Azure | The .NET Blog

Azure MCP Server Kini .mcpb — Instal Tanpa Runtime Apapun

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

Posting ini diterjemahkan secara otomatis. Untuk versi aslinya, klik di sini.

Tahu apa yang menjengkelkan dari pengaturan server MCP? Anda memerlukan runtime. Node.js untuk versi npm, Python untuk pip/uvx, .NET SDK untuk varian dotnet.

Azure MCP Server baru saja mengubah itu. Kini tersedia sebagai .mcpb — MCP Bundle — dan pengaturannya adalah seret-dan-lepas.

Apa itu MCP Bundle?

Bayangkan seperti ekstensi VS Code (.vsix) atau ekstensi browser (.crx), tetapi untuk server MCP. File .mcpb adalah arsip ZIP mandiri yang menyertakan biner server dan semua dependensinya.

Cara Menginstal

1. Unduh bundle untuk platform Anda

Buka halaman GitHub Releases dan unduh file .mcpb untuk OS dan arsitektur Anda.

2. Instal di Claude Desktop

Cara termudah: seret dan lepas file .mcpb ke jendela Claude Desktop saat Anda berada di halaman pengaturan Extensions (☰ → File → Settings → Extensions). Tinjau detail server, klik Install, konfirmasi.

3. Autentikasi ke Azure

az login

Selesai. Azure MCP Server menggunakan kredensial Azure Anda yang ada.

Untuk Memulai

Unduhan: GitHub Releases
Repo: aka.ms/azmcp
Docs: aka.ms/azmcp/docs

Baca posting lengkap.

GPT-5.5 Hadir di Azure Foundry — Yang Perlu Diketahui Developer .NET

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

Posting ini diterjemahkan secara otomatis. Untuk versi aslinya, klik di sini.

Microsoft baru saja mengumumkan bahwa GPT-5.5 tersedia umum di Microsoft Foundry. Jika Anda membangun agent di Azure, inilah pembaruan yang Anda tunggu.

Evolusi GPT-5

GPT-5: menyatukan penalaran dan kecepatan dalam satu sistem
GPT-5.4: penalaran multi-langkah yang lebih kuat, kemampuan agentik awal untuk enterprise
GPT-5.5: penalaran konteks panjang yang lebih dalam, eksekusi agentik yang lebih andal, efisiensi token yang lebih baik

Yang Benar-benar Berubah

Pengkodean agentik yang ditingkatkan: GPT-5.5 mempertahankan konteks di seluruh basis kode besar, mendiagnosis kegagalan tingkat arsitektur, dan mengantisipasi persyaratan pengujian. Model bernalar tentang apa lagi yang dipengaruhi perbaikan sebelum bertindak.

Efisiensi token: Output berkualitas lebih tinggi dengan lebih sedikit token dan lebih sedikit percobaan ulang. Biaya dan latensi langsung lebih rendah untuk deployment produksi.

Harga

Model	Input ($/M token)	Input Cache	Output ($/M token)
GPT-5.5	$5,00	$0,50	$30,00
GPT-5.5 Pro	$30,00	$3,00	$180,00

Mengapa Foundry Penting

Foundry Agent Service memungkinkan Anda mendefinisikan agent dalam YAML atau menghubungkannya dengan Microsoft Agent Framework, GitHub Copilot SDK, LangGraph, atau OpenAI Agents SDK — dan menjalankannya sebagai agent yang di-host secara terisolasi dengan sistem file persisten, identitas Microsoft Entra tersendiri, dan harga scale-to-zero.

AIAgent agent = aiProjectClient
 .AsAIAgent("gpt-5.5", instructions: "Anda adalah asisten yang membantu.", name: "AgentSaya");

Lihat pengumuman lengkap untuk semua detail.

Foundry Toolboxes: Satu Endpoint untuk Semua Alat Agen AI

Emiliano Montesdeoca — Thu, 23 Apr 2026 00:00:00 +0000

Postingan ini diterjemahkan secara otomatis. Untuk versi aslinya, klik di sini.

Ada masalah yang terlihat sepele sampai benar-benar dihadapi: organisasi membangun beberapa agen AI, masing-masing butuh alat, dan setiap tim mengonfigurasinya dari awal. Integrasi pencarian web yang sama, konfigurasi Azure AI Search yang sama, koneksi server GitHub MCP yang sama — tapi di repositori berbeda, oleh tim berbeda, dengan kredensial berbeda, tanpa tata kelola bersama.

Microsoft Foundry baru saja meluncurkan Toolboxes dalam preview publik, dan ini adalah jawaban langsung atas masalah tersebut.

Apa itu Toolbox?

Toolbox adalah bundel alat bernama yang dapat digunakan kembali, didefinisikan sekali di Foundry dan diekspos melalui satu endpoint yang kompatibel dengan MCP. Runtime agen apa pun yang berbicara MCP dapat mengonsumsinya — tidak ada lock-in ke Foundry Agents.

Janjinya sederhana: build once, consume anywhere. Definisikan alat, konfigurasikan autentikasi secara terpusat (OAuth passthrough, identitas terkelola Entra), terbitkan endpoint. Setiap agen yang membutuhkan alat tersebut terhubung ke endpoint dan mendapatkan semuanya.

Empat pilar (dua tersedia hari ini)

Pilar	Status	Apa yang dilakukan
Discover	Segera hadir	Temukan alat yang disetujui tanpa pencarian manual
Build	Tersedia	Kelompokkan alat ke dalam bundel yang dapat digunakan kembali
Consume	Tersedia	Satu endpoint MCP mengekspos semua alat
Govern	Segera hadir	Autentikasi terpusat + observabilitas untuk semua panggilan alat

Contoh praktis

from azure.identity import DefaultAzureCredential
from azure.ai.projects import AIProjectClient
import os

client = AIProjectClient(
 endpoint=os.environ["FOUNDRY_PROJECT_ENDPOINT"],
 credential=DefaultAzureCredential()
)

toolbox_version = client.beta.toolboxes.create_toolbox_version(
 toolbox_name="customer-feedback-triaging-toolbox",
 description="Cari dokumentasi dan respons issues GitHub.",
 tools=[
 {"type": "web_search", "description": "Cari dokumentasi publik"},
 {"type": "azure_ai_search", "index_name": "internal-docs"},
 {"type": "mcp_server", "server_url": "https://your-github-mcp-server.com"}
 ]
)

Setelah diterbitkan, Foundry menyediakan endpoint terpadu. Satu koneksi, semua alat.

Tidak terkunci di Foundry Agents

Toolboxes dibuat dan dikelola di Foundry, tapi permukaan konsumsinya adalah protokol MCP yang terbuka. Bisa digunakan dari agen kustom (Microsoft Agent Framework, LangGraph), GitHub Copilot dan IDE lain yang mendukung MCP.

Mengapa penting sekarang

Gelombang multi-agen sedang tiba di produksi. Setiap agen baru adalah permukaan baru untuk konfigurasi duplikat, kredensial usang, dan perilaku tidak konsisten. Fondasi Build + Consume cukup untuk mulai sentralisasi. Ketika pilar Govern tiba, akan ada lapisan alat yang sepenuhnya dapat diamati dan dikontrol secara terpusat untuk seluruh armada agen.

