Azure | The .NET Blog

Azure MCP Server jest Teraz .mcpb — Instaluj bez Żadnego Runtime

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

Ten post został automatycznie przetłumaczony. Aby zobaczyć oryginalną wersję, kliknij tutaj.

Wiesz, co było irytujące w konfiguracji serwerów MCP? Potrzebowałeś runtime. Node.js dla wersji npm, Python dla pip/uvx, .NET SDK dla wariantu dotnet.

Azure MCP Server właśnie to zmienił. Jest teraz dostępny jako .mcpb — MCP Bundle — a konfiguracja to przeciągnij i upuść.

Czym jest MCP Bundle?

Pomyśl o tym jak o rozszerzeniu VS Code (.vsix) lub rozszerzeniu przeglądarki (.crx), ale dla serwerów MCP. Plik .mcpb to samodzielne archiwum ZIP zawierające binarny plik serwera i wszystkie jego zależności.

Jak zainstalować

1. Pobierz bundle dla swojej platformy

Przejdź na stronę GitHub Releases i pobierz plik .mcpb dla swojego OS i architektury.

2. Zainstaluj w Claude Desktop

Najłatwiej: przeciągnij plik .mcpb do okna Claude Desktop na stronie ustawień Rozszerzeń (☰ → Plik → Ustawienia → Rozszerzenia). Przejrzyj szczegóły serwera, kliknij Zainstaluj, potwierdź.

3. Uwierzytelnij się w Azure

az login

Na początek

Pobieranie: GitHub Releases
Repozytorium: aka.ms/azmcp
Dokumentacja: aka.ms/azmcp/docs

Sprawdź pełny post.

GPT-5.5 Jest Tutaj i Trafia do Azure Foundry — Co Muszą Wiedzieć Deweloperzy .NET

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

Ten post został automatycznie przetłumaczony. Aby zobaczyć oryginalną wersję, kliknij tutaj.

Microsoft właśnie ogłosił, że GPT-5.5 jest ogólnie dostępny w Microsoft Foundry. Jeśli budujesz agentów na Azure, to jest aktualizacja, na którą czekałeś.

Ewolucja GPT-5

GPT-5: połączył rozumowanie i szybkość w jednym systemie
GPT-5.4: silniejsze rozumowanie wieloetapowe, wczesne możliwości agentyczne dla enterprise
GPT-5.5: głębsze rozumowanie w długim kontekście, bardziej niezawodne wykonanie agentyczne, lepsza wydajność tokenów

Co naprawdę się zmieniło

Ulepszone kodowanie agentyczne: GPT-5.5 utrzymuje kontekst w dużych bazach kodu, diagnozuje awarie architektoniczne i przewiduje wymagania testowe. Model rozumuje, na co jeszcze wpływa poprawka, zanim zadziała.

Wydajność tokenów: Wyższa jakość danych wyjściowych przy mniejszej liczbie tokenów i mniej prób. Bezpośrednio obniżone koszty i opóźnienia w produkcji.

Cennik

Model	Wejście ($/M tokenów)	Pamięć podręczna	Wyjście ($/M tokenów)
GPT-5.5	$5,00	$0,50	$30,00
GPT-5.5 Pro	$30,00	$3,00	$180,00

Dlaczego Foundry jest ważny

Foundry Agent Service umożliwia definiowanie agentów w YAML lub połączenie ich z Microsoft Agent Framework, GitHub Copilot SDK, LangGraph lub OpenAI Agents SDK — i uruchamianie ich jako izolowanych hostowanych agentów z trwałym systemem plików, tożsamością Microsoft Entra i cenami scale-to-zero.

AIAgent agent = aiProjectClient
 .AsAIAgent("gpt-5.5", instructions: "Jesteś pomocnym asystentem.", name: "MójAgent");

Sprawdź pełne ogłoszenie.

Foundry Toolboxes: Jeden endpoint dla wszystkich narzędzi agentów AI

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

Ten artykuł został przetłumaczony automatycznie. Aby zobaczyć oryginalną wersję, kliknij tutaj.

Jest problem, który wydaje się błahy — dopóki się na niego nie natrafi. Organizacja buduje wiele agentów AI, każdy wymaga narzędzi, a każdy zespół konfiguruje je od zera. Ta sama integracja wyszukiwania, ta sama konfiguracja Azure AI Search, to samo połączenie z serwerem GitHub MCP — ale w innym repozytorium, przez inny zespół, z innymi danymi uwierzytelniającymi i bez wspólnego zarządzania.

Microsoft Foundry właśnie uruchomił Toolboxes w publicznym podglądzie — bezpośrednia odpowiedź na ten problem.

Czym jest Toolbox?

Toolbox to nazwany, wielokrotnie używalny zestaw narzędzi, który definiuje się raz w Foundry i udostępnia przez jeden endpoint zgodny z MCP. Każde środowisko uruchomieniowe agenta obsługujące MCP może je konsumować — bez uzależnienia od Foundry Agents.

Obietnica jest prosta: build once, consume anywhere. Zdefiniuj narzędzia, skonfiguruj uwierzytelnianie centralnie (OAuth passthrough, tożsamość zarządzana Entra), opublikuj endpoint. Każdy agent potrzebujący tych narzędzi łączy się raz i dostaje je wszystkie.

Cztery filary (dwa dostępne dziś)

Filar	Status	Co robi
Discover	Wkrótce	Znajdowanie zatwierdzonych narzędzi bez ręcznego szukania
Build	Dostępny	Grupowanie narzędzi w wielokrotnie używalny bundle
Consume	Dostępny	Jeden endpoint MCP udostępnia wszystkie narzędzia
Govern	Wkrótce	Centralne uwierzytelnianie + obserwowalność wszystkich wywołań

Przykład praktyczny

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="Przeszukaj dokumentację i odpowiedz na issues GitHub.",
 tools=[
 {"type": "web_search", "description": "Szukaj publicznej dokumentacji"},
 {"type": "azure_ai_search", "index_name": "internal-docs"},
 {"type": "mcp_server", "server_url": "https://your-github-mcp-server.com"}
 ]
)

Po opublikowaniu Foundry udostępnia ujednolicony endpoint. Jedno połączenie — wszystkie narzędzia.

Brak uzależnienia od Foundry Agents

Toolboxes są tworzone i zarządzane w Foundry, ale powierzchnią konsumpcji jest otwarty protokół MCP. Można ich używać z niestandardowych agentów (Microsoft Agent Framework, LangGraph), GitHub Copilot i innych środowisk IDE zgodnych z MCP.

Dlaczego to ważne teraz

Fala wielu agentów dociera do produkcji. Każdy nowy agent to nowa powierzchnia zduplikowanej konfiguracji, przestarzałych danych uwierzytelniających i niespójnego zachowania. Podstawa Build + Consume wystarczy, by zacząć centralizować. Gdy pojawi się filar Govern, będzie dostępna w pełni obserwowalna, centralnie kontrolowana warstwa narzędzi dla całej floty agentów.

Podsumowanie

To jeszcze wczesny etap — publiczny podgląd, Python SDK na początku, Discover i Govern jeszcze przed nami. Ale model jest solidny, a natywny design MCP oznacza, że działa z narzędziami, które już się buduje. Szczegóły w oficjalnym ogłoszeniu.

azd + GitHub Copilot: Konfiguracja projektu z AI i inteligentne rozwiązywanie błędów

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

Znasz ten moment, gdy chcesz wdrożyć istniejącą aplikację na Azure i patrzysz na pusty azure.yaml, próbując przypomnieć sobie, czy Twoje Express API powinno używać Container Apps czy App Service? Ten moment właśnie stał się znacznie krótszy.

