에이전트 공장 : 프로토 타입에서 생산 – 개발자 도구 및 빠른 에이전트 개발

이 블로그 게시물은 6 부로 구성된 블로그 시리즈 중 네 번째입니다. 에이전트 공장 이는 에이전트 AI 채택 및 구축을 안내하는 모범 사례, 디자인 패턴 및 도구를 공유합니다.

개발자는 확장의 열쇠로 경험합니다

AI 에이전트는 실험에서 실제 생산 시스템으로 빠르게 이동하고 있습니다. 산업 전반에 걸쳐 개발자들은 1 주일 동안 IDE (Integrated Development Environment)에서 프로토 타입을 테스트하고 다음에 수천 명의 사용자에게 서비스를 제공하기 위해 생산 에이전트를 배포하는 것을 볼 수 있습니다. 주요 차별화 요소는 더 이상 아닙니다 ~이든 에이전트를 구축 할 수 있습니다. 아이디어에서 엔터프라이즈 준비된 배포로 얼마나 빠르고 원활하게 갈 수 있는지입니다.

업계 동향은 이러한 변화를 강화합니다.

• Repo In-Repo AI 개발 : 모델, 프롬프트 및 평가는 이제 Github Repos의 일류 시민입니다. 개발자는 AI 기능을 구축, 테스트 및 반복 할 수있는 통일 된 공간을 제공합니다.
• 더 유능한 코딩 에이전트: Github Copilot의 새로운 코딩 에이전트는 테스트 작성 또는 버그 수정과 같은 작업을 완료 한 후 비동기 팀원 역할을 한 후 풀 요청을 열 수 있습니다.
• 성숙하는 프레임 워크 열기 : Langgraph, Llamaindex, Crewai, Autogen 및 Semantic 커널 주변의 커뮤니티는 빠르게 확장되고 있으며 Github 저장소의 “에이전트 템플릿”이 일반화되고 있습니다.
• 떠오르는 개방 프로토콜 : MCP (Model Context Protocol) 및 A2A (Agent-to-Agent)와 같은 표준은 플랫폼에서 상호 운용성을 생성하고 있습니다.

개발자는 기존 워크 플로 (Github, vs Code 및 친숙한 프레임 워크)에 점점 더 기존의 워크 플로우를 유지하면서 엔터프라이즈 등급 런타임 및 통합을 활용할 것으로 기대하고 있습니다. 이기는 플랫폼은 그 플랫폼이 될 것입니다 개발자가있는 곳을 만나십시오– 개방성, 속도 및 신뢰로.

최신 에이전트 플랫폼이 제공해야 할 것

고객 및 오픈 소스 커뮤니티와의 작업에서 우리는 개발자가 실제로 필요한 것에 대한 명확한 그림이 등장하는 것을 보았습니다. 최신 에이전트 플랫폼은 모델이나 오케스트레이션을 제공하는 것 이상으로 이동해야합니다. 전체 수명주기 동안 팀을 강화해야합니다.

1. 로컬 우선 프로토 타이핑 : 개발자는 자신의 흐름을 유지하기를 원합니다. 이는 코드를 작성하고 디버깅하는 것과 동일한 쉽게 IDE에서 AI 에이전트를 직접 설계, 추적 및 평가하는 것을 의미합니다. 에이전트를 구축하면 별도의 UI 또는 익숙하지 않은 환경으로 뛰어들 필요가있는 경우 반복이 느려지고 채택이 떨어집니다.
2. 마찰이없는 생산 전환 : 우리가 듣는 일반적인 좌절감은 현지에서 잘 운영되는 에이전트가 부서지기 쉬워 지거나 생산에 무거운 재 작성이 필요하다는 것입니다. 올바른 플랫폼은 a 단일의 일관된 API 표면 실험에서 배포에 이르기까지 개발에 효과가있는 것은 스케일, 보안 및 거버넌스와 함께 생산에서 작동합니다.
3. 디자인으로 개방 : 두 조직이 동일한 스택을 사용하지 않습니다. 개발자는 오케스트레이션을위한 Langgraph, 데이터 검색을위한 llamaindex 또는 조정을위한 Crewai로 시작할 수 있습니다. 다른 사람들은 Semantic Kernel 또는 Autogen과 같은 Microsoft의 첫 번째 파티 프레임 워크를 선호합니다. 최신 플랫폼은 잠금을 강제하지 않고도 이러한 다양성을 지원해야하며, 원하는 사람들에게 엔터프라이즈 등급 경로를 제공해야합니다.
4. 디자인에 의한 인터 로프 : 에이전트는 거의 독립적이지 않습니다. 그들은 다른 생태계의 도구, 데이터베이스 및 기타 에이전트와 대화해야합니다. 독점 프로토콜은 사일로와 조각화를 만듭니다. MCP (Model Context Protocol) 및 A2A (Agent-to-Agent)와 같은 개방형 표준은 플랫폼 전체에서 협업을 잠금 해제하여 상호 운용 가능한 도구 및 재사용 가능한 에이전트 기술을 가능하게합니다.
5. 원 스톱 통합 직물 : 에이전트의 실제 가치는 의미있는 조치를 취할 수있을 때 발생합니다. Dynamics 365에서 레코드 업데이트, ServiceNow에서 워크 플로우를 트리거하거나 SQL 데이터베이스를 쿼리하거나 팀에 게시합니다. 개발자는 모든 통합에 대해 커넥터를 재건 할 필요가 없습니다. 강력한 에이전트 플랫폼은 광범위한 사전 제작 된 커넥터 라이브러리와 엔터프라이즈 시스템에 연결하는 간단한 방법을 제공합니다.
6. 내장 가드 레일 : 기업은 불투명하거나 신뢰할 수 없거나 준수하지 않는 에이전트를 감당할 수 없습니다. 관찰 가능성, 평가 및 거버넌스는 개발 루프로 짜여져 있어야합니다. 에이전트 추론을 추적하고, 지속적인 평가를 실행하며, 신원, 보안 및 규정 준수 정책을 시행하는 능력은 모델 자체만큼 중요합니다.

