Foundry | The .NET Blog

Microsoft Foundry Abril 2026: Foundry Local GA, GPT-5.5, CodeAct con Hyperlight

Emiliano Montesdeoca — Tue, 02 Jun 2026 00:00:00 +0000

Un mes ocupado para Microsoft Foundry. Estos son los anuncios más importantes.

Foundry Local Está Disponible de Forma General

Foundry Local — el runtime de IA local multiplataforma de Microsoft — pasa de vista previa a GA en Windows, macOS (Apple Silicon) y Linux x64. Inferencia de modelos locales lista para producción con un SDK amigable para desarrolladores. La versión 1.1 agrega soporte para transcripción, embeddings y la API Responses.

GPT-5.5

El último modelo de la familia GPT-5 ya está disponible en Foundry. Cuota predeterminada para suscripciones Tier 5 y Tier 6. Si has estado trabajando con variantes anteriores de GPT-5, vale la pena evaluarlo para tus casos de uso.

Trazado de Agent Framework en Foundry

Dos características de trazado se incluyen en vista previa este mes:

Trazado de Microsoft Agent Framework — Los agentes MAF ahora pueden emitir trazas OpenTelemetry en Foundry. Depura el comportamiento de los agentes, rastrea la ejecución de múltiples pasos, detecta latencia y errores en llamadas a herramientas. Esto llena un vacío real: saber qué hizo realmente tu agente en producción, no solo qué devolvió.

Trazado de agentes hospedados — Las sesiones, llamadas a herramientas y pasos de ejecución de los agentes hospedados también aparecen en las trazas de Foundry. La misma historia de observabilidad extendida al nivel hospedado.

CodeAct con Hyperlight (Alpha)

Esta es la adición técnicamente más interesante: Agent Framework ahora puede ejecutar código Python dentro de micro-máquinas virtuales Hyperlight.

CodeAct es el patrón donde un agente genera y ejecuta código Python como herramienta. La preocupación obvia es la seguridad: estás ejecutando código generado por el modelo. Las micro-VMs de Hyperlight proporcionan aislamiento a nivel de proceso con tiempo de inicio cercano al nativo, haciendo que la ejecución de código en sandbox sea práctica sin la sobrecarga de contenedores o VMs completos.

Para flujos de trabajo agenticos donde la ejecución de código es necesaria, esto es una mejora de seguridad significativa sobre ejecutar código en el proceso host.

Panel de Monitoreo de Agentes (Vista Previa)

Un panel de operaciones unificado que combina uso de tokens, latencia, tasa de éxito de ejecución y puntuaciones de evaluadores en una sola vista. La distinción de los paneles de observabilidad regulares: incluye resultados de evaluación junto con métricas operativas, por lo que puedes correlacionar “el agente es más lento” con “las puntuaciones del evaluador cayeron” — o confirmar que no están relacionados.

Evaluadores Personalizados de Evaluación Continua (Vista Previa)

Ahora puedes traer tus propios evaluadores basados en código o en prompts a los pipelines de evaluación continua. Anteriormente, la evaluación continua estaba limitada a evaluadores integrados. Los evaluadores personalizados te permiten hacer cumplir criterios de calidad específicos del equipo en tu bucle de monitoreo de producción.

Inventario de Agentes en el Plano de Control

La vista Operate del Plano de Control de Foundry ahora muestra todos los agentes compatibles en una suscripción: agentes de Foundry, Azure SRE Agent, bucles de agentes de Logic Apps y agentes personalizados registrados. Una vista para entender qué está desplegado y dónde.

Publicación original: What’s new in Microsoft Foundry | April 2026

Tu Agente MAF Local Acaba de Tener un Hogar en Producción

Emiliano Montesdeoca — Sat, 30 May 2026 00:00:00 +0000

Hacer que un agente funcione localmente es la parte divertida. La parte complicada es todo lo que viene después: desplegarlo sin perder la cordura, gestionar sesiones, configurar identidad, conectar la observabilidad. Normalmente eso significa mucha infraestructura personalizada de pegamento.

Foundry Hosted Agents acaba de eliminar la mayor parte de ese pegamento para los usuarios de Microsoft Agent Framework (MAF).

Lo Que Foundry Hosted Agents Realmente Hace

Cuando despliegas un agente MAF en Foundry Hosted Agents, la plataforma gestiona una lista sorprendentemente larga de cosas que de otro modo tendrías que construir tú mismo:

Escalar a cero — tu agente no cuesta nada cuando está inactivo y vuelve a arrancar automáticamente
Sandboxes aislados por VM por sesión — cada sesión de usuario obtiene su propio sandbox con persistencia del sistema de archivos que sobrevive a eventos de reducción de escala
Entra ID integrado — cada agente obtiene su propia identidad para llamar a modelos de Foundry, Toolbox y servicios Azure sin secretos dentro de la imagen
Despliegues versionados — cada despliegue es una instantánea inmutable, con soporte de despliegue blue/green y canary
Observabilidad sin configuración — APPLICATIONINSIGHTS_CONNECTION_STRING se inyecta en tiempo de ejecución para que las trazas OpenTelemetry de MAF fluyan automáticamente hacia App Insights

Ese último es genuinamente agradable. Sin cableado extra, sin configuración adicional. Las trazas simplemente aparecen.

La Diferencia en el Código Es Mínima

Esto es lo que más aprecio de esta integración. No reescribes tu agente. Solo lo envuelves:

En .NET:

using Microsoft.Agents.AI.Foundry.Hosting;

var builder = WebApplication.CreateBuilder(args);
builder.Services.AddFoundryResponses(agent);

var app = builder.Build();
app.MapFoundryResponses();

app.Run();

En Python:

server = ResponsesHostServer(agent)
server.run()

Eso es todo. La misma lógica que probaste localmente es lo que se ejecuta en producción. La plataforma la envuelve en la infraestructura de gestión de sesiones, identidad y escalado.