Azure Developer CLI (azd) integruje się teraz z GitHub Copilot na dwa konkretne sposoby: scaffolding projektu wspomagany przez AI podczas azd init oraz inteligentne rozwiązywanie błędów gdy wdrożenia kończą się niepowodzeniem. Obie funkcje działają całkowicie w terminalu.

Konfiguracja z Copilotem podczas azd init

Po uruchomieniu azd init pojawia się opcja “Set up with GitHub Copilot (Preview)”. Wybierz ją, a Copilot przeanalizuje Twój codebase i wygeneruje azure.yaml, szablony infrastruktury oraz moduły Bicep — na podstawie Twojego rzeczywistego kodu.

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

Wymagania:

azd 1.23.11 lub nowszy — sprawdź przez azd version lub zaktualizuj przez azd update
Aktywna subskrypcja GitHub Copilot (Individual, Business lub Enterprise)
GitHub CLI (gh) — azd poprosi o logowanie jeśli potrzeba

To co uważam za naprawdę użyteczne: działa w obu kierunkach. Budujesz od zera? Copilot pomaga skonfigurować właściwe usługi Azure od początku. Masz istniejącą aplikację do wdrożenia? Wskaż Copilotem na nią — konfiguracja zostanie wygenerowana bez konieczności restrukturyzacji kodu.

Co faktycznie robi

Powiedzmy, że masz Node.js Express API z zależnością od PostgreSQL. Zamiast ręcznie wybierać między Container Apps a App Service, a potem pisać Bicep od zera, Copilot wykrywa Twój stack i generuje:

azure.yaml z właściwymi ustawieniami language, host i build
Moduł Bicep dla Azure Container Apps
Moduł Bicep dla Azure Database for PostgreSQL

Przed jakąkolwiek zmianą przeprowadzane są wstępne sprawdzenia — weryfikuje czystość katalogu roboczego git, pyta z wyprzedzeniem o zgodę na narzędzia serwera MCP. Nic nie dzieje się bez Twojej wiedzy.

Rozwiązywanie błędów z Copilotem

Błędy wdrożenia są nieuniknione. Brakujące parametry, problemy z uprawnieniami, dostępność SKU — a komunikat o błędzie rzadko mówi to, co naprawdę musisz wiedzieć: jak to naprawić.

Bez Copilota pętla wygląda tak: skopiuj błąd → szukaj w dokumentacji → czytaj trzy niepowiązane odpowiedzi na Stack Overflow → uruchom kilka poleceń az CLI → spróbuj ponownie. Z Copilotem w azd ta pętla znika. Gdy jakiekolwiek polecenie azd kończy się błędem, natychmiast oferuje cztery opcje:

Explain — wyjaśnienie w zrozumiałym języku, co poszło nie tak
Guidance — instrukcje krok po kroku jak naprawić problem
Diagnose and Guide — pełna analiza + Copilot stosuje poprawkę (za Twoją zgodą) + opcjonalne ponowienie
Skip — samodzielna obsługa

Kluczowa kwestia: Copilot ma już kontekst Twojego projektu, nieudanego polecenia i szczegółów błędu. Jego sugestie są specyficzne dla Twojej sytuacji.

Ustawianie domyślnego zachowania

Jeśli zawsze wybierasz tę samą opcję, pomiń interaktywny monit:

azd config set copilot.errorHandling.category troubleshoot

Wartości: explain, guidance, troubleshoot, fix, skip. Możesz też włączyć automatyczną naprawę i ponowienie:

azd config set copilot.errorHandling.fix allow

Powrót do trybu interaktywnego w dowolnym momencie:

azd config unset copilot.errorHandling.category

Podsumowanie

Uruchom azd update po najnowszą wersję i wypróbuj azd init w swoim następnym projekcie.

Przeczytaj oryginalny komunikat tutaj.

RFT Foundry Stał Się Tańszy i Mądrzejszy — Oto Co Się Zmieniło

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

Jeśli tworzysz aplikacje .NET opierające się na dostrojonych modelach, aktualizacje Foundry z tego miesiąca są warte uwagi.

Pełne szczegóły są w oficjalnym ogłoszeniu.

Globalne szkolenie dla o4-mini

o4-mini to model do intensywnego rozumowania i obciążeń agentycznych. Możesz teraz uruchamiać zadania dostrajania z 13+ regionów Azure z niższymi stawkami trenowania.

"trainingType": "globalstandard"

Nowe oceniające modele: rodzina GPT-4.1

Trzy nowe opcje: GPT-4.1, GPT-4.1-mini i GPT-4.1-nano.

Strategia poziomowania:

GPT-4.1-nano do wstępnych iteracji. Niski koszt, szybka pętla informacji zwrotnych.
GPT-4.1-mini gdy rubrum oceniania jest stabilne.
GPT-4.1 do produkcyjnego oceniania.

Pułapka formatu danych RFT

Format danych RFT różni się od SFT. Ostatnia wiadomość w każdym wierszu musi mieć rolę User lub Developer — nie Assistant.

Dlaczego to ważne dla programistów .NET

Tańsze szkolenie oznacza, że możesz bardziej agresywnie iterować. Przewodnik po najlepszych praktykach na GitHub zaoszczędzi ci czasu debugowania.

Twoje Eksperymenty AI na Azure Palą Pieniądze — Oto Jak To Naprawić

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

Jeśli teraz budujesz aplikacje oparte na AI na Azure, pewnie już to zauważyłeś: twój rachunek w chmurze wygląda inaczej. Nie tylko wyższy — dziwniejszy. Skokowy. Trudny do przewidzenia.

Microsoft opublikował świetny artykuł o zasadach optymalizacji kosztów w chmurze, które wciąż mają znaczenie.

Dlaczego obciążenia AI są inne

Tradycyjne obciążenia .NET są stosunkowo przewidywalne. Obciążenia AI? Ani trochę. Testujesz wiele modeli, uruchamiasz infrastrukturę GPU, robisz wywołania API Azure OpenAI, gdzie zużycie tokenów drastycznie się waha.

Zarządzanie vs. optymalizacja — znaj różnicę

Zarządzanie: śledzenie i raportowanie.
Optymalizacja: faktyczne podejmowanie decyzji. Czy naprawdę potrzebujesz tego poziomu S3? Czy ta instancja siedzi bezczynnie w weekendy?

Co naprawdę działa

Taguj zasoby — jeśli nie wiesz, który projekt je twój budżet, nie możesz nic optymalizować
Ustaw bariery przed eksperymentami — używaj Azure Policy do ograniczania drogich jednostek SKU
Stale dopasowuj rozmiary — sprawdzaj rekomendacje Azure Advisor
Myśl o cyklu życia — zasoby dev powinny być wyłączane
Mierz wartość, nie tylko koszt — droższy model dający znacznie lepsze wyniki może być właściwym wyborem

Narzędzia Azure MCP Są Teraz Wbudowane w Visual Studio 2022 — Żadnego Rozszerzenia

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

Jeśli korzystałeś z narzędzi Azure MCP w Visual Studio przez oddzielne rozszerzenie, znasz procedurę — zainstaluj VSIX, zrestartuj, miej nadzieję, że nie popsuje, zarządzaj niezgodnościami wersji. To tarcie zniknęło.

Yun Jung Choi ogłosiła, że narzędzia Azure MCP są teraz dostarczane bezpośrednio jako część obciążenia deweloperskiego Azure w Visual Studio 2022. Żadnego rozszerzenia. Żadnego VSIX.

Co to faktycznie oznacza

Ponad 230 narzędzi w 45 usługach Azure — dostępnych bezpośrednio z okna czatu. Wylistuj swoje konta pamięci masowej, wdróż aplikację ASP.NET Core, diagnostykuj problemy App Service — wszystko bez otwierania karty przeglądarki.