Azure AI Foundry 가이 경험을 제공하는 방법

Azure AI Foundry 기업에 신탁, 보안 및 규모가 필요한 개발자를 만나도록 설계되었습니다. IDE, 프레임 워크, 프로토콜 및 비즈니스 채널의 점을 연결하여 프로토 타입에서 생산으로 경로를 유지합니다.

개발자가 살고있는 곳 (vs Code, Github 및 Foundry)

개발자는 낯선 환경으로 전환하지 않고 일일 도구에서 AI 에이전트를 설계, 디버그 및 반복 할 것으로 기대합니다. Foundry는 두 가지 모두와 깊이 통합됩니다 대 코드 그리고 기럽 이 흐름을 지원합니다.

• 파운드리의 코드 확장 대: 개발자는 파운드리 리소스와 직접 연결하여 에이전트를 로컬로 생성, 실행 및 디버그 할 수 있습니다. 확장 스캐 폴드 프로젝트는 통합 추적 및 평가를 제공하며, 이미 사용중인 IDE 내부의 Foundry Agent 서비스에 1 클릭 배치를 가능하게합니다.

• 모델 추론 API: 하나의 통합 된 추론 종점으로 개발자는 모델 전체의 성능을 평가하고 코드를 다시 쓰지 않고 교체 할 수 있습니다. 이 유연성은 빠르게 움직이는 모델 생태계에 대한 미래 방지 응용 프로그램에서 실험을 가속화합니다.
• Github Copilot 및 코딩 에이전트: Copilot은 Autocomplete을 넘어서 문제를 해결하고 안전한 러너를 회전시키고 풀 요청을 생성하여 에이전트 AI 개발이 개발자 루프의 정상적인 부분이되는 방법을 알리는 자율 코딩 에이전트로 성장했습니다. Azure AI Foundry와 함께 사용하면 개발자는 Copilot이 에이전트 코드를 생성하면서 에이전트 개발을 가속화 할 수 있습니다. Foundry의 모델, 에이전트 런타임 및 관측 성 도구 생산 준비 에이전트를 구축, 배포 및 모니터링해야합니다.

프레임 워크를 사용하십시오

에이전트는 일대일에 맞지 않으며 개발자는 종종 가장 잘 알고있는 프레임 워크로 시작합니다. 파운드리는이 다양성을 받아들입니다.

• 퍼스트 파티 프레임 워크 : 파운드리는 둘 다 지원합니다 시맨틱 커널 그리고 자율성a 현대 통합 프레임 워크 곧 올 것입니다. 이 미래 준비 프레임 워크는 모듈성, 엔터프라이즈 등급 신뢰성 및 Foundry Agent Service에 완벽한 배포를 위해 설계되었습니다.
• 타사 프레임 워크 : Foundry Agent Service는 직접 통합됩니다 Crewai, Langgraph 및 Llamaindex개발자가 플랫폼에서 다중 회전의 다중 에이전트 대화를 조정할 수 있도록합니다. 이를 통해 선호하는 OSS 생태계와 협력하면서도 Foundry의 Enterprise Runtime의 혜택을 누릴 수 있습니다.