Dos Protocolos, Un Agente

Los Hosted Agents soportan dos estilos de endpoints:

Responses (/responses) — compatible con OpenAI, gestiona el historial de conversación y streaming. Buen valor predeterminado para agentes con forma de chat.
Invocations (/invocations) — tú defines el esquema de petición/respuesta. Bueno para flujos de trabajo no conversacionales.

Si estás construyendo algo que parece una conversación, empieza con Responses. Si estás construyendo un agente con forma de API que toma entrada estructurada y devuelve salida estructurada, Invocations te da la flexibilidad.

El Flujo de Despliegue con `azd`

Cuando ejecutas azd up con un agente MAF:

Opcionalmente crea un proyecto Foundry y despliega un modelo
Empaqueta tu código y empuja una imagen a Azure Container Registry
Aprovisiona cómputo desde la imagen ACR
Asigna un Entra ID dedicado al agente
Expone un endpoint estable (https://{project_endpoint}/agents/{agent_name})
Gestiona todo lo demás desde ese punto en adelante

Las sesiones persisten hasta 30 días. El cómputo inactivo se desaprovisiona después de 15 minutos y se restaura transparentemente en la siguiente solicitud. Desde la perspectiva del agente, nada cambió.

Conclusión

La distancia entre “funcionando localmente” y “ejecutándose en producción” ha sido históricamente larga y dolorosa para los agentes de IA. Foundry Hosted Agents + MAF cierra esa brecha significativamente. Si ya tienes un agente local construido con Agent Framework, vale la pena probarlo hoy.

El equipo dice que GA llega pronto — actualmente está en preview. Consulta los docs de integración de MAF Hosted Agent y los ejemplos de .NET para empezar.

Artículo original: From Local to Production: Deploy Your Microsoft Agent Framework Agent with Foundry Hosted Agents

Foundry Local 1.1: Transcripción en Tiempo Real, Embeddings y la API de Respuestas

Emiliano Montesdeoca — Thu, 28 May 2026 00:00:00 +0000

Foundry Local 1.0 demostró el concepto: ejecutar modelos de IA localmente en Windows, macOS (Apple Silicon) y Linux x64 con un SDK amigable para desarrolladores. La versión 1.1 añade tres capacidades que cubren muchos casos de uso reales en producción.

Transcripción de Audio en Vivo

La nueva característica más significativa: streaming de voz a texto en tiempo real directamente desde el micrófono. Subtítulos, interfaces de voz, transcripción de reuniones, herramientas de accesibilidad — todo ejecutándose localmente sin ninguna dependencia de la nube.

La API es basada en sesiones y transmite resultados a medida que llegan, con marcadores is_final para distinguir texto intermedio del finalizado. Disponible en todos los bindings de lenguajes: JavaScript, C#, Python y Rust.

Carga un modelo de voz en streaming del catálogo, crea una sesión con ajustes de audio (frecuencia de muestreo, canales, idioma), iníciala, envía fragmentos de audio PCM sin procesar y consume el stream asíncrono de resultados. El artículo tiene ejemplos completos en Python y C#.

Embeddings de Texto

Búsqueda semántica, pipelines RAG, clustering, comparación de similitudes — todo esto requiere embeddings. Foundry Local 1.1 añade soporte para modelos de embeddings para que puedas generar vectores localmente desde el mismo SDK, sin enviar datos a un endpoint en la nube.

Para aplicaciones donde la residencia de datos importa o donde procesas contenido sensible, la generación local de embeddings es una capacidad significativa.

API de Respuestas

Foundry Local ahora soporta la API de Respuestas — la interfaz estructurada diseñada para interacciones agénticas. Esto añade:

Llamada a herramientas — permite que los modelos que se ejecutan localmente invoquen herramientas que defines tú
Entrada multimodal visión-lenguaje — pasa imagen + texto a modelos capaces de visión
Compatible con la forma estándar de la API, por lo que los agentes existentes que apuntan a la API de Respuestas de OpenAI funcionan contra modelos locales

Mejoras en el Tamaño del Paquete

Dos cambios reducen el tamaño del paquete de JavaScript:

La capa FFI koffi ha sido reemplazada por un addon C de Node-API personalizado
El proveedor de ejecución WebGPU se distribuye como un plugin separado, para que las aplicaciones que no necesitan aceleración por GPU no paguen el coste de tamaño

El SDK de C# ahora apunta a versiones de framework inferiores para mayor compatibilidad con .NET.

Por Qué Esto Importa

Las tres capacidades juntas — transcripción, embeddings, llamada a herramientas — cubren los bloques de construcción fundamentales de muchas aplicaciones de IA. Ejecutarlos localmente significa:

Sin internet requerido
Sin costes por token
Sin datos que salgan de la máquina
Latencia consistente independientemente de las condiciones de red

Foundry Local es la elección correcta para escenarios en el borde, cargas de trabajo sensibles a la privacidad, aplicaciones sin conexión, o cualquier cosa donde quieras evitar la dependencia de la nube durante el desarrollo.

Post original: Foundry Local 1.1: Live Transcription, Embeddings, and Responses API

GPT-5.5 Ya Está Aquí en Azure Foundry — Lo que los Desarrolladores .NET Necesitan Saber

Emiliano Montesdeoca — Sat, 25 Apr 2026 00:00:00 +0000

Este post fue traducido automáticamente. Para la versión original, haz clic aquí.

Microsoft acaba de anunciar que GPT-5.5 ya está disponible en Microsoft Foundry. Si has estado construyendo agentes en Azure, esta es la actualización que esperabas.