Penutup

Ini masih awal — preview publik, Python SDK dulu, Discover dan Govern masih akan datang. Tapi modelnya kokoh dan desain MCP-native berarti bekerja dengan alat yang sudah dibangun. Cek pengumuman resmi untuk memulai.

azd + GitHub Copilot: Penyiapan Proyek Berbantuan AI dan Pemecahan Masalah Error Cerdas

Emiliano Montesdeoca — Tue, 21 Apr 2026 00:00:00 +0000

Kamu pasti pernah mengalami momen ketika ingin men-deploy aplikasi yang sudah ada ke Azure, lalu menatap file azure.yaml yang kosong sambil mencoba mengingat apakah Express API-mu harus menggunakan Container Apps atau App Service? Momen itu kini jauh lebih singkat.

Azure Developer CLI (azd) kini terintegrasi dengan GitHub Copilot dalam dua cara yang nyata: scaffolding proyek berbantuan AI selama azd init, dan pemecahan masalah error cerdas ketika deployment gagal. Kedua fitur ini sepenuhnya berjalan di dalam terminal.

Setup dengan Copilot selama azd init

Saat menjalankan azd init, kini ada opsi “Set up with GitHub Copilot (Preview)”. Pilih itu dan Copilot akan menganalisis codebase-mu untuk menghasilkan azure.yaml, template infrastruktur, dan modul Bicep — berdasarkan kode aslimu.

azd init
# Pilih: "Set up with GitHub Copilot (Preview)"

Prasyarat:

azd 1.23.11 atau lebih baru — cek dengan azd version atau perbarui dengan azd update
Langganan GitHub Copilot aktif (Individual, Business, atau Enterprise)
GitHub CLI (gh) — azd akan meminta login jika diperlukan

Yang menurutku benar-benar berguna: ini bekerja dua arah. Membangun dari nol? Copilot membantu mengonfigurasi layanan Azure yang tepat sejak awal. Punya aplikasi yang ingin di-deploy? Arahkan Copilot ke sana dan konfigurasi akan dibuat tanpa perlu restrukturisasi kode apapun.

Yang sebenarnya dilakukan

Katakanlah kamu punya Node.js Express API dengan dependensi PostgreSQL. Daripada memutuskan manual antara Container Apps dan App Service, lalu menulis Bicep dari nol, Copilot mendeteksi stack-mu dan menghasilkan:

azure.yaml dengan pengaturan language, host, dan build yang tepat
Modul Bicep untuk Azure Container Apps
Modul Bicep untuk Azure Database for PostgreSQL

Dan menjalankan pemeriksaan awal sebelum mengubah apapun — memverifikasi direktori git bersih, meminta persetujuan alat server MCP di awal. Tidak ada yang terjadi tanpa kamu tahu persis apa yang akan berubah.

Pemecahan Masalah Error dengan Copilot

Error deployment adalah hal yang tak terhindarkan. Parameter yang hilang, masalah izin, ketersediaan SKU — dan pesan error jarang memberitahumu satu hal yang benar-benar perlu kamu ketahui: cara memperbaikinya.

Tanpa Copilot, siklusnya terlihat seperti: salin error → cari di docs → baca tiga jawaban Stack Overflow yang tidak relevan → jalankan beberapa perintah az CLI → coba lagi dan berharap. Dengan Copilot terintegrasi di azd, siklus ini runtuh. Saat perintah azd apapun gagal, langsung ditawarkan empat pilihan:

Explain — penjelasan dalam bahasa sederhana tentang apa yang salah
Guidance — instruksi langkah demi langkah untuk memperbaiki masalah
Diagnose and Guide — analisis lengkap + Copilot menerapkan perbaikan (dengan persetujuanmu) + retry opsional
Skip — tangani sendiri

Poin kuncinya: Copilot sudah memiliki konteks tentang proyekmu, perintah yang gagal, dan detail error. Sarannya spesifik untuk situasimu.

Mengatur Perilaku Default

Jika selalu memilih opsi yang sama, lewati prompt interaktif:

azd config set copilot.errorHandling.category troubleshoot

Nilai: explain, guidance, troubleshoot, fix, skip. Kamu juga bisa mengaktifkan auto-fix dan retry:

azd config set copilot.errorHandling.fix allow

Kembali ke mode interaktif kapan saja:

azd config unset copilot.errorHandling.category

Kesimpulan

Jalankan azd update untuk mendapatkan versi terbaru dan coba azd init di proyek berikutnya.

Baca pengumuman aslinya di sini.

Eksperimen AI Anda di Azure Membakar Uang — Inilah Cara Memperbaikinya

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

Jika Anda sedang membangun aplikasi bertenaga AI di Azure sekarang, Anda mungkin sudah menyadari sesuatu: tagihan cloud Anda terlihat berbeda. Bukan hanya lebih tinggi — lebih aneh. Lonjakan. Sulit diprediksi.

Microsoft baru saja menerbitkan artikel bagus tentang prinsip optimasi biaya cloud yang masih penting.

Mengapa beban kerja AI berbeda

Beban kerja .NET tradisional relatif dapat diprediksi. Beban kerja AI? Tidak sama sekali. Anda menguji beberapa model, menjalankan infrastruktur berbasis GPU, dan membuat panggilan API Azure OpenAI di mana konsumsi token bervariasi drastis.

Manajemen vs. optimasi — ketahui perbedaannya

Manajemen: pelacakan dan pelaporan.
Optimasi: membuat keputusan nyata. Apakah Anda benar-benar membutuhkan tingkat S3? Apakah instance yang selalu menyala itu duduk menganggur di akhir pekan?

Yang benar-benar berhasil

Beri tag sumber daya Anda — jika tidak bisa tahu proyek mana yang menghabiskan anggaran, tidak bisa mengoptimalkan apa pun
Pasang perlindungan sebelum bereksperimen — gunakan Azure Policy untuk membatasi SKU mahal
Sesuaikan ukuran secara terus-menerus — periksa rekomendasi Azure Advisor
Pikirkan siklus hidup — sumber daya dev harus dimatikan saat tidak digunakan
Ukur nilai, bukan hanya biaya — model yang lebih mahal tetapi menghasilkan hasil jauh lebih baik mungkin pilihan yang tepat

RFT Foundry Menjadi Lebih Murah dan Lebih Pintar — Inilah yang Berubah

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

Jika Anda membangun aplikasi .NET yang mengandalkan model yang disetel halus, pembaruan Foundry bulan ini layak diperhatikan.

Detail lengkap ada di pengumuman resmi.

Pelatihan Global untuk o4-mini

o4-mini adalah model yang digunakan untuk beban kerja penalaran berat dan agentik. Anda kini dapat meluncurkan pekerjaan penyetelan halus dari 13+ region Azure dengan tarif pelatihan per-token yang lebih rendah.

"trainingType": "globalstandard"

Penilai Model Baru: Keluarga GPT-4.1

Tiga opsi baru: GPT-4.1, GPT-4.1-mini, dan GPT-4.1-nano.

