Microsoft Foundry Agent Service | Robocikowo

Opis

Historia i rebranding

Usługa zadebiutowała w listopadzie 2024 jako Azure AI Agent Service — komponent Azure AI Foundry odpowiadający za runtime agentów. W marcu 2025 weszła w public preview, a od końca 2025 jest generally available. W kwietniu 2026, wraz z konsolidacją marki, Microsoft przemianował platformę na Microsoft Foundry Agent Service, a samo Azure AI Foundry stało się Microsoft Foundry. Stare endpointy (`*.services.ai.azure.com/api/projects/.../agents`) zachowują kompatybilność wsteczną.

Architektura platformy

Foundry Agent Service obsługuje trzy typy agentów: Prompt agents (no-code, konfigurowane w portalu lub przez SDK), Workflow agents (deklaratywne orchestracje YAML z branching/HITL) oraz Hosted agents — agenci budowani w dowolnym frameworku (Microsoft Agent Framework, LangGraph, własny kod), wdrażani jako kontenery w izolowanych Micro VM ze skalowaniem per session.

Narzędzia i protokoły

Wbudowane narzędzia obejmują web search, file search, memory, code interpreter oraz hosted MCP servers (w tym Azure DevOps MCP). Toolbox pozwala publikować zestaw narzędzi raz i konsumować przez dowolny MCP-kompatybilny runtime. Agenci uwierzytelniają się przez Microsoft Entra (managed identity, OAuth On-Behalf-Of). Publikowanie obsługuje protokoły OpenResponses, Activity oraz A2A (preview) dla komunikacji agent-agent, a dystrybucja prowadzi do Microsoft 365 Copilot, Teams i Entra Agent Registry.

MLOps Lifecycle

7/10 wspieranych

Zarządzanie promptami

Rejestr promptów — centralne repozytorium promptów

Wersjonowanie — wersjonowanie i historia promptów

Frameworki testowe — A/B testing i ewaluacja promptów

3 / 3 wspierane · brak niespełnionych

Monitoring

Wykrywanie dryftu danych — wykrywanie dryftu danych wejściowych

Wykrywanie dryftu koncepcyjnego — wykrywanie dryftu koncepcyjnego

Monitorowanie halucynacji — monitorowanie halucynacji LLM

Ewaluacja stronniczości — narzędzia do ewaluacji stronniczości

3 / 4 wspierane · 1 niespełnione ukryte

Human-in-the-Loop

Usługi etykietowania — narzędzia do etykietowania danych

RLHF — reinforcement learning from human feedback

Ręczne przesłonięcia — ręczne przełączanie decyzji modelu

1 / 3 wspierane · 2 niespełnione ukryte

Dane i wiedza

Zastosowania

11

Architektura i mechanizmy

19

Bezpieczeństwo

Ekosystem deweloperski

Języki SDK

PyPythonJSJavaScriptTSTypeScript

Typ API

REST

Społeczność i zasoby

Biblioteka szablonów

Szybki start

Dokumentacja API

Samouczki

Cennik i model biznesowy

Zobacz pełny cennik

Modele cenowe

Płatność za użycie

Na podstawie tokenów

Zarezerwowana przepustowość

Limity zasobów

Per projekt

Per użytkownik

Alerty kosztów

SLA i wsparcie

99.9%uptime SLA

StandardowyEnterprise 24/7

Wspierane modele AI

17

Opis

Historia i rebranding

Architektura platformy

Narzędzia i protokoły

MLOps LifecycleiMLOps LifecyclePełny cykl życia modelu: rejestr, feature store, prompt management, monitoring i human-in-the-loop.

Zarządzanie promptami

Monitoring

Human-in-the-Loop

Dane i wiedzaiZarządzanie danymi i wiedząKonektory danych, integracja z bazami wektorowymi, native vector search i mechanizmy zarządzania danymi (PII, provenance, dane syntetyczne).

ZastosowaniaiZastosowania AIDziedziny i scenariusze zastosowania, do których platforma jest najlepiej dopasowana – od RAG i fine-tuningu po zastosowania naukowe.

Architektura i mechanizmyiArchitektura i mechanizmyFundamenty architektoniczne i nowoczesne metody przetwarzania AI, które są natywnie wspierane lub wykorzystywane przez tę platformę.

BezpieczeństwoiBezpieczeństwo EnterpriseZestaw certyfikacji, kontroli dostępu oraz funkcji ochrony danych, kluczowych dla wdrożeń korporacyjnych i zachowania prywatności w chmurze.

Ekosystem deweloperskiiEkosystem DeweloperskiZasoby wspierające programistów: dostępne biblioteki SDK, wspierane języki programowania oraz funkcje infrastrukturalne i metody wdrażania modeli.

Cennik i model biznesowyiCennik i model biznesowyModele rozliczeń (usage-based, provisioned throughput), limity zasobów oraz parametry SLA (uptime, poziomy wsparcia).