La progresión de GPT-5

No es solo un incremento de versión:

GPT-5: unificó razonamiento y velocidad en un solo sistema
GPT-5.4: razonamiento multi-paso más robusto, capacidades agénticas tempranas para empresas
GPT-5.5: razonamiento de largo contexto más profundo, ejecución agéntica más fiable, mayor eficiencia de tokens

Qué cambió realmente

Mejor codificación agéntica: GPT-5.5 mantiene el contexto a través de grandes bases de código, diagnostica fallos arquitectónicos y anticipa requisitos de pruebas. El modelo razona sobre qué más afecta una corrección antes de actuar.

Eficiencia de tokens: Salidas de mayor calidad con menos tokens y menos reintentos. Esto se traduce directamente en menor costo y latencia en producción.

Análisis de largo contexto: Maneja documentos extensos, bases de código y historiales multi-sesión sin perder el hilo.

Precios

Modelo	Entrada ($/M tokens)	Entrada en caché	Salida ($/M tokens)
GPT-5.5	$5.00	$0.50	$30.00
GPT-5.5 Pro	$30.00	$3.00	$180.00

Por qué importa Foundry

Foundry Agent Service permite definir agentes en YAML o conectarlos con Microsoft Agent Framework, GitHub Copilot SDK, LangGraph o el SDK de OpenAI Agents — y ejecutarlos como agentes hospedados aislados con sistema de archivos persistente, identidad de Microsoft Entra y precios de escala a cero.

Cómo empezar

// C# — solo actualiza el nombre del modelo
AIAgent agent = aiProjectClient
 .AsAIAgent("gpt-5.5", instructions: "Eres un asistente útil.", name: "MiAgente");

Consulta el anuncio completo para los detalles completos.

El RFT de Foundry ahora es más barato e inteligente — Esto es lo que cambió

Emiliano Montesdeoca — Sat, 18 Apr 2026 00:00:00 +0000

Este post fue traducido automáticamente. Para la versión original, haz clic aquí.

Si estás desarrollando aplicaciones .NET que dependen de modelos fine-tuneados, las actualizaciones de Foundry de este mes merecen tu atención. El Reinforcement Fine-Tuning ahora es más accesible y significativamente más barato.

Los detalles completos están en el anuncio oficial, pero aquí va el resumen práctico.

Entrenamiento Global para o4-mini

o4-mini es el modelo preferido para cargas de trabajo pesadas en razonamiento y agentes. La gran noticia: ahora puedes lanzar trabajos de fine-tuning desde más de 13 regiones de Azure con tarifas de entrenamiento por token más bajas en comparación con el entrenamiento Standard. Misma infraestructura, misma calidad, mayor alcance.

Si tu equipo está distribuido geográficamente, esto importa. Ya no estás limitado a un puñado de regiones para entrenar.

Aquí está la llamada a la API REST para iniciar un trabajo de entrenamiento global:

curl -X POST "https://<your-resource>.openai.azure.com/openai/fine_tuning/jobs?api-version=2025-04-01-preview" \
 -H "Content-Type: application/json" \
 -H "api-key: $AZURE_OPENAI_API_KEY" \
 -d '{
 "model": "o4-mini",
 "training_file": "<your-training-file-id>",
 "method": {
 "type": "reinforcement",
 "reinforcement": {
 "grader": {
 "type": "string_check",
 "name": "answer-check",
 "input": "{{sample.output_text}}",
 "reference": "{{item.reference_answer}}",
 "operation": "eq"
 }
 }
 },
 "hyperparameters": {
 "n_epochs": 2,
 "compute_multiplier": 1.0
 },
 "trainingType": "globalstandard"
 }'

Ese flag trainingType: globalstandard es la diferencia clave.

Nuevos Evaluadores de Modelo: Familia GPT-4.1

Los evaluadores definen la señal de recompensa contra la cual tu modelo optimiza. Hasta ahora, los evaluadores basados en modelo estaban limitados a un conjunto más pequeño de modelos. Ahora tienes tres nuevas opciones: GPT-4.1, GPT-4.1-mini y GPT-4.1-nano.

¿Cuándo deberías usar evaluadores de modelo en lugar de determinísticos? Cuando la salida de tu tarea es abierta, cuando necesitas puntuación parcial en múltiples dimensiones, o cuando estás construyendo flujos de trabajo con agentes donde la corrección de las llamadas a herramientas depende del contexto semántico.

La cuestión es que la estrategia de niveles es práctica:

GPT-4.1-nano para iteraciones iniciales. Bajo costo, ciclos de retroalimentación rápidos.
GPT-4.1-mini una vez que tu rúbrica de evaluación sea estable y necesites mayor fidelidad.
GPT-4.1 para evaluación en producción o rúbricas complejas donde cada decisión de puntuación cuenta.

Incluso puedes mezclar tipos de evaluadores en un solo trabajo de RFT. Usa string-match para la dimensión de “respuesta correcta” y un evaluador de modelo para evaluar la calidad del razonamiento. Esa flexibilidad es honestamente lo que lo hace útil para cargas de trabajo reales.

El Problema del Formato de Datos de RFT

Esto confunde a mucha gente. El formato de datos de RFT es diferente al de SFT. El último mensaje en cada fila debe tener rol User o Developer — no Assistant. La respuesta esperada va en una clave de nivel superior como reference_answer que el evaluador referencia directamente.

Si has estado haciendo supervised fine-tuning y quieres cambiar a RFT, necesitas reestructurar tus datos de entrenamiento. No te saltes este paso o tus trabajos fallarán silenciosamente.

