Microsoft Agent Framework: Graph-basierte Workflows für .NET und Python

Microsoft hat mit dem Agent Framework ein Open-Source-System für den Bau von KI-Agenten und Multi-Agent-Workflows veröffentlicht. Das Framework unterstützt sowohl .NET als auch Python und bringt graph-basierte Orchestrierung für komplexe Architekturen mit.

Während bisherige Lösungen wie Semantic Kernel oder AutoGen oft entweder auf .NET oder Python spezialisiert waren, setzt Microsoft auf einen zweisprachigen Ansatz: .NET und Python in einem gemeinsamen Framework. Entwickler können Agenten in ihrer bevorzugten Sprache bauen und von einer einheitlichen Architektur profitieren. Einen Überblick über Struktur, SDKs und Beispiele liefern das GitHub-Repository und die offizielle Dokumentation auf Microsoft Learn.

Praxis-Beispiel: Ein Customer-Support-Agent analysiert Tickets, klassifiziert sie und schlägt Antworten vor. Mit dem Agent Framework lassen sich diese Schritte als Knoten in einem Workflow-Graphen modellieren: Agent eins liest das Ticket, Agent zwei extrahiert Schlüsselbegriffe, Agent drei sucht in der Wissensdatenbank nach Lösungen. Bei Bedarf kann man manuell eingreifen (human-in-the-loop) oder frühere Zustände wiederherstellen.

Die graph-basierte Orchestrierung erlaubt es, Agenten und deterministische Funktionen über Datenflüsse zu verbinden. Wichtig sind dabei Streaming (Teilergebnisse werden früh weitergeleitet), Checkpointing (Zwischenstände werden gespeichert, um bei Fehlern kontrolliert neu anzusetzen) und Checkpoint-Restore (Workflows können zu einem früheren Zustand zurückgeführt werden, um Alternativen auszuprobieren). Für Entwickler, die von Semantic Kernel oder AutoGen migrieren wollen, bietet Microsoft separate Migrationsleitfäden an.

Für den Einstieg gibt es eine Quick-Start-Anleitung und ausführliche Tutorials auf Microsoft Learn. Das Framework zielt darauf ab, die Komplexität von Multi-Agent-Systemen zu reduzieren, indem es eine konsistente Abstraktion für Orchestrierung, Zustandsverwaltung und Fehlerbehandlung bereitstellt.

Migration von bestehenden Frameworks

Für Teams, die bereits mit Semantic Kernel oder AutoGen arbeiten, bietet Microsoft dedizierte Migrationsleitfäden. Diese zeigen, wie bestehende Agenten-Logik in das neue Framework überführt werden kann, ohne die gesamte Architektur neu schreiben zu müssen. Der praktische Reiz liegt weniger in einem einzelnen Feature als in der gemeinsamen Laufbahn für .NET- und Python-Teams.

Architektur und Kernkonzepte

Das Agent Framework trennt klar zwischen Agenten (KI-gesteuerte Komponenten) und Workflows (Orchestrierungslogik). Agenten können LLMs, Tools oder externe APIs anbinden, während Workflows als gerichtete Graphen definiert werden. Jeder Knoten im Graph führt eine Funktion oder einen Agenten aus, und Kanten definieren Datenflüsse zwischen ihnen. So bleibt die Orchestrierung nachvollziehbar, auch wenn mehrere Agenten, Tools und Kontrollpunkte zusammenspielen. Gerade für Teams mit längeren Prozessketten ist das relevant, weil sich Zustände, Übergaben und Fehlerpfade sauberer dokumentieren lassen als in lose verketteten Prompt-Aufrufen.

Vergleich mit anderen Lösungen

Im Vergleich zu reinen .NET-Lösungen wie Semantic Kernel oder Python-Frameworks wie AutoGen bietet das Microsoft Agent Framework eine einheitliche Abstraktion über beide Sprachen hinweg. Das ermöglicht gemischte Teams, in ihrer bevorzugten Sprache zu entwickeln, während die Orchestrierungsebene konsistent bleibt. Zusätzlich erweitert die graph-basierte Modellierung die Möglichkeiten für komplexe, verzweigte Workflows, die bisher manuell koordiniert werden mussten.

Unter dem Strich ist das Agent Framework vor allem für Teams interessant, die .NET- und Python-Komponenten in einer gemeinsamen Orchestrierung zusammenführen wollen. Der eigentliche Mehrwert liegt weniger in einem einzelnen Feature als in der Kombination aus Workflow-Graphen, Wiederanlaufpunkten und klarer Migrationsspur für bestehende Agentenprojekte.