오픈 프로토콜과의 상호 운용성

에이전트는 고립되지 않아 도구, 시스템 및 기타 에이전트와 상호 작용해야합니다. Foundry는 기본적으로 공개 프로토콜을 지원합니다.

• MCP : 파운드리 에이전트 서비스 에이전트는 모든 MCP 호환 도구를 직접 호출 할 수 있으므로 개발자에게 외부 시스템을 연결하고 플랫폼에서 도구를 재사용하는 간단한 방법을 제공합니다.
• A2A : 시맨틱 커널 A2A를 지원하고 프로토콜을 구현하여 에이전트가 다양한 런타임 및 생태계에서 협력 할 수 있도록합니다. A2A를 사용하면 다중 에이전트 워크 플로가 공급 업체와 프레임 워크에 걸쳐있을 수 있으며, 복잡한 문제를 해결하기 위해 전문 에이전트와 같은 시나리오를 잠금 해제합니다.

사업이 운영되는 곳

에이전트를 구축하는 것은 첫 번째 단계 일뿐입니다. 사용자가 작업하는 곳에 액세스 할 수있을 때 충격을줍니다. Foundry는 에이전트를 Microsoft 및 Custom Channel에 쉽게 게시 할 수 있습니다.

• Microsoft 365 및 Copilot : 사용 Microsoft 365 에이전트 SDK개발자는 파운드리 에이전트를 팀, Microsoft 365 Copilot, Bizchat 및 기타 생산성 표면에 직접 게시 할 수 있습니다.

• 사용자 정의 앱 및 API : 에이전트는 REST API로 노출되거나 웹 앱에 포함되거나 사용 사용 워크 플로에 통합 될 수 있습니다. 로직 앱 그리고 Azure 기능– SaaS 및 Enterprise Systems에 수천 개의 미리 빌드 된 커넥터가 있습니다.

관찰하고 강화하십시오

나중에 안정성과 안전을 볼 수 없습니다. 개발 루프에 통합해야합니다. 우리가 탐색했듯이 이전 블로그관찰 가능성은 효과적 일뿐 만 아니라 신뢰할 수있는 AI를 제공하는 데 필수적입니다. Foundry는 이러한 기능을 개발자 워크 플로로 직접 구축합니다.

• 추적 및 평가 배포 전후에 에이전트 동작을 디버그, 비교 및 ​​검증하는 도구.
• CI/CD 통합 GitHub 조치 및 Azure DevOps를 통해 모든 커밋에 대한 지속적인 평가 및 거버넌스 점검을 가능하게합니다.
• 엔터프라이즈 가드 레일– 네트워킹 및 정체성에서 규정 준수 및 거버넌스에 이르기까지 프로토 타입은 자신있게 생산으로 확장 할 수 있습니다.

왜 이것이 중요한가

개발자 경험은 새로운 생산성 해자입니다. 기업은 팀이 AI 에이전트를 신속하고 자신있게 그리고 규모로 구축하고 배포 할 수 있도록해야합니다. Azure AI Foundry는 개방형, 모듈 식 및 엔터프라이즈 준비 경로를 제공합니다. Github 및 vs 코드의 개발자는 오픈 소스 및 퍼스트 파티 프레임 워크를 지원하고 사용자 및 데이터가 이미 거주하는 곳에 에이전트를 배포 할 수 있도록합니다.

Foundry를 사용하면 프로토 타입에서 생산으로의 경로가 더 매끄럽고 빠르며 안전합니다. Helping 조직은 AI의 속도로 혁신합니다.

다음은 무엇입니까

~ 안에 에이전트 공장 시리즈의 5 부우리는 에이전트가 규모에 따라 어떻게 연결되고 협력하는지 탐구합니다. 우리는 통합 환경을 비밀리에 비교할 것입니다 A2A와의 에이전트 대 에이전트 협력에게 MCP와의 공구 상호 운용성역할에 열린 표준 에이전트가 앱, 프레임 워크 및 생태계에서 일할 수 있도록합니다. 진정으로 연결된 에이전트 시스템을 구축하기위한 실질적인 지침 및 참조 패턴을 기대하십시오.

시리즈 에서이 게시물을 놓쳤습니까?

• 에이전트 공장 : 에이전트 AI의 새로운 시대 – 공통 사용 사례 및 설계 패턴.
• 에이전트 공장 : 실제 결과를 제공하는 도구로 첫 AI 에이전트 구축.
• 에이전트 공장 : 신뢰할 수있는 AI에 대한 상위 5 개 에이전트 관찰 가능성 모범 사례.

게시물 에이전트 공장 : 프로토 타입에서 생산 – 개발자 도구 및 빠른 에이전트 개발 먼저 나타났습니다 Microsoft AI 블로그.