Jak włączyć

Zaktualizuj do Visual Studio 2022 17.14.30 lub nowszego
Upewnij się, że obciążenie Azure development jest zainstalowane
Otwórz GitHub Copilot Chat
Kliknij przycisk Wybierz narzędzia (ikona dwóch kluczy)
Włącz Azure MCP Server

Pozostaje włączone między sesjami.

Zastrzeżenie

Narzędzia są domyślnie wyłączone — musisz je włączyć. Dla .NET deweloperów korzystających z Visual Studio oznacza to jeszcze mniej powodów do przełączania kontekstu do portalu Azure.

Aspire 13.2 Dostaje MongoDB EF Core i Azure Data Lake — Dwie Integracje Warte Wypróbowania

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

Aspire 13.2 właśnie wylądował z dwiema nowymi integracjami bazodanowymi, które są warte uwagi: MongoDB Entity Framework Core i Azure Data Lake Storage.

MongoDB spotyka EF Core w Aspire

To ta, z której jestem najbardziej podekscytowany. Aspire obsługiwał MongoDB przez chwilę, ale zawsze był to surowy sterownik — bez EF Core, bez DbContext, bez zapytań LINQ. Teraz otrzymujesz pełne doświadczenie EF Core z MongoDB, wraz z automatycznymi health checks i service discovery Aspire.

Konfiguracja w AppHost:

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

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

W projekcie klienckim:

dotnet add package Aspire.MongoDB.EntityFrameworkCore

Zarejestruj DbContext:

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

Integracja obsługuje connection pooling, ślady OpenTelemetry i health checks za kulisami.

Azure Data Lake Storage dołącza do zabawy

W 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);

W projekcie klienckim:

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

Żadnego ręcznego zarządzania ciągami połączeń, żadnego polowania na poświadczenia.

Podsumowanie

Aspire 13.2 to wydanie przyrostowe, ale integracje MongoDB EF Core i Data Lake wypełniają rzeczywiste luki. Zaktualizuj do 13.2 i wypróbuj je.

azd update — Jedno Polecenie do Wszystkich Menedżerów Pakietów

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

Znasz ten komunikat “Dostępna jest nowa wersja azd”, który pojawia się co kilka tygodni? Ten, który odrzucasz, bo nie pamiętasz, czy zainstalowałeś azd przez winget, Homebrew czy ten skrypt curl z sześciu miesięcy temu? To jest w końcu naprawione.

Microsoft właśnie dostarczył azd update — pojedyncze polecenie, które aktualizuje Azure Developer CLI do najnowszej wersji niezależnie od tego, jak go pierwotnie zainstalowałeś.

Jak to działa

azd update

To wszystko. Dla wczesnego dostępu do nowych funkcji:

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

Polecenie wykrywa Twoją aktualną metodę instalacji i używa odpowiedniego mechanizmu aktualizacji.

Mały haczyk

azd update jest dostarczany od wersji 1.23.x. Jeśli jesteś na starszej wersji, będziesz musiał wykonać jedną ostatnią ręczną aktualizację. Potem azd update zajmuje się wszystkim.

Dlaczego to ważne

To małe ulepszenie jakości życia, ale dla tych z nas, którzy używają azd na co dzień do wdrażania agentów AI i aplikacji Aspire do Azure, bycie na bieżąco ma znaczenie.

Przeczytaj pełne ogłoszenie.

Azure Smart Tier jest GA — Automatyczna Optymalizacja Kosztów Blob Storage Bez Reguł Cyklu Życia

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

Jeśli kiedykolwiek spędziłeś czas na dostosowywaniu polityk cyklu życia Azure Blob Storage i obserwowałeś ich rozpadanie się, gdy wzorce dostępu się zmieniły, to jest coś dla Ciebie. Microsoft właśnie ogłosił ogólną dostępność inteligentnej warstwy dla Azure Blob i Data Lake Storage.

Co inteligentna warstwa faktycznie robi

Inteligentna warstwa ciągle ocenia czas ostatniego dostępu do każdego obiektu. Często dostępne dane pozostają w hot, nieaktywne dane przechodzą do cool po 30 dniach, następnie do cold po kolejnych 60 dniach. Gdy dane są ponownie dostępne, są natychmiast promowane z powrotem do hot.

Podczas podglądu Microsoft poinformował, że ponad 50% pojemności zarządzanej przez inteligentną warstwę automatycznie przesunęło się do chłodniejszych warstw.

Dlaczego to ważne dla deweloperów .NET

Scenariusze praktyczne:

Telemetria i logi aplikacji — gorące podczas debugowania, rzadko dostępne po kilku tygodniach
Pipeline’y danych i wyniki ETL — intensywnie dostępne podczas przetwarzania, potem głównie zimne
Treści generowane przez użytkowników — nowe przesłania są gorące, starsze treści stopniowo się schładzają

Konfiguracja

Nowe konta: Wybierz inteligentną warstwę jako domyślną warstwę dostępu podczas tworzenia konta
Istniejące konta: Zmień domyślną warstwę dostępu do blobów na inteligentną

Obiekty mniejsze niż 128 KiB pozostają w hot i nie ponoszą opłaty monitoringowej.

Gdzie Hostować Agenty AI na Azure? Praktyczny Przewodnik po Decyzjach

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

Jeśli teraz budujesz agenty AI z .NET, pewnie zauważyłeś: jest wiele sposobów na hostowanie ich na Azure. Container Apps, AKS, Functions, App Service, Foundry Agents, Foundry Hosted Agents.

Microsoft opublikował kompleksowy przewodnik po hostowaniu agentów Azure AI.

Sześć opcji na pierwszy rzut oka

Opcja	Najlepsza dla	Zarządzasz
Container Apps	Pełna kontrola kontenera bez K8s	Obserwowalność, stan, cykl życia
AKS	Enterprise compliance, multi-cluster	Wszystkim
Azure Functions	Sterowane zdarzeniami, krótkotrwałe zadania	Prawie niczym
App Service	Prosty agent HTTP	Wdrożeniem, skalowaniem
Foundry Agents	Agenty bez kodu	Prawie niczym
Foundry Hosted Agents	Agenty z własnym frameworkiem	Tylko kodem agenta

Foundry Hosted Agents — słodkie miejsce dla deweloperów agentów .NET

Wdrożenie jest naprawdę proste:

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

To pojedyncze azd up buduje kontener, wypycha go do ACR, provisionuje projekt Foundry i uruchamia agenta.

Mój framework decyzyjny

Potrzebujesz zero infrastruktury? → Foundry Agents
Masz własny kod agenta ale chcesz zarządzanego hostingu? → Foundry Hosted Agents
Sterowane zdarzeniami, krótkotrwałe zadania? → Azure Functions
Maksymalna kontrola kontenera? → Container Apps
Ścisła zgodność i multi-cluster? → AKS

Podsumowanie

Dla większości deweloperów .NET budujących z Semantic Kernel lub Microsoft Agent Framework, Hosted Agents to prawdopodobnie właściwy punkt startowy. Sprawdź pełny przewodnik Microsoftu.

Umiejętności agentów w .NET stały się naprawdę elastyczne

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

Jeśli budujesz agenty z Microsoft Agent Framework, znasz schemat: definiujesz umiejętności, podłączasz je do dostawcy i pozwalasz agentowi zdecydować, którą wywołać. Co nowego to sposób tworzenia tych umiejętności — a skok elastyczności jest znaczący.

Najnowsza aktualizacja wprowadza trzy odmienne wzorce tworzenia umiejętności agentów: oparty na plikach, oparty na klasach i zdefiniowany w kodzie inline. Wszystkie trzy podłączają się do jednego AgentSkillsProviderBuilder, co oznacza, że możesz je mieszać i dopasowywać bez żadnej logiki routingu ani specjalnego kodu spinającego. Przeprowadzę cię przez każdy z nich i kiedy po który sięgać.