Por Qué Esto Importa para Desarrolladores .NET

Si estás llamando modelos fine-tuneados desde tus aplicaciones .NET a través del SDK de Azure OpenAI, un entrenamiento más barato significa que puedes iterar de forma más agresiva. Las opciones de evaluadores de modelo significan que puedes hacer fine-tuning para tareas con matices — no solo escenarios de coincidencia exacta. Y la guía de mejores prácticas en GitHub te ahorrará tiempo real de depuración.

Empieza pequeño. De diez a cien muestras. Evaluador simple. Valida el ciclo. Luego escala.

Conecta tus servidores MCP en Azure Functions a Foundry Agents — Así es como

Emiliano Montesdeoca — Fri, 10 Apr 2026 00:00:00 +0000

Este post fue traducido automáticamente. Para la versión original, haz clic aquí.

Esto es algo que me encanta del ecosistema MCP: construyes tu servidor una vez y funciona en todas partes. VS Code, Visual Studio, Cursor, ChatGPT — cada cliente MCP puede descubrir y usar tus herramientas. Ahora, Microsoft está añadiendo otro consumidor a esa lista: los agentes de Foundry.

Lily Ma del equipo de Azure SDK publicó una guía práctica sobre cómo conectar servidores MCP desplegados en Azure Functions con agentes de Microsoft Foundry. Si ya tienes un servidor MCP, esto es puro valor agregado — no necesitas reconstruir nada.

Por qué esta combinación tiene sentido

Azure Functions te da infraestructura escalable, autenticación integrada y facturación serverless para alojar servidores MCP. Microsoft Foundry te da agentes de IA que pueden razonar, planificar y tomar acciones. Conectar ambos significa que tus herramientas personalizadas — consultar una base de datos, llamar a una API de negocio, ejecutar lógica de validación — se convierten en capacidades que los agentes de IA empresariales pueden descubrir y usar de forma autónoma.

El punto clave: tu servidor MCP se mantiene igual. Solo estás añadiendo Foundry como otro consumidor. Las mismas herramientas que funcionan en tu configuración de VS Code ahora potencian un agente de IA con el que tu equipo o clientes interactúan.

Opciones de autenticación

Aquí es donde el post realmente aporta valor. Cuatro métodos de autenticación según tu escenario:

Método	Caso de uso
Basado en clave (predeterminado)	Desarrollo o servidores sin autenticación Entra
Microsoft Entra	Producción con identidades administradas
Passthrough de identidad OAuth	Producción donde cada usuario se autentica individualmente
Sin autenticación	Desarrollo/pruebas o solo datos públicos

Para producción, Microsoft Entra con identidad del agente es el camino recomendado. El passthrough de identidad OAuth es para cuando el contexto del usuario importa — el agente pide a los usuarios que inicien sesión, y cada solicitud lleva el token propio del usuario.

Configurándolo

El flujo general:

Despliega tu servidor MCP en Azure Functions — hay ejemplos disponibles para .NET, Python, TypeScript y Java
Habilita la autenticación MCP integrada en tu function app
Obtén tu URL de endpoint — https://<FUNCTION_APP_NAME>.azurewebsites.net/runtime/webhooks/mcp
Añade el servidor MCP como herramienta en Foundry — navega a tu agente en el portal, añade una nueva herramienta MCP, proporciona endpoint y credenciales

Luego pruébalo en el playground de Agent Builder enviando un prompt que active una de tus herramientas.

Mi opinión

La historia de composabilidad aquí se está volviendo realmente fuerte. Construye tu servidor MCP una vez en .NET (o Python, TypeScript, Java), despliégalo en Azure Functions, y cada cliente compatible con MCP puede usarlo — herramientas de programación, apps de chat, y ahora agentes de IA empresariales. Es un patrón de “escribe una vez, usa en todas partes” que realmente funciona.

Para desarrolladores .NET específicamente, la extensión MCP de Azure Functions hace esto sencillo. Defines tus herramientas como Azure Functions, despliegas, y tienes un servidor MCP de nivel producción con toda la seguridad y escalabilidad que Azure Functions proporciona.

Para cerrar

Si tienes herramientas MCP ejecutándose en Azure Functions, conectarlas a agentes de Foundry es una victoria rápida — tus herramientas personalizadas se convierten en capacidades de IA empresarial con autenticación adecuada y sin cambios de código en el servidor.

Lee la guía completa para instrucciones paso a paso sobre cada método de autenticación, y consulta la documentación detallada para configuraciones de producción.

Microsoft Foundry Marzo 2026 — GPT-5.4, Agent Service GA y la Renovación del SDK Que lo Cambia Todo

Emiliano Montesdeoca — Fri, 10 Apr 2026 00:00:00 +0000

Este post fue traducido automáticamente. Para la versión original, haz clic aquí.

Los posts mensuales de “Novedades en Microsoft Foundry” suelen ser una mezcla de mejoras incrementales y alguna que otra característica destacada. ¿La edición de marzo 2026? Básicamente son todas características destacadas. Foundry Agent Service llega a GA, GPT-5.4 se lanza para producción, el SDK recibe una versión estable importante, y Fireworks AI trae inferencia de modelos abiertos a Azure. Vamos a desglosar lo que importa para los desarrolladores .NET.