Strategi pengelompokan:

GPT-4.1-nano untuk iterasi awal. Biaya rendah, loop umpan balik cepat.
GPT-4.1-mini setelah rubrik penilaian stabil.
GPT-4.1 untuk penilaian produksi.

Jebakan Format Data RFT

Format data RFT berbeda dari SFT. Pesan terakhir di setiap baris harus berperan User atau Developer — bukan Assistant.

Mengapa ini penting bagi pengembang .NET

Pelatihan yang lebih murah berarti Anda dapat melakukan iterasi lebih agresif. Panduan praktik terbaik di GitHub akan menghemat waktu debugging.

Alat Azure MCP Kini Tertanam di Visual Studio 2022 — Tanpa Ekstensi

Emiliano Montesdeoca — Thu, 16 Apr 2026 00:00:00 +0000

Jika Anda menggunakan alat Azure MCP di Visual Studio melalui ekstensi terpisah, Anda tahu prosesnya — instal VSIX, restart, berharap tidak rusak, kelola ketidakcocokan versi. Gesekan itu hilang.

Yun Jung Choi mengumumkan bahwa alat Azure MCP kini dikirim langsung sebagai bagian dari workload pengembangan Azure di Visual Studio 2022. Tanpa ekstensi. Tanpa VSIX.

Cara mengaktifkannya

Perbarui ke Visual Studio 2022 17.14.30 atau lebih tinggi
Pastikan workload Azure development terinstal
Buka GitHub Copilot Chat
Klik tombol Pilih alat (ikon dua kunci pas)
Aktifkan Azure MCP Server

Tetap aktif di antara sesi.

Catatan

Alat dinonaktifkan secara default — Anda perlu mengaktifkannya. Bagi developer .NET yang tinggal di Visual Studio, ini mengurangi alasan untuk beralih konteks ke portal Azure.

Aspire 13.2 Mendapatkan MongoDB EF Core dan Azure Data Lake — Dua Integrasi yang Patut Dicoba

Emiliano Montesdeoca — Wed, 15 Apr 2026 00:00:00 +0000

Aspire 13.2 hadir dengan dua integrasi database baru yang patut diperhatikan: MongoDB Entity Framework Core dan Azure Data Lake Storage.

MongoDB bertemu EF Core di Aspire

Aspire telah mendukung MongoDB untuk sementara, tapi selalu driver mentah — tidak ada EF Core, tidak ada DbContext, tidak ada kueri LINQ. Sekarang Anda mendapatkan pengalaman EF Core penuh dengan MongoDB, beserta health check otomatis dan service discovery dari Aspire.

Pengaturan di AppHost:

var mongodb = builder.AddMongoDB("mongodb")
 .WithDataVolume()
 .WithLifetime(ContainerLifetime.Persistent);

var apiService = builder.AddProject<Projects.ApiService>("api")
 .WithReference(mongodb);

Di proyek yang menggunakan:

dotnet add package Aspire.MongoDB.EntityFrameworkCore

Daftarkan DbContext Anda:

builder.AddMongoDbContext<MyDbContext>("mongodb", "mydb");

Integrasi menangani connection pooling, trace OpenTelemetry, dan health check di belakang layar.

Azure Data Lake Storage bergabung

Di AppHost:

var storage = builder.AddAzureStorage("azure-storage");
var dataLake = storage.AddDataLake("data-lake");
var fileSystem = storage.AddDataLakeFileSystem("data-lake-file-system");

var analyticsService = builder.AddProject<Projects.AnalyticsService>("analytics")
 .WithReference(dataLake)
 .WithReference(fileSystem);

Di proyek yang menggunakan:

builder.AddAzureDataLakeServiceClient("data-lake");
builder.AddAzureDataLakeFileSystemClient("data-lake-file-system");

Tidak ada manajemen connection string manual, tidak ada pencarian kredensial.

Kesimpulan

Aspire 13.2 adalah rilis inkremental, tapi integrasi MongoDB EF Core dan Data Lake mengisi celah nyata. Upgrade ke 13.2 dan coba.

azd update — Satu Perintah untuk Semua Package Manager Anda

Emiliano Montesdeoca — Wed, 15 Apr 2026 00:00:00 +0000

Anda tahu pesan “Versi baru azd tersedia” yang muncul setiap beberapa minggu? Yang Anda abaikan karena tidak ingat apakah Anda menginstal azd melalui winget, Homebrew, atau skrip curl enam bulan lalu? Ini akhirnya diperbaiki.

Microsoft baru saja merilis azd update — perintah tunggal yang memperbarui Azure Developer CLI ke versi terbaru terlepas dari cara asli Anda menginstalnya.

Cara kerjanya

azd update

Itu saja. Untuk akses awal ke fitur baru:

azd update --channel daily
azd update --channel stable

Perintah mendeteksi metode instalasi Anda saat ini dan menggunakan mekanisme pembaruan yang sesuai di balik layar.

Catatan kecil

azd update hadir mulai versi 1.23.x. Jika Anda menggunakan versi lebih lama, Anda perlu melakukan satu pembaruan manual terakhir. Setelah itu, azd update menangani semuanya.

Mengapa ini penting

Ini adalah peningkatan kualitas hidup yang kecil, tetapi bagi yang menggunakan azd setiap hari untuk men-deploy agen AI dan aplikasi Aspire ke Azure, tetap terkini itu penting.

Baca pengumuman lengkap.

Azure Smart Tier Kini GA — Optimasi Biaya Blob Storage Otomatis Tanpa Aturan Siklus Hidup

Emiliano Montesdeoca — Wed, 15 Apr 2026 00:00:00 +0000

Jika Anda pernah menghabiskan waktu menyetel kebijakan siklus hidup Azure Blob Storage dan kemudian menyaksikannya runtuh ketika pola akses berubah, ini untuk Anda. Microsoft baru saja mengumumkan ketersediaan umum smart tier untuk Azure Blob dan Data Lake Storage.

Yang sebenarnya dilakukan smart tier

Smart tier terus mengevaluasi waktu akses terakhir setiap objek di akun penyimpanan Anda. Data yang sering diakses tetap di hot, data tidak aktif pindah ke cool setelah 30 hari, lalu ke cold setelah 60 hari lagi. Saat data diakses lagi, langsung dipromosikan kembali ke hot.

Tidak ada aturan siklus hidup yang perlu dikonfigurasi. Tidak ada penyesuaian manual.

Selama pratinjau, Microsoft melaporkan bahwa lebih dari 50% kapasitas yang dikelola smart tier secara otomatis berpindah ke tingkat lebih dingin.

Mengapa ini penting untuk developer .NET

Skenario praktis:

Telemetri dan log aplikasi — panas saat debugging, jarang diakses setelah beberapa minggu
Pipeline data dan output ETL — akses intensif saat pemrosesan, lalu sebagian besar dingin
Konten yang dibuat pengguna — unggahan terbaru panas, konten lama mendingin secara bertahap

Pertukaran yang perlu diketahui

Aturan peringkatan smart tier bersifat statis (30 hari → cool, 90 hari → cold). Jika Anda membutuhkan ambang batas kustom, aturan siklus hidup masih berlaku.