Umiejętności oparte na plikach: punkt startowy

Umiejętności oparte na plikach to dokładnie to, na co wskazuje nazwa — katalog na dysku z plikiem SKILL.md, opcjonalnymi skryptami i dokumentami referencyjnymi. Pomyśl o tym jako o najprostszym sposobie na danie agentowi nowych możliwości:

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

Metadane w SKILL.md deklarują nazwę i opis umiejętności, a sekcja instrukcji mówi agentowi, jak używać skryptów i referencji:

---
name: onboarding-guide
description: >-
 Walk new hires through their first-week setup checklist.
---

## Instructions

1. Ask for the employee's name and start date.
2. Run `scripts/check-provisioning.py` to verify accounts.
3. Walk through `references/onboarding-checklist.md`.
4. Follow up on incomplete items.

Następnie podłączasz to za pomocą SubprocessScriptRunner.RunAsync do wykonania skryptów:

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

AIAgent agent = new AzureOpenAIClient(new Uri(endpoint), new DefaultAzureCredential())
 .GetResponsesClient()
 .AsAIAgent(new ChatClientAgentOptions
 {
 Name = "HRAgent",
 ChatOptions = new() { Instructions = "You are a helpful HR assistant." },
 AIContextProviders = [skillsProvider],
 },
 model: deploymentName);

Agent automatycznie wykrywa umiejętność i wywołuje skrypt sprawdzania uprawnień, gdy jest to potrzebne. Czyste i proste.

Umiejętności oparte na klasach: dostarcz przez NuGet

Tu robi się interesująco dla zespołów. Umiejętności oparte na klasach dziedziczą z AgentClassSkill<T> i używają atrybutów takich jak [AgentSkillResource] i [AgentSkillScript], dzięki czemu framework odkrywa wszystko przez refleksję:

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

 protected override string Instructions => """
 1. Read the available-plans resource.
 2. Confirm the plan the employee wants.
 3. Use the enroll script to complete enrollment.
 """;

 [AgentSkillResource("available-plans")]
 [Description("Plan options with monthly pricing.")]
 public string AvailablePlans => """
 ## Available Plans (2026)
 - Health: Basic HMO ($0/month), Premium PPO ($45/month)
 - Dental: Standard ($12/month), Enhanced ($25/month)
 - Vision: Basic ($8/month)
 """;

 [AgentSkillScript("enroll")]
 [Description("Enrolls employee in the specified benefit plan.")]
 private static string Enroll(string employeeId, string planCode)
 {
 bool success = HrClient.EnrollInPlan(employeeId, planCode);
 return JsonSerializer.Serialize(new { success, employeeId, planCode });
 }
}

Piękno polega na tym, że zespół może spakować to jako pakiet NuGet. Dodajesz go do projektu, wrzucasz do buildera i działa obok umiejętności opartych na plikach bez żadnej koordynacji:

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

Obie umiejętności pojawiają się w prompcie systemowym agenta. Agent decyduje, którą użyć na podstawie rozmowy — bez kodu routingu.

Umiejętności inline: szybki pomost

Znasz ten moment, gdy inny zespół buduje dokładnie tę umiejętność, której potrzebujesz, ale nie wyda jej przez sprint? AgentInlineSkill to twój pomost:

var timeOffSkill = new AgentInlineSkill(
 name: "time-off-balance",
 description: "Calculate remaining vacation and sick days.",
 instructions: """
 1. Ask for the employee ID if not provided.
 2. Use calculate-balance to get the remaining balance.
 3. Present used and remaining days clearly.
 """)
 .AddScript("calculate-balance", (string employeeId, string leaveType) =>
 {
 int totalDays = HrDatabase.GetAnnualAllowance(employeeId, leaveType);
 int daysUsed = HrDatabase.GetDaysUsed(employeeId, leaveType);
 int remaining = totalDays - daysUsed;
 return JsonSerializer.Serialize(new { employeeId, leaveType, totalDays, daysUsed, remaining });
 });

Dodajesz ją do buildera tak samo jak pozostałe:

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

Gdy pakiet NuGet w końcu się pojawi, wymieniasz umiejętność inline na opartą na klasach. Agent nie zna różnicy.

Ale umiejętności inline nie są tylko dla pomostów. Są też właściwym wyborem, gdy musisz dynamicznie generować umiejętności w czasie działania — pomyśl jedna umiejętność na jednostkę biznesową ładowaną z konfiguracji — albo gdy skrypt musi zamykać się na lokalnym stanie, który nie należy do kontenera DI.

Zatwierdzanie skryptów: człowiek w pętli

Dla nas, programistów .NET, budujących agenty produkcyjne, to jest część, która naprawdę odblokowuje rozmowy o wdrożeniu. Niektóre skrypty mają realne konsekwencje — rejestrowanie kogoś w świadczeniach, zapytania do infrastruktury produkcyjnej. Włącz UseScriptApproval i agent wstrzymuje się przed wykonaniem jakiegokolwiek skryptu:

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

Gdy agent chce uruchomić skrypt, zamiast tego zwraca żądanie zatwierdzenia. Twoja aplikacja zbiera decyzję — zatwierdź lub odrzuć — i agent kontynuuje odpowiednio. W regulowanych środowiskach to jest różnica między “możemy to wdrożyć” a “dział prawny mówi nie”.

Dlaczego ta kombinacja ma znaczenie

Prawdziwa moc nie leży w żadnym pojedynczym wzorcu tworzenia — to w kompozycji. Możesz:

Zacząć mało z umiejętnością opartą na plikach, iterować instrukcje i dostarczyć bez pisania C#
Dostarczać umiejętności wielokrotnego użytku jako pakiety NuGet, które inne zespoły mogą dodać jedną linijką
Pomost luk z umiejętnościami inline, gdy potrzebujesz czegoś teraz
Filtrować współdzielone katalogi umiejętności za pomocą predykatów, by agent ładował tylko to, co powinien
Dodawać nadzór ludzki dla skryptów dotykających systemów produkcyjnych

Wszystko to komponuje się przez AgentSkillsProviderBuilder. Żadnego specjalnego routingu, żadnej logiki warunkowej, żadnych sprawdzeń typów umiejętności.

Podsumowanie

Umiejętności agentów w .NET mają teraz naprawdę elastyczny model tworzenia. Czy jesteś samotnym programistą szkicującym prototyp z umiejętnościami opartymi na plikach, czy zespołem enterprise dostarczającym spakowane możliwości przez NuGet — wzorce się dopasowują. A mechanizm zatwierdzania skryptów sprawia, że jest gotowe do produkcji dla środowisk, gdzie potrzebujesz tego ludzkiego punktu kontrolnego.

Sprawdź oryginalne ogłoszenie po pełny przewodnik, dokumentację Agent Skills na Microsoft Learn i przykłady .NET na GitHub, by zacząć pracę.

Azure MCP Server 2.0 Właśnie Wylądował — Samodzielnie Hostowana Agentic Cloud Automation Jest Tutaj

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

Jeśli ostatnio budowałeś cokolwiek z MCP i Azure, pewnie wiesz, że lokalne doświadczenie działa dobrze. Ale gdy musisz udostępnić tę konfigurację całemu zespołowi? Tam rzeczy się komplikowały.

Już nie. Azure MCP Server osiągnął stabilną wersję 2.0, a główna funkcja to dokładnie to, o co prosiły zespoły enterprise: obsługa samodzielnie hostowanego zdalnego serwera MCP.

Co to jest Azure MCP Server?

