Alur Kerja yang Tahan Lama di Microsoft Agent Framework: Dari In-Memory ke Azure Functions

Emiliano Montesdeoca — Sun, 31 May 2026 00:00:00 +0000

Salah satu titik nyeri dengan alur kerja agen AI awal: mereka rapuh. Alur kerja multi-langkah yang berjalan lama dan terikat pada satu proses berarti restart proses = status hilang. Untuk demo sederhana ini tidak masalah. Untuk beban kerja produksi tidak.

Model pemrograman alur kerja Microsoft Agent Framework kini mendukung eksekusi tahan lama, didukung oleh framework Durable Task, dengan hosting Azure Functions. Berikut cara kerja model pemrograman dan mengapa cerita ketahanan itu penting.

Blok Pembangun Inti

Executor adalah unit kerja yang mendasar. Setiap executor memiliki tipe — menerima input tertentu dan menghasilkan output tertentu:

using Microsoft.Agents.AI.Workflows;

internal sealed class OrderLookup()
 : Executor<OrderCancelRequest, Order>("OrderLookup")
{
 public override async ValueTask<Order> HandleAsync(
 OrderCancelRequest message,
 IWorkflowContext context,
 CancellationToken cancellationToken = default)
 {
 // cari pesanan, kembalikan
 return new Order(Id: message.OrderId, ...);
 }
}

Workflow menghubungkan executor ke dalam grafik terarah menggunakan fluent builder. Framework menangani eksekusi, aliran data antar langkah, dan propagasi kesalahan.

Anda dapat memodelkan:

Rantai sekuensial (langkah A → langkah B → langkah C)
Fan-out/fan-in paralel (jalankan agen A, B, C secara paralel, agregasi hasil)
Percabangan kondisional
Persetujuan human-in-the-loop (jeda alur kerja, tunggu sinyal eksternal)

Runner In-Memory untuk Pengembangan Lokal

Memulai itu cepat:

dotnet add package Microsoft.Agents.AI
dotnet add package Microsoft.Agents.AI.Workflows

Paket inti mencakup runner in-process yang ringan. Tidak ada dependensi eksternal, tidak ada database, tidak ada sumber daya Azure. Bekerja sangat baik untuk pengembangan lokal dan pengujian unit.

Menambahkan Ketahanan dengan Durable Task

Ketika alur kerja perlu bertahan dari restart proses — karena berjalan lama, karena memiliki langkah human-in-the-loop, karena tersebar di banyak panggilan agen paralel — runner in-memory tidak cukup.

Integrasi Durable Task MAF menyimpan status alur kerja di Azure Storage. Jika proses dimulai ulang, alur kerja dilanjutkan dari tempat berhenti. Model pemrograman tetap sama; Anda hanya mengganti runner.

dotnet add package Microsoft.Agents.AI.Workflows.DurableTask

Executor yang sama, grafik alur kerja yang sama — didukung oleh status tahan lama.

Hosting Azure Functions

Lapisan ketiga adalah hosting Azure Functions. Alur kerja Anda menjadi aplikasi Function: picu alur kerja melalui endpoint HTTP, dan runtime tahan lama menangani penskalaan, status, dan keandalan.

Ini berarti alur kerja multi-agen dengan panggilan paralel, percabangan kondisional, dan persetujuan manusia dapat diskalakan di seluruh lingkungan Functions serverless tanpa manajemen status kustom.

Mengapa Ini Penting

Kombinasi ini signifikan untuk sistem AI nyata:

Panggilan agen paralel — distribusikan ke beberapa agen khusus secara bersamaan tanpa memblokir, agregasi hasil saat semua selesai
Proses yang berjalan lama — alur kerja yang melibatkan persetujuan manusia atau peristiwa eksternal dapat menjeda dan melanjutkan selama berjam-jam atau berhari-hari
Penskalaan — Azure Functions menskalakan eksekusi secara horizontal; framework Durable Task mengelola koordinasi status paralel

Jika Anda membangun alur kerja MAF di luar demo lokal sederhana, ini adalah jalan menuju eksekusi berkualitas produksi.