Di Mana Anda Harus Meng-host Agen AI di Azure? Panduan Keputusan Praktis

Emiliano Montesdeoca — Wed, 15 Apr 2026 00:00:00 +0000

Jika Anda sedang membangun agen AI dengan .NET sekarang, Anda mungkin sudah memperhatikan: ada banyak cara untuk meng-host-nya di Azure. Container Apps, AKS, Functions, App Service, Foundry Agents, Foundry Hosted Agents.

Microsoft baru saja menerbitkan panduan komprehensif untuk hosting agen Azure AI.

Enam opsi sekilas

Opsi	Terbaik untuk	Anda kelola
Container Apps	Kontrol container penuh tanpa kerumitan K8s	Observabilitas, state, siklus hidup
AKS	Kepatuhan enterprise, multi-cluster	Semuanya
Azure Functions	Tugas singkat berbasis event	Hampir tidak ada
App Service	Agen HTTP sederhana	Deployment, scaling
Foundry Agents	Agen opsional kode	Hampir tidak ada
Foundry Hosted Agents	Agen framework kustom	Hanya kode agen Anda

Foundry Hosted Agents — titik manis untuk developer agen .NET

Deployment benar-benar sederhana:

azd ext install azure.ai.agents
azd ai agent init
azd up

Satu perintah azd up membangun container, mendorongnya ke ACR, menyediakan proyek Foundry, dan memulai agen.

Kerangka keputusan saya

Butuh infrastruktur nol? → Foundry Agents
Punya kode agen kustom tapi ingin hosting terkelola? → Foundry Hosted Agents
Tugas singkat berbasis event? → Azure Functions
Kontrol container maksimum? → Container Apps
Kepatuhan ketat dan multi-cluster? → AKS

Kesimpulan

Untuk sebagian besar developer .NET yang membangun dengan Semantic Kernel atau Microsoft Agent Framework, Hosted Agents kemungkinan adalah titik awal yang tepat. Cek panduan lengkap dari Microsoft.

Agent Skills di .NET Kini Benar-Benar Fleksibel

Emiliano Montesdeoca — Tue, 14 Apr 2026 00:00:00 +0000

Jika Anda membangun agen dengan Microsoft Agent Framework, Anda sudah tahu caranya: Anda mendefinisikan skill, menghubungkannya ke provider, dan membiarkan agen menentukan mana yang harus dipanggil. Yang baru adalah bagaimana Anda menulis skill tersebut — dan lompatan fleksibilitasnya signifikan.

Pembaruan terbaru memperkenalkan tiga pola authoring berbeda untuk agent skill: berbasis file, berbasis kelas, dan didefinisikan kode inline. Ketiganya terhubung ke satu AgentSkillsProviderBuilder, artinya Anda bisa mix and match tanpa logika routing.

Skill berbasis file: titik awal

Skill berbasis file persis seperti namanya — direktori di disk dengan file SKILL.md, skrip opsional, dan dokumen referensi:

skills/
└── onboarding-guide/
├── SKILL.md
├── scripts/
│ └── check-provisioning.py
└── references/
└── onboarding-checklist.md

Frontmatter SKILL.md mendeklarasikan nama dan deskripsi skill, dan bagian instruksi memberi tahu agen cara menggunakan skrip dan referensi.

Kemudian Anda menghubungkannya dengan SubprocessScriptRunner.RunAsync:

var skillsProvider = new AgentSkillsProvider(
 Path.Combine(AppContext.BaseDirectory, "skills"),
 SubprocessScriptRunner.RunAsync);

Skill berbasis kelas: kirim via NuGet

Di sinilah yang menarik bagi tim. Skill berbasis kelas mewarisi dari AgentClassSkill<T> dan menggunakan atribut seperti [AgentSkillResource] dan [AgentSkillScript]:

public sealed class BenefitsEnrollmentSkill : AgentClassSkill<BenefitsEnrollmentSkill>
{
 public override AgentSkillFrontmatter Frontmatter { get; } = new(
 "benefits-enrollment",
 "Enroll an employee in health, dental, or vision plans.");

 [AgentSkillScript("enroll")]
 private static string Enroll(string employeeId, string planCode)
 {
 bool success = HrClient.EnrollInPlan(employeeId, planCode);
 return JsonSerializer.Serialize(new { success, employeeId, planCode });
 }
}

Sebuah tim bisa mengemas ini sebagai paket NuGet. Tambahkan ke proyek, masukkan ke builder, dan bekerja bersama skill berbasis file Anda.

Skill inline: jembatan cepat

Saat tim lain membangun skill yang persis Anda butuhkan tapi tidak akan siap dalam satu sprint? AgentInlineSkill adalah jembatan Anda:

var timeOffSkill = new AgentInlineSkill(
 name: "time-off-balance",
 description: "Calculate remaining vacation and sick days.",
 instructions: "1. Minta ID karyawan. 2. Gunakan calculate-balance. 3. Sajikan hasilnya.")
 .AddScript("calculate-balance", (string employeeId, string leaveType) =>
 {
 int remaining = HrDatabase.GetAnnualAllowance(employeeId, leaveType)
 - HrDatabase.GetDaysUsed(employeeId, leaveType);
 return JsonSerializer.Serialize(new { employeeId, leaveType, remaining });
 });

Ketika paket NuGet akhirnya dikirim, Anda mengganti skill inline dengan yang berbasis kelas. Agen tidak tahu perbedaannya.

Persetujuan skrip: human-in-the-loop

Bagi developer .NET yang membangun agen produksi, inilah bagian yang benar-benar membuka percakapan deployment. Aktifkan UseScriptApproval dan agen berhenti sebelum menjalankan skrip apapun:

var skillsProvider = new AgentSkillsProviderBuilder()
 .UseFileSkill(Path.Combine(AppContext.BaseDirectory, "skills"))
 .UseSkill(new BenefitsEnrollmentSkill())
 .UseSkill(timeOffSkill)
 .UseFileScriptRunner(SubprocessScriptRunner.RunAsync)
 .UseScriptApproval(true)
 .Build();

Kesimpulan

Agent skills di .NET kini memiliki model authoring yang benar-benar fleksibel. Baik Anda membuat prototip dengan skill berbasis file atau mengirim kemampuan yang dikemas via NuGet, semua pola disusun melalui AgentSkillsProviderBuilder.

Lihat pengumuman asli dan contoh GitHub.

Azure MCP Server 2.0 Baru Dirilis — Otomasi Cloud Agentic Self-Hosted Sudah Ada

Emiliano Montesdeoca — Sat, 11 Apr 2026 00:00:00 +0000

Jika Anda baru-baru ini membangun sesuatu dengan MCP dan Azure, Anda mungkin sudah tahu bahwa pengalaman lokal bekerja dengan baik. Tapi ketika Anda perlu berbagi pengaturan itu ke seluruh tim? Di situlah hal-hal menjadi rumit.

Tidak lagi. Azure MCP Server baru saja mencapai 2.0 stabil, dan fitur utamanya adalah persis yang telah diminta tim enterprise: dukungan server MCP remote self-hosted.

Apa itu Azure MCP Server?