Azure MCP Server implementuje specyfikację Model Context Protocol i ujawnia możliwości Azure jako ustrukturyzowane, odkrywalne narzędzia. Liczby mówią same za siebie: 276 narzędzi MCP w 57 usługach Azure.

Wielka sprawa: samodzielnie hostowane zdalne wdrożenia

W prawdziwym scenariuszu zespołowym potrzebujesz:

Wspólny dostęp dla deweloperów i wewnętrznych systemów agentów
Scentralizowana konfiguracja
Granice sieci i polityk enterprise
Integracja z pipeline’ami CI/CD

Azure MCP Server 2.0 rozwiązuje to wszystko. Do autoryzacji masz dwie opcje:

Managed Identity — przy pracy z Microsoft Foundry
Przepływ On-Behalf-Of (OBO) — delegacja OpenID Connect z rzeczywistymi uprawnieniami użytkownika

Wzmocnienie bezpieczeństwa

Wersja 2.0 dodaje silniejszą walidację punktów końcowych, ochronę przed wzorcami injection i ściślejsze kontrole izolacji.

Pierwsze kroki

GitHub Repo — kod źródłowy, dokumenty
Docker Image — wdrożenie w kontenerze
Rozszerzenie VS Code — integracja IDE
Przewodnik self-hosting — flagowa funkcja 2.0

Agentic Platform Engineering Staje Się Rzeczywistością — Git-APE Pokazuje Jak

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

Platform engineering to jeden z tych terminów, które świetnie brzmią na konferencjach, ale zazwyczaj oznaczają “zbudowaliśmy portal wewnętrzny i wrapper Terraform.” Prawdziwa obietnica — self-service infrastruktura, która jest bezpieczna, zarządzana i szybka — zawsze była o kilka kroków za daleko.

Zespół Azure właśnie opublikował Part 2 swojej serii agentic platform engineering. Nazywają to Git-APE — projekt open-source, który używa agentów GitHub Copilot i serwerów Azure MCP do zamiany żądań w języku naturalnym na zwalidowaną, wdrożoną infrastrukturę.

Co faktycznie robi Git-APE

Podstawowy pomysł: zamiast uczyć się modułów Terraform, deweloperzy rozmawiają z agentem Copilot. Agent interpretuje intencje, generuje Infrastructure-as-Code, waliduje wobec zasad i wdraża — wszystko w VS Code.

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

Otwórz obszar roboczy w VS Code, a pliki konfiguracji agenta są automatycznie odkrywane przez GitHub Copilot:

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

Czyszczenie jest równie proste:

@git-ape destroy my-resource-group

Dlaczego to ważne

Dla tych z nas budujących na Azure, przesuwa to rozmowę z “jak zbudować portal” na “jak opisać nasze guardrails jako API.”

Jako deweloper .NET: Azure MCP Server i agenty GitHub Copilot działają z dowolnym obciążeniem Azure — Twoje ASP.NET Core API, .NET Aspire — wszystko może być celem agentic deployment flow.

Podsumowanie

Git-APE to wczesne, ale konkretne spojrzenie na agentic platform engineering w praktyce. Sklonuj repozytorium i przeczytaj pełny post.

Microsoft Foundry Marzec 2026 — GPT-5.4, Agent Service GA i Odświeżenie SDK, Które Zmienia Wszystko

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

Miesięczne posty “Co nowego w Microsoft Foundry” to zazwyczaj mieszanka drobnych ulepszeń. Edycja z marca 2026? To prawie same główne funkcje.

Foundry Agent Service jest gotowy do produkcji

Środowisko uruchomieniowe agentów nowej generacji jest ogólnie dostępne — zbudowane na OpenAI Responses API, kompatybilne przewodowo z agentami OpenAI.

Kluczowe dodatki: kompleksowe prywatne sieci, rozszerzenie auth MCP, podgląd Voice Live i hosted agents w 6 nowych regionach.

GPT-5.4 — niezawodność ponad surową inteligencję

GPT-5.4 nie chodzi o bycie mądrzejszym. Chodzi o bycie bardziej niezawodnym.

Model	Cena (za M tokenów)	Najlepszy dla
GPT-5.4 (≤272K)	$2.50 / $15 output	Agenty produkcyjne
GPT-5.4 Pro	$30 / $180 output	Głęboka analiza
GPT-5.4 Mini	Opłacalny	Klasyfikacja, ekstrakcja

SDK jest w końcu stabilny

SDK azure-ai-projects opublikował stabilne wersje we wszystkich językach — w tym .NET 2.0.0.

Fireworks AI przynosi otwarte modele na Azure

DeepSeek V3.2, gpt-oss-120b, Kimi K2.5 przy uruchomieniu.

Przeczytaj pełne podsumowanie.

Ocena Modernizacji GitHub Copilot To Najlepsze Narzędzie Migracji, Którego Jeszcze Nie Używasz

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

Migrowanie starszej aplikacji .NET Framework do nowoczesnego .NET to jedno z tych zadań, które wszyscy wiedzą, że powinni wykonać, ale nikt nie chce zaczynać.

Jeffrey Fritz właśnie opublikował dogłębną analizę oceny modernizacji GitHub Copilot.

To nie jest tylko silnik sugestii kodu

Rozszerzenie VS Code podąża za modelem Oceń → Planuj → Wykonaj. Faza oceny analizuje całą bazę kodu i produkuje ustrukturyzowany dokument, który wszystko przechwytuje.

Ocena jest przechowywana pod .github/modernize/assessment/. Każde uruchomienie produkuje niezależny raport.

Dwa sposoby na start

Zalecana ocena — szybka ścieżka. Wybierz z kuratorowanych domenach (Java/.NET Upgrade, Cloud Readiness, Security).

Niestandardowa ocena — ścieżka ukierunkowana. Skonfiguruj dokładnie co analizować: docelowe obliczenia (App Service, AKS, Container Apps), docelowy system operacyjny, analiza konteneryzacji.

Podział problemów jest wykonalny

Każdy problem ma poziom krytyczności:

Obowiązkowy — musi być naprawiony lub migracja się nie powiedzie
Potencjalny — może wpłynąć na migrację, wymaga ludzkiego osądu
Opcjonalny — zalecane ulepszenia, nie blokuje migracji

Moje zdanie

Jeśli masz starsze aplikacje .NET Framework, to jest najlepsze narzędzie do rozpoczęcia. Sam dokument oceny jest wart poświęconego czasu.

Przeczytaj pełny przewodnik i pobierz rozszerzenie VS Code.

Połącz Swoje Serwery MCP na Azure Functions z Agentami Foundry — Oto Jak

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

Jest jedna rzecz, którą kocham w ekosystemie MCP: budujesz swój serwer raz i działa wszędzie.

Lily Ma z Azure SDK team opublikowała praktyczny przewodnik dotyczący łączenia serwerów MCP wdrożonych na Azure Functions z agentami Microsoft Foundry.

Dlaczego ta kombinacja ma sens

Azure Functions daje ci skalowalną infrastrukturę, wbudowane uwierzytelnianie i bezserwerowe rozliczenia. Microsoft Foundry daje ci agentów AI, którzy mogą rozumować i działać. Połączenie obu oznacza, że twoje narzędzia stają się możliwościami agentów AI.

Opcje uwierzytelniania

Metoda	Przypadek użycia
Key-based	Programowanie lub serwery bez Entra auth
Microsoft Entra	Produkcja z zarządzanymi tożsamościami
OAuth identity passthrough	Produkcja z kontekstem użytkownika
Nieuwierzytelnione	Dev/testowanie lub dane publiczne

Konfiguracja

Wdróż serwer MCP na Azure Functions — próbki dla .NET
Włącz wbudowane uwierzytelnianie MCP
Pobierz URL endpoint — https://<FUNCTION_APP_NAME>.azurewebsites.net/runtime/webhooks/mcp
Dodaj serwer MCP jako narzędzie w Foundry

Przeczytaj pełny przewodnik.