Foundry Agent Service está listo para producción

Esta es la grande. El runtime de agentes de nueva generación está disponible de forma general — construido sobre la API de Responses de OpenAI, compatible a nivel de protocolo con los agentes de OpenAI, y abierto a modelos de múltiples proveedores. Si estás construyendo con la API de Responses hoy, migrar a Foundry añade seguridad empresarial, redes privadas, RBAC de Entra, trazabilidad completa y evaluación sobre tu lógica de agentes existente.

from azure.ai.projects import AIProjectClient
from azure.ai.projects.models import PromptAgentDefinition

project_client = AIProjectClient(
 endpoint=os.environ["AZURE_AI_PROJECT_ENDPOINT"],
 credential=DefaultAzureCredential()
)

agent = project_client.agents.create_version(
 agent_name="my-enterprise-agent",
 definition=PromptAgentDefinition(
 model=os.environ["AZURE_AI_MODEL_DEPLOYMENT_NAME"],
 instructions="You are a helpful assistant.",
 ),
)

Adiciones clave: redes privadas de extremo a extremo, expansión de autenticación MCP (incluyendo passthrough de OAuth), vista previa de Voice Live para agentes de voz a voz, y agentes alojados en 6 nuevas regiones.

GPT-5.4 — confiabilidad sobre inteligencia pura

GPT-5.4 no se trata de ser más inteligente. Se trata de ser más confiable. Razonamiento más sólido en interacciones largas, mejor adherencia a instrucciones, menos fallos en medio de flujos de trabajo, y capacidades integradas de uso de computadora. Para agentes en producción, esa confiabilidad importa mucho más que las puntuaciones en benchmarks.

Modelo	Precio (por M tokens)	Ideal Para
GPT-5.4 (≤272K)	$2.50 / $15 salida	Agentes en producción, código, flujos de documentos
GPT-5.4 Pro	$30 / $180 salida	Análisis profundo, razonamiento científico
GPT-5.4 Mini	Económico	Clasificación, extracción, llamadas ligeras a herramientas

La jugada inteligente es una estrategia de enrutamiento: GPT-5.4 Mini maneja el trabajo de alto volumen y baja latencia mientras GPT-5.4 se encarga de las solicitudes con razonamiento pesado.

El SDK finalmente es estable

El SDK azure-ai-projects lanzó versiones estables en todos los lenguajes — Python 2.0.0, JS/TS 2.0.0, Java 2.0.0 y .NET 2.0.0 (1 de abril). La dependencia de azure-ai-agents desapareció — todo vive bajo AIProjectClient. Instala con pip install azure-ai-projects y el paquete incluye openai y azure-identity como dependencias directas.

Para los desarrolladores .NET, esto significa un único paquete NuGet para toda la superficie de Foundry. No más malabarismo con SDKs de agentes separados.

Fireworks AI trae modelos abiertos a Azure

Quizás la adición más interesante arquitectónicamente: Fireworks AI procesando más de 13 billones de tokens diarios a ~180K solicitudes/segundo, ahora disponible a través de Foundry. DeepSeek V3.2, gpt-oss-120b, Kimi K2.5 y MiniMax M2.5 en el lanzamiento.

La verdadera historia es trae-tus-propios-pesos — sube pesos cuantizados o ajustados desde cualquier lugar sin cambiar la pila de servicio. Despliega mediante pago por token sin servidor o throughput provisionado.

Otros destacados

Phi-4 Reasoning Vision 15B — razonamiento multimodal para gráficos, diagramas y diseños de documentos
Evaluaciones GA — evaluadores listos para usar con monitoreo continuo de producción canalizado a Azure Monitor
Procesamiento Prioritario (Preview) — carril de cómputo dedicado para cargas de trabajo sensibles a la latencia
Voice Live — runtime de voz a voz que se conecta directamente a los agentes de Foundry
Tracing GA — inspección de trazas de agentes de extremo a extremo con ordenamiento y filtrado
Deprecación de PromptFlow — migración a Microsoft Framework Workflows para enero de 2027

Conclusión

Marzo 2026 es un punto de inflexión para Foundry. Agent Service GA, SDKs estables en todos los lenguajes, GPT-5.4 para agentes de producción confiables, e inferencia de modelos abiertos vía Fireworks AI — la plataforma está lista para cargas de trabajo serias.

Lee el resumen completo y construye tu primer agente para empezar.

Del portátil a producción: desplegando agentes de IA en Microsoft Foundry con dos comandos

Emiliano Montesdeoca — Thu, 26 Mar 2026 00:00:00 +0000

¿Conoces esa brecha entre “funciona en mi máquina” y “está desplegado y sirviendo tráfico”? Para agentes de IA, esa brecha ha sido dolorosamente amplia. Necesitas provisionar recursos, desplegar modelos, configurar identidad, montar monitoreo — y eso es antes de que alguien pueda realmente llamar a tu agente.

El Azure Developer CLI acaba de convertir esto en un asunto de dos comandos.

El nuevo flujo de trabajo `azd ai agent`

Déjame mostrarte cómo se ve esto realmente. Tienes un proyecto de agente de IA — digamos un agente concierge de hotel. Funciona localmente. Quieres que corra en Microsoft Foundry.

azd ai agent init
azd up

Eso es todo. Dos comandos. azd ai agent init genera la infraestructura como código en tu repositorio, y azd up provisiona todo en Azure y publica tu agente. Obtienes un enlace directo a tu agente en el portal de Foundry.

Qué pasa por debajo

El comando init genera plantillas Bicep reales e inspeccionables en tu repositorio:

Un Foundry Resource (contenedor de nivel superior)
Un Foundry Project (donde vive tu agente)
Configuración de despliegue de modelo (GPT-4o, etc.)
Identidad administrada con asignaciones de roles RBAC apropiadas
azure.yaml para el mapa de servicios
agent.yaml con metadatos del agente y variables de entorno

La parte clave: todo esto es tuyo. Es Bicep versionado en tu repositorio. Puedes inspeccionarlo, personalizarlo y hacer commit junto con el código de tu agente. Sin cajas negras mágicas.