Azure MCP Server mengimplementasikan spesifikasi Model Context Protocol dan mengekspos kemampuan Azure sebagai alat terstruktur dan dapat ditemukan. Angkanya berbicara sendiri: 276 alat MCP di 57 layanan Azure.

Hal besar: deployment remote self-hosted

Dalam skenario tim nyata, Anda membutuhkan:

Akses bersama untuk developer dan sistem agen internal
Konfigurasi terpusat
Batas jaringan dan kebijakan enterprise
Integrasi ke pipeline CI/CD

Azure MCP Server 2.0 mengatasi semua ini. Untuk autentikasi, ada dua opsi:

Managed Identity — saat berjalan bersama Microsoft Foundry
Alur On-Behalf-Of (OBO) — delegasi OpenID Connect dengan izin pengguna yang sebenarnya

Pengerasan keamanan

Rilis 2.0 menambahkan validasi endpoint yang lebih kuat, perlindungan terhadap pola injection, dan kontrol isolasi yang lebih ketat.

Memulai

GitHub Repo — kode sumber, dokumentasi
Docker Image — deployment dalam container
Ekstensi VS Code — integrasi IDE
Panduan self-hosting — fitur unggulan 2.0

Agentic Platform Engineering Menjadi Nyata — Git-APE Menunjukkan Caranya

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

Platform engineering telah menjadi salah satu istilah yang terdengar hebat di konferensi tetapi biasanya berarti “kami membangun portal internal dan wrapper Terraform.” Janji sebenarnya — self-service infrastruktur yang benar-benar aman, terkendali, dan cepat — selalu beberapa langkah menjauh.

Tim Azure baru saja menerbitkan Bagian 2 dari seri agentic platform engineering mereka. Mereka menyebutnya Git-APE — sebuah proyek open-source yang menggunakan agen GitHub Copilot dan server Azure MCP untuk mengubah permintaan bahasa alami menjadi infrastruktur yang tervalidasi dan ter-deploy.

Apa yang sebenarnya dilakukan Git-APE

Ide inti: alih-alih mempelajari modul Terraform, developer berbicara dengan agen Copilot. Agen menginterpretasikan niat, menghasilkan Infrastructure-as-Code, memvalidasi terhadap kebijakan, dan mendeploy — semuanya dalam VS Code.

git clone https://github.com/Azure/git-ape
cd git-ape

Buka workspace di VS Code, dan file konfigurasi agen ditemukan otomatis oleh GitHub Copilot:

@git-ape deploy a function app with storage in West Europe

Pembersihan sama mudahnya:

@git-ape destroy my-resource-group

Mengapa ini penting

Bagi yang membangun di Azure, ini menggeser percakapan platform engineering dari “bagaimana kami membangun portal” menjadi “bagaimana kami mendeskripsikan guardrail kami sebagai API.”

Sebagai developer .NET: Azure MCP Server dan agen GitHub Copilot bekerja dengan semua workload Azure — ASP.NET Core API Anda, tumpukan .NET Aspire — semuanya bisa menjadi target alur deployment agentik.

Kesimpulan

Git-APE adalah pandangan awal tetapi konkret tentang agentic platform engineering dalam praktik. Clone repositorinya dan baca postingan lengkap.

Hubungkan Server MCP Anda di Azure Functions ke Agen Foundry — Begini Caranya

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

Ada satu hal yang saya sukai tentang ekosistem MCP: Anda membangun server sekali dan bekerja di mana saja.

Lily Ma dari tim Azure SDK menerbitkan panduan praktis tentang menghubungkan server MCP yang di-deploy ke Azure Functions dengan agen Microsoft Foundry.

Mengapa kombinasi ini masuk akal

Azure Functions memberi Anda infrastruktur yang dapat diskalakan, autentikasi bawaan, dan penagihan tanpa server. Microsoft Foundry memberi Anda agen AI yang dapat bernalar dan bertindak. Menghubungkan keduanya berarti alat kustom Anda menjadi kemampuan agen AI perusahaan.

Opsi autentikasi

Metode	Kasus Penggunaan
Berbasis kunci	Pengembangan atau server tanpa Entra auth
Microsoft Entra	Produksi dengan managed identity
OAuth identity passthrough	Produksi dengan konteks pengguna
Tanpa autentikasi	Dev/pengujian atau data publik saja

Pengaturan

Deploy server MCP ke Azure Functions — sampel tersedia untuk .NET
Aktifkan autentikasi MCP bawaan
Dapatkan URL endpoint — https://<FUNCTION_APP_NAME>.azurewebsites.net/runtime/webhooks/mcp
Tambahkan server MCP sebagai alat di Foundry

Baca panduan lengkap.

Membangun UI Multi-Agen Real-Time yang Tidak Terasa Seperti Kotak Hitam

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

Begini kenyataan tentang sistem multi-agen: tampilannya luar biasa dalam demo. Tiga agen saling mengoper pekerjaan, memecahkan masalah, mengambil keputusan. Lalu Anda mencoba menampilkannya kepada pengguna nyata dan… sunyi. Indikator yang berputar. Tidak ada yang tahu agen mana yang melakukan apa atau mengapa sistem berhenti. Ini bukan produk — ini masalah kepercayaan.

Tim Microsoft Agent Framework baru saja menerbitkan panduan yang luar biasa tentang cara memadukan alur kerja MAF dengan AG-UI, protokol terbuka untuk mengalirkan peristiwa eksekusi agen ke frontend melalui Server-Sent Events. Dan jujur saja? Inilah jembatan yang selama ini kita butuhkan.

Mengapa ini penting bagi developer .NET

Jika Anda membangun aplikasi bertenaga AI, Anda mungkin sudah pernah menabrak dinding ini. Orkestrasi backend Anda bekerja dengan baik — agen saling meneruskan pekerjaan, alat berjalan, keputusan dibuat. Tapi frontend tidak tahu apa yang terjadi di balik layar. AG-UI mengatasi ini dengan mendefinisikan protokol standar untuk mengalirkan peristiwa agen (RUN_STARTED, STEP_STARTED, TOOL_CALL_*, TEXT_MESSAGE_*) langsung ke lapisan UI Anda melalui SSE.

Demo yang mereka bangun adalah alur kerja dukungan pelanggan dengan tiga agen: agen triase yang merutekan permintaan, agen pengembalian dana yang menangani urusan keuangan, dan agen pesanan yang mengelola penggantian. Setiap agen memiliki alat-alatnya sendiri, dan topologi handoff didefinisikan secara eksplisit — tidak ada nuansa “cari tahu dari prompt”.

Topologi handoff adalah bintang sesungguhnya

Yang menarik perhatian saya adalah bagaimana HandoffBuilder memungkinkan Anda mendeklarasikan graf perutean berarah antar agen:

builder = HandoffBuilder(
 name="ag_ui_handoff_workflow_demo",
 participants=[triage, refund, order],
 termination_condition=termination_condition,
)

(
 builder
 .add_handoff(triage, [refund], description="Refunds, damaged-item claims...")
 .add_handoff(triage, [order], description="Replacement, exchange...")
 .add_handoff(refund, [order], description="Replacement logistics needed after refund.")
 .add_handoff(order, [triage], description="After replacement/shipping tasks complete.")
)

Setiap add_handoff membuat sisi berarah dengan deskripsi bahasa alami. Framework menghasilkan alat handoff untuk setiap agen berdasarkan topologi ini. Jadi keputusan perutean didasarkan pada struktur orkestrasi Anda, bukan pada apa yang ingin dilakukan LLM. Ini sangat penting untuk keandalan produksi.