SQL MCP Server — Właściwy Sposób na Danie Agentom AI Dostępu do Bazy Danych

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

Będąc szczerym: większość dostępnych dziś serwerów MCP dla baz danych jest przerażająca. Biorą zapytanie w języku naturalnym, generują SQL w locie i uruchamiają go na twoich danych produkcyjnych.

Zespół Azure SQL właśnie przedstawił SQL MCP Server, i przyjmuje fundamentalnie inne podejście.

Dlaczego nie NL2SQL?

Modele nie są deterministyczne. SQL MCP Server używa podejścia NL2DAB. Agent pracuje z warstwą abstrakcji encji Data API builder, aby deterministycznie produkować dokładne T-SQL.

Siedem narzędzi, nie siedemset

SQL MCP Server udostępnia dokładnie siedem narzędzi DML:

describe_entities — odkryj dostępne encje
create_record — wstawiaj wiersze
read_records — zapytuj tabele i widoki
update_record — modyfikuj wiersze
delete_record — usuń wiersze
execute_entity — uruchamiaj procedury składowane
aggregate_records — zapytania agregujące

Pierwsze kroki w trzech poleceniach

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

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

dab start

Historia bezpieczeństwa jest solidna

RBAC na każdej warstwie, integracja Azure Key Vault, Microsoft Entra + niestandardowy OAuth.

Sprawdź pełny post i dokumentację.

Tworzenie interfejsów użytkownika dla multi-agentowych systemów w czasie rzeczywistym — bez efektu czarnej skrzynki

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

Oto rzecz o systemach wieloagentowych: w demonstracjach wyglądają niesamowicie. Trzy agenty przekazują sobie pracę, rozwiązują problemy, podejmują decyzje. Potem próbujesz pokazać to prawdziwym użytkownikom i… cisza. Kręcący się wskaźnik. Nikt nie wie, który agent co robi ani dlaczego system jest wstrzymany. To nie jest produkt — to problem zaufania.

Zespół Microsoft Agent Framework właśnie opublikował świetny przewodnik dotyczący łączenia przepływów pracy MAF z AG-UI — otwartym protokołem do strumieniowania zdarzeń wykonania agentów do frontendu przez Server-Sent Events. I szczerze? To jest właśnie ten most, którego nam brakowało.

Dlaczego to ważne dla programistów .NET

Jeśli budujesz aplikacje oparte na AI, prawdopodobnie trafiłeś już na tę ścianę. Twoja orkiestracja backendowa działa świetnie — agenty przekazują sobie zadania, narzędzia się uruchamiają, decyzje są podejmowane. Ale frontend nie ma pojęcia, co dzieje się za kulisami. AG-UI rozwiązuje to, definiując standardowy protokół do strumieniowania zdarzeń agentów (takich jak RUN_STARTED, STEP_STARTED, TOOL_CALL_*, TEXT_MESSAGE_*) bezpośrednio do warstwy interfejsu przez SSE.

Demonstracja, którą zbudowali, to przepływ pracy obsługi klienta z trzema agentami: agent triaży kierujący żądaniami, agent zwrotów obsługujący pieniądze i agent zamówień zarządzający wymianami. Każdy agent ma własne narzędzia, a topologia przekazywania jest jawnie zdefiniowana — żadnego “wyczuj to z kontekstu prompta”.

Topologia przekazywania to prawdziwa gwiazda

Zwróciło moją uwagę to, jak HandoffBuilder pozwala zadeklarować skierowany graf routingu między agentami:

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.")
)

Każde add_handoff tworzy skierowaną krawędź z opisem w języku naturalnym. Framework generuje narzędzia przekazywania dla każdego agenta na podstawie tej topologii. Decyzje dotyczące routingu są zakorzenione w strukturze orkiestracji, a nie w tym, na co ma ochotę LLM. To ogromna rzecz dla niezawodności produkcji.

Człowiek w pętli, który naprawdę działa

Demonstracja prezentuje dwa wzorce przerwań, które są potrzebne w każdej prawdziwej aplikacji agentowej:

Przerwania zatwierdzania narzędzi — gdy agent wywołuje narzędzie oznaczone jako approval_mode="always_require", przepływ pracy wstrzymuje się i emituje zdarzenie. Frontend renderuje modal zatwierdzenia z nazwą narzędzia i argumentami. Żadnych pętli ponownych prób — tylko czysty przepływ wstrzymaj-zatwierdź-wznów.

Przerwania żądania informacji — gdy agent potrzebuje więcej kontekstu od użytkownika (jak numer zamówienia), wstrzymuje się i pyta. Frontend wyświetla pytanie, użytkownik odpowiada, a wykonanie wznawia się dokładnie tam, gdzie się zatrzymało.

Oba wzorce są strumieniowane jako standardowe zdarzenia AG-UI, więc frontend nie potrzebuje niestandardowej logiki dla każdego agenta — po prostu renderuje to, co przychodzi przez połączenie SSE.

Podłączenie jest zaskakująco proste

Integracja między MAF a AG-UI to jedno wywołanie funkcji:

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 tworzy nowy przepływ pracy dla każdego wątku, więc każda rozmowa otrzymuje izolowany stan. Endpoint automatycznie obsługuje całe “hydrauliczne” SSE. Jeśli już używasz FastAPI (lub możesz dodać go jako lekką warstwę), to właściwie zerowe tarcie.

Moje zdanie

Dla nas, programistów .NET, natychmiastowe pytanie brzmi: “Czy mogę to zrobić w C#?” Agent Framework jest dostępny zarówno dla .NET, jak i Python, a protokół AG-UI jest niezależny od języka (to po prostu SSE). Więc choć ta konkretna demonstracja używa Python i FastAPI, wzorzec przekłada się bezpośrednio. Możesz podpiąć minimalne API ASP.NET Core z endpointami SSE zgodnie z tym samym schematem zdarzeń AG-UI.

Ważniejszy wniosek: interfejsy użytkownika dla wielu agentów stają się pierwszoklasowym zagadnieniem, a nie przemyśleniem. Jeśli budujesz cokolwiek, gdzie agenty wchodzą w interakcje z ludźmi — obsługa klienta, przepływy zatwierdzeń, przetwarzanie dokumentów — ta kombinacja orkiestracji MAF i przejrzystości AG-UI to wzorzec do naśladowania.

Podsumowanie

AG-UI + Microsoft Agent Framework zapewnia to, co najlepsze z obu światów: solidną orkiestrację wieloagentową na backendzie i widoczność w czasie rzeczywistym na frontendzie. Koniec z interakcjami agentów jako czarną skrzynką.

Sprawdź pełny przewodnik i repozytorium protokołu AG-UI, by zagłębić się w temat.

azd Pozwala Teraz Uruchamiać i Debugować Agenty AI Lokalnie — Co Zmieniło Się w Marcu 2026

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

Siedem wydań w jednym miesiącu. To co zespół Azure Developer CLI (azd) wypchnął w marcu 2026, a główna funkcja to ta, na którą czekałem: lokalna pętla uruchamiania i debugowania dla agentów AI.

Uruchamiaj i debuguj agenty AI bez wdrażania

To jest ta duża. Nowe rozszerzenie azure.ai.agents dodaje zestaw poleceń:

azd ai agent run — uruchamia agenta lokalnie
azd ai agent invoke — wysyła do niego wiadomości (lokalnie lub wdrożone)
azd ai agent show — wyświetla status kontenera i zdrowie
azd ai agent monitor — strumieniuje logi kontenera w czasie rzeczywistym

Wcześniej testowanie agenta AI oznaczało wdrożenie do Microsoft Foundry za każdym razem. Teraz możesz iterować lokalnie.