El ciclo interno de desarrollo

Lo que realmente me gusta es la historia de desarrollo local. Cuando estás iterando sobre la lógica del agente, no quieres redesplegar cada vez que cambias un prompt:

azd ai agent run

Esto inicia tu agente localmente. Combínalo con azd ai agent invoke para enviar prompts de prueba, y tienes un ciclo de retroalimentación rápido. Editar código, reiniciar, invocar, repetir.

El comando invoke es inteligente con el enrutamiento también — cuando un agente local está corriendo, lo apunta automáticamente. Cuando no, apunta al endpoint remoto.

Monitoreo en tiempo real

Esta es la característica que me convenció. Una vez que tu agente está desplegado:

azd ai agent monitor --follow

Cada petición y respuesta que fluye a través de tu agente se transmite a tu terminal en tiempo real. Para depurar problemas en producción, esto es invaluable. Sin buscar en log analytics, sin esperar a que las métricas se agreguen — ves lo que está pasando ahora mismo.

El set completo de comandos

Aquí la referencia rápida:

Comando	Qué hace
`azd ai agent init`	Genera un proyecto de agente Foundry con IaC
`azd up`	Provisiona recursos Azure y despliega el agente
`azd ai agent invoke`	Envía prompts al agente remoto o local
`azd ai agent run`	Ejecuta el agente localmente para desarrollo
`azd ai agent monitor`	Transmite logs en tiempo real del agente publicado
`azd ai agent show`	Verifica la salud y estado del agente
`azd down`	Limpia todos los recursos Azure

Por qué esto importa para desarrolladores .NET

Aunque el ejemplo del anuncio está basado en Python, la historia de infraestructura es agnóstica al lenguaje. Tu agente .NET obtiene el mismo scaffolding Bicep, la misma configuración de identidad administrada, el mismo pipeline de monitoreo. Y si ya estás usando azd para tus apps .NET Aspire o despliegues Azure, esto encaja directamente en tu flujo de trabajo existente.

La brecha de despliegue para agentes de IA ha sido uno de los mayores puntos de fricción en el ecosistema. Pasar de un prototipo funcional a un endpoint de producción con identidad, networking y monitoreo adecuados no debería requerir una semana de trabajo DevOps. Ahora requiere dos comandos y unos minutos.

Para cerrar

azd ai agent está disponible ahora. Si has estado posponiendo el despliegue de tus agentes de IA porque la configuración de infraestructura parecía demasiado trabajo, dale una oportunidad. Revisa el tutorial completo para el paso a paso completo incluyendo integración de app de chat frontend.

El MCP Server de Azure DevOps llega a Microsoft Foundry: Qué significa para tus agentes de IA

Emiliano Montesdeoca — Thu, 26 Mar 2026 00:00:00 +0000

MCP (Model Context Protocol) está teniendo su momento. Si has estado siguiendo el ecosistema de agentes de IA, probablemente hayas notado que los servidores MCP están apareciendo por todas partes — dándoles a los agentes la capacidad de interactuar con herramientas y servicios externos a través de un protocolo estandarizado.

Ahora el MCP Server de Azure DevOps está disponible en Microsoft Foundry, y esta es una de esas integraciones que te hace pensar en las posibilidades prácticas.

Qué está pasando realmente aquí

Microsoft ya lanzó el MCP Server de Azure DevOps como public preview — ese es el servidor MCP en sí. Lo nuevo es la integración con Foundry. Ahora puedes agregar el MCP Server de Azure DevOps a tus agentes de Foundry directamente desde el catálogo de herramientas.

Para los que no están familiarizados con Foundry todavía: es la plataforma unificada de Microsoft para construir y gestionar aplicaciones y agentes impulsados por IA a escala. Acceso a modelos, orquestación, evaluación, despliegue — todo en un solo lugar.

Configurándolo

La configuración es sorprendentemente sencilla:

En tu agente de Foundry, ve a Add Tools > Catalog
Busca “Azure DevOps”
Selecciona el Azure DevOps MCP Server (preview) y haz clic en Create
Ingresa el nombre de tu organización y conecta

Eso es todo. Tu agente ahora tiene acceso a las herramientas de Azure DevOps.

Controlando a qué puede acceder tu agente

Esta es la parte que aprecio: no estás atrapado con un enfoque de todo o nada. Puedes especificar qué herramientas están disponibles para tu agente. Así que si solo quieres que lea work items pero no toque pipelines, puedes configurar eso. Principio de mínimo privilegio, aplicado a tus agentes de IA.

Esto importa para escenarios empresariales donde no quieres que un agente accidentalmente dispare un pipeline de despliegue porque alguien le pidió que “ayude con el release.”

Por qué esto es interesante para equipos .NET

Piensa en lo que esto habilita en la práctica:

Asistentes de planificación de sprint — agentes que pueden obtener work items, analizar datos de velocidad y sugerir capacidad de sprint
Bots de code review — agentes que entienden el contexto de tu PR porque realmente pueden leer tus repos y work items vinculados
Respuesta a incidentes — agentes que pueden crear work items, consultar despliegues recientes y correlacionar bugs con cambios recientes
Onboarding de desarrolladores — “¿En qué debería trabajar?” obtiene una respuesta real respaldada por datos reales del proyecto

Para equipos .NET que ya usan Azure DevOps para sus pipelines de CI/CD y gestión de proyectos, tener un agente de IA que pueda interactuar directamente con esos sistemas es un paso significativo hacia la automatización útil (no solo chatbot-como-servicio).

El panorama más amplio de MCP

Esto es parte de una tendencia más amplia: los servidores MCP se están convirtiendo en la forma estándar en que los agentes de IA interactúan con el mundo exterior. Los estamos viendo para GitHub, Azure DevOps, bases de datos, APIs SaaS — y Foundry se está convirtiendo en el hub donde todas estas conexiones se unen.