Human-in-the-loop yang benar-benar bekerja

Demo ini memperlihatkan dua pola interupsi yang dibutuhkan oleh aplikasi agen mana pun di dunia nyata:

Interupsi persetujuan alat — ketika agen memanggil alat yang ditandai dengan approval_mode="always_require", alur kerja dijeda dan mengeluarkan peristiwa. Frontend merender modal persetujuan dengan nama alat dan argumennya. Tidak ada loop percobaan ulang yang membakar token — hanya alur jeda-setujui-lanjutkan yang bersih.

Interupsi permintaan informasi — ketika agen membutuhkan lebih banyak konteks dari pengguna (seperti ID pesanan), agen berhenti dan bertanya. Frontend menampilkan pertanyaan, pengguna merespons, dan eksekusi dilanjutkan dari tepat di mana ia berhenti.

Kedua pola dialirkan sebagai peristiwa AG-UI standar, sehingga frontend Anda tidak memerlukan logika khusus per agen — cukup merender peristiwa apa pun yang masuk melalui koneksi SSE.

Menghubungkannya sangat sederhana

Integrasi antara MAF dan AG-UI adalah satu panggilan fungsi:

from agent_framework.ag_ui import (
 AgentFrameworkWorkflow,
 add_agent_framework_fastapi_endpoint,
)

app = FastAPI()

demo_workflow = AgentFrameworkWorkflow(
 workflow_factory=lambda _thread_id: create_handoff_workflow(),
 name="ag_ui_handoff_workflow_demo",
)

add_agent_framework_fastapi_endpoint(
 app=app, agent=demo_workflow, path="/handoff_demo",
)

workflow_factory membuat alur kerja baru per thread, sehingga setiap percakapan mendapat status yang terisolasi. Endpoint menangani semua plumbing SSE secara otomatis. Jika Anda sudah menggunakan FastAPI (atau bisa menambahkannya sebagai lapisan ringan), ini hampir tanpa gesekan.

Pandangan saya

Bagi developer .NET, pertanyaan langsung adalah: “Bisakah saya melakukan ini di C#?” Agent Framework tersedia untuk .NET dan Python, dan protokol AG-UI bersifat language-agnostic (ini hanyalah SSE). Jadi meskipun demo ini menggunakan Python dan FastAPI, polanya langsung dapat diterapkan. Anda bisa menghubungkan ASP.NET Core minimal API dengan endpoint SSE mengikuti skema peristiwa AG-UI yang sama.

Kesimpulan yang lebih besar adalah bahwa UI multi-agen menjadi perhatian kelas satu, bukan renungan. Jika Anda membangun apa pun di mana agen berinteraksi dengan manusia — dukungan pelanggan, alur kerja persetujuan, pemrosesan dokumen — kombinasi orkestrasi MAF dan transparansi AG-UI adalah pola yang harus diikuti.

Kesimpulan

AG-UI + Microsoft Agent Framework memberi Anda yang terbaik dari kedua dunia: orkestrasi multi-agen yang kuat di backend dan visibilitas real-time di frontend. Tidak ada lagi interaksi agen sebagai kotak hitam.

Lihat panduan lengkap dan repositori protokol AG-UI untuk mendalami lebih jauh.

Microsoft Foundry Maret 2026 — GPT-5.4, Agent Service GA, dan SDK Refresh yang Mengubah Segalanya

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

Posting bulanan “Yang Baru di Microsoft Foundry” biasanya merupakan campuran peningkatan bertahap. Edisi Maret 2026? Hampir semuanya adalah fitur utama.

Foundry Agent Service siap untuk produksi

Runtime agen generasi berikutnya tersedia secara umum — dibangun di atas OpenAI Responses API, kompatibel secara wire dengan agen OpenAI.

Penambahan utama: jaringan privat end-to-end, ekspansi auth MCP, pratinjau Voice Live, dan hosted agents di 6 region baru.

GPT-5.4 — keandalan di atas kecerdasan mentah

GPT-5.4 bukan tentang menjadi lebih pintar. Ini tentang menjadi lebih andal.

Model	Harga (per M token)	Terbaik untuk
GPT-5.4 (≤272K)	$2.50 / $15 output	Agen produksi
GPT-5.4 Pro	$30 / $180 output	Analisis mendalam
GPT-5.4 Mini	Hemat biaya	Klasifikasi, ekstraksi

SDK akhirnya stabil

SDK azure-ai-projects merilis versi stabil di semua bahasa — termasuk .NET 2.0.0.

Fireworks AI membawa model terbuka ke Azure

DeepSeek V3.2, gpt-oss-120b, Kimi K2.5 tersedia saat peluncuran.

Baca ringkasan lengkap.

Penilaian Modernisasi GitHub Copilot Adalah Alat Migrasi Terbaik yang Belum Anda Gunakan

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

Memigrasikan aplikasi .NET Framework lama ke .NET modern adalah salah satu tugas yang semua orang tahu harus dilakukan tapi tidak ada yang ingin memulainya.

Jeffrey Fritz baru saja menerbitkan analisis mendalam tentang penilaian modernisasi GitHub Copilot.

Ini bukan sekadar mesin saran kode

Ekstensi VS Code mengikuti model Nilai → Rencanakan → Eksekusi. Fase penilaian menganalisis seluruh basis kode dan menghasilkan dokumen terstruktur yang menangkap semuanya.

Penilaian disimpan di bawah .github/modernize/assessment/. Setiap run menghasilkan laporan independen.

Dua cara untuk memulai

Penilaian yang Direkomendasikan — jalur cepat. Pilih dari domain yang dikurasi (Peningkatan Java/.NET, Kesiapan Cloud, Keamanan).

Penilaian Kustom — jalur terarah. Konfigurasikan apa yang akan dianalisis: komputasi target (App Service, AKS, Container Apps), OS target, analisis kontainerisasi.

Rincian masalah dapat ditindaklanjuti

Setiap masalah dilengkapi level kritis:

Wajib — harus diperbaiki atau migrasi akan gagal
Potensial — mungkin berdampak pada migrasi, memerlukan penilaian manusia
Opsional — perbaikan yang direkomendasikan, tidak akan memblokir migrasi

Pendapat saya

Jika Anda memiliki aplikasi .NET Framework lama, ini adalah alat terbaik untuk memulai. Dokumen penilaian saja sudah sepadan dengan waktunya.

Baca panduan lengkap dan unduh ekstensi VS Code.

SQL MCP Server — Cara yang Tepat untuk Memberi Agen AI Akses Database

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

Jujur saja: sebagian besar server MCP database yang tersedia saat ini sangat menakutkan. Mereka mengambil kueri bahasa alami, menghasilkan SQL secara langsung, dan menjalankannya pada data produksi Anda.