GitHub Copilot szkieletuje Twój projekt azd

azd init oferuje teraz opcję “Set up with GitHub Copilot (Preview)”. Agent Copilot tworzy szkielet konfiguracji dla Twojej struktury projektu.

Container App Jobs i ulepszenia wdrażania

Container App Jobs: azd teraz wdraża Microsoft.App/jobs przez istniejącą konfigurację host: containerapp
Konfigurowalne limity czasu wdrażania: Nowa flaga --timeout na azd deploy
Automatyczny fallback do lokalnego buildu: Gdy zdalny build ACR zawiedzie
Lokalna walidacja preflightowa: Parametry Bicep są walidowane lokalnie przed wdrożeniem

Podsumowanie

Lokalna pętla debugowania agentów AI to gwiazda tego wydania. Sprawdź pełne notatki wydania.

KubeCon Europe 2026: Na Czym Powinni Naprawdę Zależeć Deweloperom .NET

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

Znasz to uczucie, gdy spada ogromny post z ogłoszeniami i przewijasz go myśląc “fajne, ale co to dla mnie znaczy”?

Microsoft właśnie opublikował swoje pełne podsumowanie KubeCon Europe 2026.

mTLS bez podatku service mesh

Azure Kubernetes Application Network daje ci wzajemne TLS, autoryzację świadomą aplikacji i telemetrię ruchu — bez wdrażania pełnej siatki z sidecarami. Twoje API ASP.NET Core rozmawiające z robotnikami w tle — wszystko zaszyfrowane na poziomie sieci, bez żadnych zmian kodu aplikacji.

Obserwowalność GPU

AKS teraz ujawnia metryki GPU natywnie do zarządzanego Prometheus i Grafana. Bez niestandardowych eksporterów.

Wieloklasterowa sieć

Azure Kubernetes Fleet Manager dostarcza teraz sieciowanie między klastrami przez zarządzaną siatkę Cilium — unified connectivity, globalny rejestr usług.

Bezpieczniejsze ulepszenia

Ulepszenia niebiesko-zielone tworzą równoległy pool węzłów. Wycofanie puli agentów pozwala ci cofnąć się do poprzedniej wersji.

Gdzie zacząć

Obserwowalność najpierw — włącz metryki GPU i logi przepływu sieci
Wypróbuj ulepszenia niebiesko-zielone — przetestuj przepływ pracy wycofywania
Pilot sieci świadomej tożsamości — włącz mTLS dla jednej ścieżki usługi

SQL MCP Server, Copilot w SSMS i centrum baz danych z agentami AI: co naprawdę ważne z SQLCon 2026

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

Microsoft właśnie zainaugurował SQLCon 2026 razem z FabCon w Atlancie i jest wiele do omówienia. Oryginalne ogłoszenie obejmuje wszystko od planów oszczędnościowych po funkcje zgodności dla przedsiębiorstw. Pominę slajdy z cenami dla enterprise i skupię się na kawałkach, które mają znaczenie, jeśli jesteś programistą budującym na Azure SQL i AI.

SQL MCP Server jest w publicznym podglądzie

To jest dla mnie nagłówek. Azure SQL Database Hyperscale ma teraz SQL MCP Server w publicznym podglądzie, który pozwala bezpiecznie połączyć dane SQL z agentami AI i Copilotami za pomocą Model Context Protocol.

Jeśli śledziłeś falę MCP — a szczerze, trudno ją przeoczyć — to jest poważna sprawa. Zamiast budować niestandardowe potoki danych, by dostarczać kontekst z bazy danych do agentów AI, masz standardowy protokół do bezpośredniego eksponowania danych SQL. Twoje agenty mogą odpytywać, analizować i działać na żywych danych bazy danych.

Dla tych z nas budujących agenty AI z Semantic Kernel lub Microsoft Agent Framework, otwiera to czystą ścieżkę integracji. Agent musi sprawdzić stan magazynu? Wyszukać rekord klienta? Zweryfikować zamówienie? MCP daje mu ustrukturyzowany sposób na zrobienie tego bez pisania niestandardowego kodu pobierania danych dla każdego scenariusza.

GitHub Copilot w SSMS 22 jest teraz ogólnie dostępny

Jeśli spędzasz czas w SQL Server Management Studio — a bądźmy szczerzy, większość z nas nadal to robi — GitHub Copilot jest teraz ogólnie dostępny w SSMS 22. To samo doświadczenie Copilot, którego już używasz w VS Code i Visual Studio, ale dla T-SQL.

Praktyczna wartość jest prosta: pomoc oparta na czacie do pisania zapytań, refaktoryzacji procedur składowanych, rozwiązywania problemów z wydajnością i obsługi zadań administracyjnych. Nic rewolucyjnego w koncepcji, ale mając to bezpośrednio w SSMS, nie musisz przełączać kontekstu do innego edytora tylko po to, by uzyskać pomoc AI przy pracy z bazą danych.

Indeksy wektorowe otrzymały poważną aktualizację

Azure SQL Database ma teraz szybsze i bardziej wydajne indeksy wektorowe z pełnym wsparciem wstawiania, aktualizacji i usuwania. To oznacza, że dane wektorowe pozostają aktualne w czasie rzeczywistym — bez wsadowego ponownego indeksowania.

Co nowego:

Kwantyzacja dla mniejszych rozmiarów indeksów bez zbytniej utraty dokładności
Filtrowanie iteracyjne dla precyzyjniejszych wyników
Ściślejsza integracja z optymalizatorem zapytań dla przewidywalnej wydajności

Jeśli robisz generowanie wspomagane pobieraniem (RAG) z Azure SQL jako magazynem wektorów, te ulepszenia są bezpośrednio przydatne. Możesz trzymać wektory obok danych relacyjnych w tej samej bazie danych, co znacznie upraszcza architekturę w porównaniu do osobnej bazy wektorowej.

Te same ulepszenia wektorów są również dostępne w SQL database w Fabric, ponieważ oba działają na tym samym silniku SQL.

Database Hub w Fabric: zarządzanie agentyczne

Ten jest bardziej perspektywiczny, ale interesujący. Microsoft ogłosił Database Hub w Microsoft Fabric (wczesny dostęp), który daje jeden widok na Azure SQL, Cosmos DB, PostgreSQL, MySQL i SQL Server przez Arc.

Interesujący kąt nie polega tylko na ujednoliconym widoku — to agentyczne podejście do zarządzania. Agenty AI ciągłe monitorują twoją infrastrukturę baz danych, wyświetlają zmiany, wyjaśniają dlaczego mają znaczenie i sugerują co zrobić dalej. To model z człowiekiem w pętli, gdzie agent wykonuje ciężką pracę, a ty podejmujesz decyzje.

Dla zespołów zarządzających więcej niż garścią baz danych, może to naprawdę zmniejszyć operacyjny szum. Zamiast skakać między portalami i ręcznie sprawdzać metryki, agent przynosi sygnał do ciebie.

Co to oznacza dla programistów .NET

Wątek łączący wszystkie te ogłoszenia jest jasny: Microsoft wbudowuje agenty AI w każdą warstwę stosu baz danych. Nie jako gadżet, ale jako praktyczną warstwę narzędziową.