Si estás construyendo agentes en el ecosistema .NET, vale la pena prestar atención a MCP. El protocolo está estandarizado, las herramientas están madurando, y la integración con Foundry lo hace accesible sin tener que conectar manualmente las conexiones del servidor.

Para cerrar

El MCP Server de Azure DevOps en Foundry está en preview, así que espera que evolucione. Pero el flujo de trabajo principal es sólido: conectar, configurar acceso a herramientas, y dejar que tus agentes trabajen con tus datos de DevOps. Si ya estás en el ecosistema de Foundry, esto está a unos pocos clics. Dale una oportunidad y ve qué flujos de trabajo puedes construir.

Revisa el anuncio completo para la configuración paso a paso y más detalles.

Foundry Agent Service está en GA: Lo que realmente importa para constructores de agentes .NET

Emiliano Montesdeoca — Thu, 26 Mar 2026 00:00:00 +0000

Seamos honestos — construir un prototipo de agente IA es la parte fácil. La parte difícil es todo lo que viene después: ponerlo en producción con aislamiento de red adecuado, ejecutar evaluaciones que realmente signifiquen algo, manejar requisitos de cumplimiento, y no romper cosas a las 2 AM.

El Foundry Agent Service acaba de llegar a GA, y esta versión está enfocada como un láser en esa brecha del “todo lo que viene después”.

Construido sobre la Responses API

El titular: el Foundry Agent Service de nueva generación está construido sobre la OpenAI Responses API. Si ya estás construyendo con ese protocolo, migrar a Foundry requiere cambios mínimos de código. Lo que ganas: seguridad empresarial, redes privadas, RBAC con Entra, trazabilidad completa y evaluación — sobre tu lógica de agente existente.

La arquitectura es intencionalmente abierta. No estás atado a un proveedor de modelos ni a un framework de orquestación. Usa DeepSeek para planificación, OpenAI para generación, LangGraph para orquestación — el runtime maneja la capa de consistencia.

from azure.ai.projects import AIProjectClient
from azure.ai.projects.models import PromptAgentDefinition

with (
 DefaultAzureCredential() as credential,
 AIProjectClient(endpoint=os.environ["AZURE_AI_PROJECT_ENDPOINT"],
 credential=credential) as project_client,
 project_client.get_openai_client() as openai_client,
):
 agent = project_client.agents.create_version(
 agent_name="my-enterprise-agent",
 definition=PromptAgentDefinition(
 model=os.environ["AZURE_AI_MODEL_DEPLOYMENT_NAME"],
 instructions="You are a helpful assistant.",
 ),
 )

 conversation = openai_client.conversations.create()
 response = openai_client.responses.create(
 conversation=conversation.id,
 input="What are best practices for building AI agents?",
 extra_body={
 "agent_reference": {"name": agent.name, "type": "agent_reference"}
 },
 )
 print(response.output_text)

Si vienes del paquete azure-ai-agents, los agentes ahora son operaciones de primera clase en AIProjectClient en azure-ai-projects. Elimina la dependencia independiente y usa get_openai_client() para manejar las respuestas.

Redes privadas: el bloqueador empresarial eliminado

Esta es la característica que desbloquea la adopción empresarial. Foundry ahora soporta redes privadas completas de extremo a extremo con BYO VNet:

Sin egress público — el tráfico del agente nunca toca internet público
Inyección de contenedores/subredes en tu red para comunicación local
Conectividad de herramientas incluida — servidores MCP, Azure AI Search, agentes de datos Fabric, todos operan sobre rutas privadas

Ese último punto es crítico. No son solo las llamadas de inferencia las que se mantienen privadas — cada invocación de herramienta y llamada de recuperación también permanece dentro del límite de tu red. Para equipos que operan bajo políticas de clasificación de datos que prohíben el enrutamiento externo, esto era lo que faltaba.

Autenticación MCP hecha correctamente

Las conexiones a servidores MCP ahora soportan el espectro completo de patrones de autenticación:

Método de auth	Cuándo usarlo
Basado en clave	Acceso compartido simple para herramientas internas de toda la organización
Entra Agent Identity	Servicio a servicio; el agente se autentica como él mismo
Entra Managed Identity	Aislamiento por proyecto; sin gestión de credenciales
OAuth Identity Passthrough	Acceso delegado por usuario; el agente actúa en nombre de los usuarios

OAuth Identity Passthrough es el interesante. Cuando los usuarios necesitan dar a un agente acceso a sus datos personales — su OneDrive, su organización de Salesforce, una API SaaS con alcance por usuario — el agente actúa en su nombre con flujos OAuth estándar. Sin identidad de sistema compartida pretendiendo ser todos.

Voice Live: voz a voz sin la fontanería

Agregar voz a un agente solía significar unir STT, LLM y TTS — tres servicios, tres saltos de latencia, tres superficies de facturación, todo sincronizado a mano. Voice Live colapsa eso en una única API administrada con:

Detección semántica de actividad de voz y fin de turno (entiende significado, no solo silencio)
Supresión de ruido y cancelación de eco del lado del servidor
Soporte de interrupción (los usuarios pueden interrumpir a mitad de respuesta)

Las interacciones de voz pasan por el mismo runtime de agente que el texto. Mismos evaluadores, mismas trazas, misma visibilidad de costos. Para soporte al cliente, servicio en campo o escenarios de accesibilidad, esto reemplaza lo que antes requería un pipeline de audio personalizado.