Tim Azure SQL baru saja memperkenalkan SQL MCP Server, dan mengambil pendekatan yang secara fundamental berbeda.

Mengapa tidak NL2SQL?

Model tidak deterministik. SQL MCP Server menggunakan pendekatan NL2DAB. Agen bekerja dengan lapisan abstraksi entitas Data API builder untuk menghasilkan T-SQL yang akurat secara deterministik.

Tujuh alat, bukan tujuh ratus

SQL MCP Server mengekspos tepat tujuh alat DML:

describe_entities — temukan entitas yang tersedia
create_record — sisipkan baris
read_records — kueri tabel dan view
update_record — modifikasi baris
delete_record — hapus baris
execute_entity — jalankan stored procedure
aggregate_records — kueri agregasi

Mulai dalam tiga perintah

dab init --database-type mssql --connection-string "@env('sql_connection_string')"

dab add Customers --source dbo.Customers --permissions "anonymous:*"

dab start

Cerita keamanan solid

RBAC di setiap lapisan, integrasi Azure Key Vault, Microsoft Entra + OAuth kustom.

Lihat posting lengkap dan dokumentasi.

azd Kini Memungkinkan Anda Menjalankan dan Men-debug Agen AI Secara Lokal — Apa yang Berubah di Maret 2026

Emiliano Montesdeoca — Thu, 02 Apr 2026 00:00:00 +0000

Tujuh rilis dalam satu bulan. Itulah yang didorong oleh tim Azure Developer CLI (azd) di Maret 2026, dan fitur unggulan adalah yang sudah saya tunggu: loop jalankan-dan-debug lokal untuk agen AI.

Jalankan dan debug agen AI tanpa deploy

Ini yang besar. Ekstensi azure.ai.agents baru menambahkan serangkaian perintah:

azd ai agent run — memulai agen Anda secara lokal
azd ai agent invoke — mengirim pesan ke agen (lokal atau ter-deploy)
azd ai agent show — menampilkan status dan kesehatan container
azd ai agent monitor — streaming log container secara real time

Sebelumnya, menguji agen AI berarti deploy ke Microsoft Foundry setiap kali ada perubahan. Sekarang Anda bisa beriterasi secara lokal.

GitHub Copilot men-scaffold proyek azd Anda

azd init kini menawarkan opsi “Set up with GitHub Copilot (Preview)”. Agen Copilot men-scaffold konfigurasi untuk struktur proyek Anda.

Container App Jobs dan peningkatan deployment

Container App Jobs: azd kini men-deploy Microsoft.App/jobs melalui konfigurasi host: containerapp yang ada
Timeout deployment yang dapat dikonfigurasi: Flag --timeout baru pada azd deploy
Fallback build lokal: Ketika remote ACR build gagal, azd otomatis beralih ke Docker/Podman lokal
Validasi preflight lokal: Parameter Bicep divalidasi secara lokal sebelum deploy

Kesimpulan

Loop debugging agen AI lokal adalah bintang rilis ini. Cek catatan rilis lengkap.

KubeCon Europe 2026: Yang Sebenarnya Perlu Diperhatikan Pengembang .NET

Emiliano Montesdeoca — Sun, 29 Mar 2026 00:00:00 +0000

Microsoft baru saja menerbitkan rekap lengkap KubeCon Europe 2026 mereka.

mTLS tanpa pajak service mesh

Azure Kubernetes Application Network memberi Anda mutual TLS, otorisasi berbasis aplikasi, dan telemetri traffic — tanpa menerapkan mesh sidecar berat. API ASP.NET Core yang berkomunikasi dengan background worker — semua terenkripsi di tingkat jaringan, tanpa perubahan kode aplikasi.

Observabilitas GPU

AKS kini menampilkan metrik GPU secara native ke Prometheus dan Grafana terkelola. Tanpa exporter kustom.

Jaringan lintas kluster

Azure Kubernetes Fleet Manager kini mengirimkan jaringan lintas kluster — konektivitas terpadu, registri layanan global.

Upgrade yang lebih aman

Upgrade agent pool biru-hijau membuat node pool paralel. Rollback agent pool memungkinkan Anda kembali ke versi sebelumnya.

Dari mana memulai

Observabilitas dulu — aktifkan metrik GPU dan log aliran jaringan
Coba upgrade biru-hijau — uji alur kerja rollback
Pilot jaringan berbasis identitas — aktifkan mTLS untuk satu jalur layanan

SQL MCP Server, Copilot di SSMS, dan Database Hub dengan AI Agent: Yang Benar-Benar Penting dari SQLCon 2026

Emiliano Montesdeoca — Sat, 28 Mar 2026 00:00:00 +0000

Microsoft baru saja meluncurkan SQLCon 2026 bersamaan dengan FabCon di Atlanta. Saya akan melewati slide harga enterprise dan fokus pada hal-hal yang penting bagi developer yang membangun dengan Azure SQL dan AI.

SQL MCP Server kini dalam pratinjau publik

Ini adalah headline bagi saya. Azure SQL Database Hyperscale kini memiliki SQL MCP Server dalam pratinjau publik yang memungkinkan Anda menghubungkan data SQL dengan aman ke agen AI dan Copilot menggunakan Model Context Protocol.

Bagi developer .NET yang membangun agen AI dengan Semantic Kernel atau Microsoft Agent Framework, ini membuka jalur integrasi yang bersih. Agen Anda perlu memeriksa inventaris? Mencari catatan pelanggan? Memvalidasi pesanan? MCP memberinya cara terstruktur untuk melakukan itu tanpa menulis kode pengambilan data khusus.

GitHub Copilot di SSMS 22 Kini GA

Jika Anda menghabiskan waktu di SQL Server Management Studio, GitHub Copilot kini tersedia secara umum di SSMS 22. Pengalaman Copilot yang sama yang sudah Anda gunakan di VS Code dan Visual Studio, tapi untuk T-SQL.

Nilai praktisnya langsung: bantuan berbasis obrolan untuk menulis query, merestrukturisasi stored procedure, menyelesaikan masalah performa, dan tugas admin.

Indeks vektor mendapat peningkatan serius

Azure SQL Database kini memiliki indeks vektor yang lebih cepat dan lebih mampu dengan dukungan insert, update, dan delete penuh. Artinya data vektor Anda tetap terkini secara real time — tidak perlu pengindeksan ulang batch.

Yang baru:

Kuantisasi untuk ukuran indeks lebih kecil tanpa kehilangan banyak akurasi
Pemfilteran iteratif untuk hasil yang lebih tepat
Integrasi pengoptimal query yang lebih ketat untuk performa yang dapat diprediksi

Jika Anda melakukan RAG dengan Azure SQL sebagai penyimpan vektor, peningkatan ini berguna secara langsung.

Database Hub di Fabric: manajemen agentik

Microsoft mengumumkan Database Hub di Microsoft Fabric (akses awal), yang memberikan panel tunggal di seluruh Azure SQL, Cosmos DB, PostgreSQL, MySQL, dan SQL Server via Arc.

