать эти параметры при настройке агентов для production-использования.

CodeAct: модель пишет Python-программу, которая вызывает несколько инструментов в изолированной песочнице - вместо отдельных tool calls агент получает полноценный скрипт. Handoff Orchestration: декларативное определение графа агентов через directed edges - кто кому передает управление и при каких условиях. Оба инструмента доступны в Microsoft Agent Framework SDK.

GitHub Copilot SDK как backend для Microsoft Agent Framework (2026): Microsoft Agent Framework теперь поддерживает GitHub Copilot SDK в качестве backend-провайдера модели. Это означает, что MAF-агенты могут использовать те же модели, которые работают в GitHub Copilot, включая GPT-4o и Claude через единый Copilot API. Для организаций с корпоративной подпиской GitHub Copilot это упрощает интеграцию: не нужны отдельные ключи OpenAI или Anthropic - агенты используют существующую лицензию. Добавьте провайдер через CopilotModel(model='gpt-4o') в конфигурации агента.

Toolboxes с 100+ готовыми Skills (Build 2026): В рамках концепции Skills в Toolboxes Microsoft предоставляет библиотеку переиспользуемых навыков для агентов. Готовые Skills охватывают популярные задачи: работа с файлами, отправка email, запросы к базам данных, интеграция с Microsoft 365 (Teams, SharePoint, Outlook) и сторонними сервисами. Разработчик добавляет нужные Skills в Toolbox агента одной строкой кода, не тратя время на написание boilerplate-интеграций. Количество готовых Skills на момент написания - более 100.

Agent Harness (Build 2026): новый инструмент Microsoft для тестирования и оценки AI-агентов. Harness создает изолированные окружения (sandboxes), в которых агент выполняет задачи, а Harness фиксирует все вызовы инструментов, время выполнения и результаты. Это позволяет создавать бенчмарки и регрессионные тесты для агентных воркфлоу. Интеграция с Azure DevOps и GitHub Actions для автоматической проверки поведения агентов при каждом PR.

Microsoft Agent Framework Python SDK v1.11.0 (июль 2026). Релиз v1.11.0 Python SDK принёс три ключевых обновления. Умные сессии агентов (smarter agent sessions) - агент теперь автоматически сохраняет и восстанавливает рабочее состояние между вызовами, что важно для многоэтапных задач без явного управления памятью в коде. Прогрессивное обнаружение MCP-инструментов (progressive MCP tool discovery) - вместо загрузки полного списка MCP-инструментов при старте агент динамически подтягивает нужные инструменты по мере выполнения задачи, что снижает потребление токенов и ускоряет инициализацию. AG-UI поддержка - нативная интеграция с протоколом AG-UI (Agent-User Interface) для стриминга прогресса агента напрямую в пользовательский интерфейс без дополнительного middleware.

Hosted Agents - общая доступность (GA) в начале июля 2026. Анонсированные на Microsoft Build 2026 Hosted Agents перешли из preview в общую доступность в начале июля 2026 года. Ключевые характеристики GA-версии: изолированные сессии (sandboxed sessions) - каждый агент работает в отдельной песочнице без доступа к данным других сессий; управление состоянием (state management) - платформа автоматически персистирует переменные и контекст между вызовами агента; файловая система (filesystem access) - агенты получили доступ к временному файловому хранилищу для чтения и записи артефактов в ходе задачи. Hosted Agents GA доступны через Azure AI Foundry для подписчиков корпоративных планов Microsoft Azure.

Microsoft.Extensions.AI v1.13.0 (июль 2026): крупное обновление .NET SDK. Expanded Skills APIs - новые примитивы для определения навыков агентов с поддержкой потоковой передачи результатов и отмены через CancellationToken. File Editing Tools - встроенные инструменты для безопасного чтения и записи файлов с поддержкой diff-preview перед применением изменений. Foundry Hosting improvements - улучшена интеграция с Azure AI Foundry: автоматическое определение доступных моделей, retry-логика при rate limiting, поддержка streaming через Server-Sent Events.

Breaking changes в v1.13.0: метод IChatClient.CompleteAsync изменил сигнатуру - параметр options теперь nullable (ChatOptions? вместо ChatOptions). Если вы передавали null явно, изменений не требуется; если создавали пустой объект new ChatOptions() - код продолжит работу без изменений. Пакет Microsoft.SemanticKernel.Connectors.Gemini переведен в GA, пакет Microsoft.SemanticKernel.Connectors.Mistral также вышел из preview.

Этот материал подготовлен командой AI-агентов AravanaAI и проверен главным редактором.