Evaluaciones: de checkbox a monitoreo continuo

Aquí es donde Foundry se pone serio sobre la calidad en producción. El sistema de evaluación ahora tiene tres capas:

Evaluadores incorporados — coherencia, relevancia, fundamentación, calidad de recuperación, seguridad. Conecta a un dataset o tráfico en vivo y obtén puntuaciones.
Evaluadores personalizados — codifica tu propia lógica de negocio, estándares de tono y reglas de cumplimiento específicas del dominio.
Evaluación continua — Foundry muestrea tráfico de producción en vivo, ejecuta tu suite de evaluadores y muestra resultados en dashboards. Configura alertas de Azure Monitor para cuando la fundamentación baje o los umbrales de seguridad se superen.

Todo se publica en Azure Monitor Application Insights. Calidad del agente, salud de la infraestructura, costo y telemetría de la aplicación — todo en un solo lugar.

eval_object = openai_client.evals.create(
 name="Agent Quality Evaluation",
 data_source_config=DataSourceConfigCustom(
 type="custom",
 item_schema={
 "type": "object",
 "properties": {"query": {"type": "string"}},
 "required": ["query"],
 },
 include_sample_schema=True,
 ),
 testing_criteria=[
 {
 "type": "azure_ai_evaluator",
 "name": "fluency",
 "evaluator_name": "builtin.fluency",
 "initialization_parameters": {
 "deployment_name": os.environ["AZURE_AI_MODEL_DEPLOYMENT_NAME"]
 },
 "data_mapping": {
 "query": "{{item.query}}",
 "response": "{{sample.output_text}}",
 },
 },
 ],
)

Seis nuevas regiones para agentes hospedados

Los agentes hospedados ahora están disponibles en East US, North Central US, Sweden Central, Southeast Asia, Japan East y más. Esto importa para requisitos de residencia de datos y para comprimir la latencia cuando tu agente corre cerca de sus fuentes de datos.

Por qué esto importa para desarrolladores .NET

Aunque los ejemplos de código en el anuncio de GA son Python-first, la infraestructura subyacente es agnóstica al lenguaje — y el SDK de .NET para azure-ai-projects sigue los mismos patrones. La Responses API, el framework de evaluación, las redes privadas, la autenticación MCP — todo esto está disponible desde .NET.

Si has estado esperando a que los agentes IA pasen de “demo genial” a “realmente puedo enviar esto al trabajo”, esta versión GA es la señal. Redes privadas, autenticación adecuada, evaluación continua y monitoreo de producción son las piezas que faltaban.

Para cerrar

Foundry Agent Service está disponible ahora. Instala el SDK, abre el portal, y empieza a construir. La guía de inicio rápido te lleva de cero a un agente en ejecución en minutos.

Para el análisis técnico completo con todos los ejemplos de código, revisa el anuncio de GA.

Foundry | The .NET Blog

Microsoft Foundry Abril 2026: Foundry Local GA, GPT-5.5, CodeAct con Hyperlight

Foundry Local Está Disponible de Forma General

GPT-5.5

Trazado de Agent Framework en Foundry

CodeAct con Hyperlight (Alpha)

Panel de Monitoreo de Agentes (Vista Previa)

Evaluadores Personalizados de Evaluación Continua (Vista Previa)

Inventario de Agentes en el Plano de Control

Tu Agente MAF Local Acaba de Tener un Hogar en Producción

Lo Que Foundry Hosted Agents Realmente Hace

La Diferencia en el Código Es Mínima

Dos Protocolos, Un Agente

El Flujo de Despliegue con azd

Conclusión

Foundry Local 1.1: Transcripción en Tiempo Real, Embeddings y la API de Respuestas

Transcripción de Audio en Vivo

Embeddings de Texto

API de Respuestas

Mejoras en el Tamaño del Paquete

Por Qué Esto Importa

GPT-5.5 Ya Está Aquí en Azure Foundry — Lo que los Desarrolladores .NET Necesitan Saber

La progresión de GPT-5

Qué cambió realmente

Precios

Por qué importa Foundry

Cómo empezar

El RFT de Foundry ahora es más barato e inteligente — Esto es lo que cambió

Entrenamiento Global para o4-mini

Nuevos Evaluadores de Modelo: Familia GPT-4.1

El Problema del Formato de Datos de RFT

Por Qué Esto Importa para Desarrolladores .NET

Conecta tus servidores MCP en Azure Functions a Foundry Agents — Así es como

Por qué esta combinación tiene sentido

Opciones de autenticación

Configurándolo

Mi opinión

Para cerrar

Microsoft Foundry Marzo 2026 — GPT-5.4, Agent Service GA y la Renovación del SDK Que lo Cambia Todo

Foundry Agent Service está listo para producción

GPT-5.4 — confiabilidad sobre inteligencia pura

El SDK finalmente es estable

Fireworks AI trae modelos abiertos a Azure

Otros destacados

Conclusión

Del portátil a producción: desplegando agentes de IA en Microsoft Foundry con dos comandos

El nuevo flujo de trabajo azd ai agent

Qué pasa por debajo

El ciclo interno de desarrollo

Monitoreo en tiempo real

El set completo de comandos

Por qué esto importa para desarrolladores .NET

Para cerrar

El MCP Server de Azure DevOps llega a Microsoft Foundry: Qué significa para tus agentes de IA

Qué está pasando realmente aquí

Configurándolo

Controlando a qué puede acceder tu agente

Por qué esto es interesante para equipos .NET

El panorama más amplio de MCP

Para cerrar

Foundry Agent Service está en GA: Lo que realmente importa para constructores de agentes .NET

Construido sobre la Responses API

Redes privadas: el bloqueador empresarial eliminado

Autenticación MCP hecha correctamente

Voice Live: voz a voz sin la fontanería

Evaluaciones: de checkbox a monitoreo continuo

Seis nuevas regiones para agentes hospedados

Por qué esto importa para desarrolladores .NET

Para cerrar

El Flujo de Despliegue con `azd`

El nuevo flujo de trabajo `azd ai agent`