Jeśli budujesz aplikacje .NET wspierane przez Azure SQL, oto co bym faktycznie zrobił:

Wypróbuj SQL MCP Server jeśli budujesz agenty AI. To najczystszy sposób, by dać agentom dostęp do bazy danych bez niestandardowej hydrauliki.
Włącz Copilot w SSMS jeśli jeszcze tego nie zrobiłeś — bezpłatne zwiększenie produktywności przy codziennej pracy z SQL.
Przyjrzyj się indeksom wektorowym jeśli robisz RAG i obecnie używasz osobnego magazynu wektorów. Konsolidacja do Azure SQL oznacza jedną usługę mniej do zarządzania.

Podsumowanie

Pełne ogłoszenie ma więcej — plany oszczędnościowe, asystentów migracji, funkcje zgodności — ale historia dla programistów jest w MCP Server, ulepszeniach wektorowych i agentycznej warstwie zarządzania. To są kawałki, które zmieniają sposób budowania, a nie tylko budżetowania.

Sprawdź pełne ogłoszenie od Shireesha Thoty po pełny obraz i zarejestruj się na wczesny dostęp do Database Hub jeśli chcesz wypróbować nowe doświadczenie zarządzania.

Azure DevOps MCP Server Trafia do Microsoft Foundry: Co To Oznacza dla Twoich Agentów AI

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

MCP (Model Context Protocol) ma swój moment. Jeśli śledzisz ekosystem agentów AI, pewnie zauważyłeś, że serwery MCP pojawiają się wszędzie — dając agentom możliwość interakcji z zewnętrznymi narzędziami i usługami przez standaryzowany protokół.

Teraz Azure DevOps MCP Server jest dostępny w Microsoft Foundry, i jest to jedna z tych integracji, która skłania do myślenia o praktycznych możliwościach.

Co się faktycznie dzieje

Microsoft już wydał Azure DevOps MCP Server jako publiczny podgląd. Co nowego, to integracja z Foundry. Możesz teraz dodawać Azure DevOps MCP Server do swoich agentów Foundry bezpośrednio z katalogu narzędzi.

Konfiguracja

Konfiguracja jest zaskakująco prosta:

W swoim agencie Foundry przejdź do Dodaj narzędzia > Katalog
Wyszukaj “Azure DevOps”
Wybierz Azure DevOps MCP Server (podgląd) i kliknij Utwórz
Podaj nazwę swojej organizacji i połącz

Kontrolowanie dostępu agenta

Możesz określić, które narzędzia są dostępne dla Twojego agenta. Jeśli chcesz, żeby tylko czytał elementy robocze, ale nie dotykał potoków, możesz to skonfigurować. Zasada najmniejszego przywileju, zastosowana do agentów AI.

Dlaczego to interesujące dla zespołów .NET

Asystenci planowania sprintów — agenty, które mogą pobierać elementy robocze i sugerować pojemność sprintu
Boty code review — agenty rozumiejące kontekst PR
Reagowanie na incydenty — agenty tworzące elementy robocze i korelujące błędy
Wdrażanie deweloperów — “Co powinienem teraz zrobić?” z realną odpowiedzią

Podsumowanie

Sprawdź pełne ogłoszenie po szczegóły.

Foundry Agent Service jest GA: Co Naprawdę Ważne dla Budowniczych Agentów .NET

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

Bądźmy szczerzy — budowanie prototypu agenta AI to łatwa część. Trudna część to wszystko potem.

Foundry Agent Service właśnie osiągnął GA, a to wydanie jest skupione na tej luce “wszystko potem”.

Zbudowany na Responses API

Nowej generacji Foundry Agent Service jest zbudowany na OpenAI Responses API. Architektura jest celowo otwarta — nie jesteś przywiązany do jednego dostawcy modeli.

Prywatna sieć: blokada enterprise usunięta

Brak publicznego wyjścia — ruch agenta nigdy nie dotyka publicznego internetu
Iniekcja kontenera/podsieci do Twojej sieci
Łączność narzędzi — serwery MCP, Azure AI Search działają przez prywatne ścieżki

Uwierzytelnianie MCP

Metoda auth	Kiedy używać
Key-based	Prosty wspólny dostęp
Entra Agent Identity	Service-to-service
Entra Managed Identity	Izolacja per-projekt
OAuth Identity Passthrough	Delegowany dostęp użytkownika

Voice Live

Voice Live składa STT, LLM i TTS w jedno zarządzane API.

Oceny

Wbudowane ewaluatory — spójność, trafność, uziemienie
Niestandardowe ewaluatory — Twoja własna logika biznesowa
Ciągła ocena — próbkowanie żywego ruchu produkcyjnego

Sprawdź przewodnik quickstart i ogłoszenie GA.

Od Laptopa do Produkcji: Wdrażanie Agentów AI do Microsoft Foundry Dwoma Poleceniami

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

Znasz tę lukę między “działa na mojej maszynie” a “jest wdrożone i obsługuje ruch”? Dla agentów AI ta luka była boleśnie szeroka.

Azure Developer CLI właśnie uczyniło to sprawą dwóch poleceń.

Nowy workflow `azd ai agent`

azd ai agent init
azd up

To wszystko. azd ai agent init tworzy scaffolding infrastruktury-jako-kod w Twoim repozytorium, a azd up provisionuje wszystko na Azure i publikuje Twojego agenta.

Co się dzieje pod maską

Polecenie init generuje prawdziwe, inspekowalne szablony Bicep w Twoim repo — Foundry Resource, Foundry Project, konfiguracja wdrożenia modelu, zarządzana tożsamość z RBAC.

Dev inner loop

azd ai agent run # uruchom agenta lokalnie
azd ai agent invoke # wyślij testowe prompty
azd ai agent monitor --follow # streamuj logi w czasie rzeczywistym

Pełny zestaw poleceń

Polecenie	Co robi
`azd ai agent init`	Scaffold projektu agenta Foundry z IaC
`azd up`	Provisionuj zasoby i wdrożyj agenta
`azd ai agent invoke`	Wyślij prompty do zdalnego lub lokalnego agenta
`azd ai agent run`	Uruchom agenta lokalnie
`azd ai agent monitor`	Streamuj logi w czasie rzeczywistym
`azd down`	Wyczyść wszystkie zasoby Azure

Sprawdź pełny przewodnik.

Odpowiedzi w Tle w Microsoft Agent Framework: Koniec z Lękiem Przed Timeoutem

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

Jeśli budowałeś cokolwiek z modelami rozumowania jak o3 lub GPT-5.2, znasz ten ból. Twój agent zaczyna przetwarzać złożone zadanie, klient czeka, a gdzieś między “to jest w porządku” a “czy to się zawiesiło?” połączenie przekracza czas.

Microsoft Agent Framework właśnie dostarczył odpowiedzi w tle — i szczerze mówiąc, to jedna z tych funkcji, która powinna istnieć od pierwszego dnia.

Problem z blokującymi wywołaniami

W tradycyjnym wzorcu żądanie-odpowiedź klient blokuje się do momentu zakończenia przez agenta. Odpowiedzi w tle odwracają to do góry nogami.

Jak działają tokeny kontynuacji

Zamiast blokować, uruchamiasz zadanie agenta i otrzymujesz z powrotem token kontynuacji. Pomyśl o tym jak o numerku w garderob. Przepływ jest prosty:

Wyślij żądanie z AllowBackgroundResponses = true
Jeśli agent obsługuje przetwarzanie w tle, otrzymujesz token kontynuacji
Odpytuj według harmonogramu, aż token wróci jako 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);

Kiedy faktycznie tego używać

Złożone zadania rozumowania — wieloetapowe analizy, głębokie badania
Długa generacja treści — szczegółowe raporty, wieloczęściowe dokumenty
Nierezualne sieci — klienci mobilni, wdrożenia brzegowe
Asynchroniczne wzorce UX — prześlij zadanie, zrób coś innego, wróć po wyniki

Sprawdź pełną dokumentację po kompletny opis API.