Agen AI terus-menerus memantau estate database Anda, menampilkan apa yang berubah, menjelaskan mengapa itu penting, dan menyarankan langkah selanjutnya.

Artinya bagi developer .NET

Coba SQL MCP Server jika Anda membangun agen AI — cara paling bersih memberi agen akses database.
Aktifkan Copilot di SSMS jika belum — kemenangan produktivitas gratis.
Tinjau indeks vektor jika Anda melakukan RAG dan menjalankan penyimpan vektor terpisah.

Lihat pengumuman lengkap dari Shireesh Thota dan daftar untuk akses awal Database Hub.

Azure DevOps MCP Server Hadir di Microsoft Foundry: Apa Artinya untuk Agen AI Anda

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

MCP (Model Context Protocol) sedang naik daun. Jika Anda mengikuti ekosistem agen AI, Anda mungkin sudah melihat server MCP bermunculan di mana-mana.

Kini Azure DevOps MCP Server tersedia di Microsoft Foundry, dan ini adalah salah satu integrasi yang membuat Anda berpikir tentang kemungkinan praktisnya.

Yang sebenarnya terjadi

Microsoft sudah merilis Azure DevOps MCP Server sebagai pratinjau publik. Yang baru adalah integrasi Foundry. Anda sekarang dapat menambahkan Azure DevOps MCP Server ke agen Foundry Anda langsung dari katalog alat.

Cara menyiapkannya

Penyiapannya cukup mudah:

Di agen Foundry Anda, buka Tambah Alat > Katalog
Cari “Azure DevOps”
Pilih Azure DevOps MCP Server (pratinjau) dan klik Buat
Masukkan nama organisasi Anda dan hubungkan

Mengontrol apa yang dapat diakses agen Anda

Anda dapat menentukan alat mana yang tersedia untuk agen Anda. Prinsip hak akses minimum, diterapkan ke agen AI Anda.

Mengapa ini menarik untuk tim .NET

Asisten perencanaan sprint — agen yang dapat menarik item kerja dan menyarankan kapasitas sprint
Bot code review — agen yang memahami konteks PR
Respons insiden — agen yang membuat item kerja dan mengkorelasikan bug
Orientasi developer — jawaban nyata berdasarkan data proyek aktual

Kesimpulan

Lihat pengumuman lengkap untuk detail lebih lanjut.

Dari Laptop ke Produksi: Deploy Agen AI ke Microsoft Foundry dengan Dua Perintah

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

Anda tahu kesenjangan antara “berfungsi di mesin saya” dan “sudah di-deploy dan melayani traffic”? Untuk agen AI, kesenjangan itu sangat lebar.

Azure Developer CLI baru saja menjadikan ini urusan dua perintah.

Alur kerja `azd ai agent` baru

azd ai agent init
azd up

Itu saja. azd ai agent init membuat scaffolding infrastruktur-sebagai-kode di repo Anda, dan azd up menyediakan semua hal di Azure dan menerbitkan agen Anda.

Yang terjadi di balik layar

Perintah init menghasilkan template Bicep yang nyata dan dapat diperiksa di repo Anda — Foundry Resource, Foundry Project, konfigurasi deployment model, managed identity dengan RBAC.

Dev inner loop

azd ai agent run # jalankan agen secara lokal
azd ai agent invoke # kirim prompt uji
azd ai agent monitor --follow # stream log real-time

Set perintah lengkap

Perintah	Yang dilakukan
`azd ai agent init`	Scaffold proyek agen Foundry dengan IaC
`azd up`	Provisioning sumber daya dan deploy agen
`azd ai agent invoke`	Kirim prompt ke agen remote atau lokal
`azd ai agent run`	Jalankan agen secara lokal
`azd ai agent monitor`	Stream log real-time
`azd down`	Bersihkan semua sumber daya Azure

Lihat panduan lengkap.

Foundry Agent Service Sudah GA: Yang Benar-benar Penting untuk Pengembang Agen .NET

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

Mari jujur — membangun prototipe agen AI adalah bagian yang mudah. Bagian sulitnya adalah semua yang datang setelah itu.

Foundry Agent Service baru saja GA, dan rilis ini sangat fokus pada kesenjangan “semua yang datang setelah itu”.

Dibangun di atas Responses API

Foundry Agent Service generasi berikutnya dibangun di atas OpenAI Responses API. Arsitekturnya sengaja terbuka — Anda tidak terkunci pada satu penyedia model.

Jaringan privat: hambatan enterprise dihilangkan

Tanpa egress publik — traffic agen tidak pernah menyentuh internet publik
Injeksi container/subnet ke jaringan Anda
Konektivitas alat disertakan — server MCP, Azure AI Search melalui jalur privat

Autentikasi MCP

Metode auth	Kapan digunakan
Berbasis kunci	Akses bersama sederhana
Identitas Agen Entra	Service-to-service
Identitas Terkelola Entra	Isolasi per-proyek
Passthrough identitas OAuth	Akses yang didelegasikan pengguna

Voice Live

Voice Live menggabungkan STT, LLM, dan TTS menjadi satu API terkelola.

Evaluasi

Evaluator siap pakai — koherensi, relevansi, keterpancaran
Evaluator kustom — logika bisnis Anda sendiri
Evaluasi berkelanjutan — pengambilan sampel traffic produksi langsung

Lihat panduan quickstart dan pengumuman GA.

Respons Latar Belakang di Microsoft Agent Framework: Tidak Ada Lagi Kecemasan Timeout

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

Jika Anda pernah membangun sesuatu dengan model penalaran seperti o3 atau GPT-5.2, Anda tahu rasa sakitnya. Agen Anda mulai memproses tugas yang kompleks, klien menunggu, dan di suatu titik koneksi habis waktu.

Microsoft Agent Framework baru saja merilis respons latar belakang — dan sejujurnya, ini adalah salah satu fitur yang seharusnya ada sejak hari pertama.

Cara token kelanjutan bekerja

Alih-alih memblokir, Anda memulai tugas agen dan mendapatkan kembali token kelanjutan. Anggap seperti klaim tiket di bengkel reparasi:

Kirim permintaan Anda dengan AllowBackgroundResponses = true
Jika agen mendukung pemrosesan latar belakang, Anda mendapat token kelanjutan
Poll sesuai jadwal Anda hingga token kembali null

AgentRunOptions options = new()
{
 AllowBackgroundResponses = true
};

AgentSession session = await agent.CreateSessionAsync();
AgentResponse response = await agent.RunAsync(
 "Write a detailed market analysis for the Q4 product launch.", session, options);

while (response.ContinuationToken is not null)
{
 await Task.Delay(TimeSpan.FromSeconds(2));
 options.ContinuationToken = response.ContinuationToken;
 response = await agent.RunAsync(session, options);
}

Console.WriteLine(response.Text);

Kapan sebenarnya menggunakan ini

Tugas penalaran kompleks — analisis multi-langkah, penelitian mendalam
Pembuatan konten panjang — laporan terperinci, dokumen multi-bagian
Jaringan tidak dapat diandalkan — klien mobile, deployment edge
Pola UX asinkron — kirim tugas, lakukan hal lain, kembali untuk hasil

Lihat dokumentasi lengkap.