Trwałe Przepływy Pracy w Microsoft Agent Framework: Od In-Memory do Azure Functions

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

Jeden z problemów z wczesnymi przepływami pracy agentów AI: są kruche. Długotrwały wieloetapowy przepływ pracy powiązany z jednym procesem oznacza, że ponowne uruchomienie procesu = utrata stanu. W przypadku prostych demonstracji jest to w porządku. W przypadku obciążeń produkcyjnych już nie.

Model programowania przepływów pracy Microsoft Agent Framework obsługuje teraz trwałe wykonanie, wspierane przez framework Durable Task, z hostingiem Azure Functions. Oto jak działa model programowania i dlaczego historia trwałości jest ważna.

Podstawowe Elementy Składowe

Executor’y są fundamentalną jednostką pracy. Każdy jest typowany — przyjmuje określone dane wejściowe i produkuje określone dane wyjściowe:

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)
 {
 // wyszukaj zamówienie, zwróć je
 return new Order(Id: message.OrderId, ...);
 }
}

Przepływy pracy łączą executor’y w grafach skierowanych za pomocą fluent buildera. Framework obsługuje wykonanie, przepływ danych między krokami i propagację błędów.

Możesz modelować:

Sekwencyjne łańcuchy (krok A → krok B → krok C)
Równoległy fan-out/fan-in (uruchamiać agentów A, B, C równolegle, agregować wyniki)
Warunkowe rozgałęzianie
Zatwierdzenia human-in-the-loop (wstrzymanie przepływu pracy, oczekiwanie na zewnętrzny sygnał)

Runner In-Memory do Lokalnego Rozwoju

Rozpoczęcie jest szybkie:

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

Główny pakiet zawiera lekki runner w procesie. Bez zewnętrznych zależności, bez bazy danych, bez zasobów Azure. Świetnie sprawdza się do lokalnego rozwoju i testów jednostkowych.

Dodawanie Trwałości z Durable Task

Gdy przepływ pracy musi przeżyć ponowne uruchomienie procesu — bo jest długotrwały, bo ma kroki human-in-the-loop, bo jest rozproszony na wielu równoległych wywołaniach agentów — runner in-memory nie wystarczy.

Integracja Durable Task w MAF przechowuje stan przepływu pracy w Azure Storage. Jeśli proces zostanie uruchomiony ponownie, przepływ pracy wznawia się od miejsca, w którym się zatrzymał. Model programowania pozostaje taki sam; wystarczy tylko wymienić runner.

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

Te same executor’y, ten sam graf przepływu pracy — wspierany przez trwały stan.

Hosting Azure Functions

Trzecia warstwa to hosting Azure Functions. Twój przepływ pracy staje się aplikacją Function: wyzwól przepływ pracy przez endpoint HTTP, a trwałe środowisko wykonawcze obsługuje skalowanie, stan i niezawodność.

Oznacza to, że wieloagentowy przepływ pracy z równoległymi wywołaniami, gałęziami warunkowymi i zatwierdzeniami ludzkimi może skalować się w bezserwerowym środowisku Functions bez niestandardowego zarządzania stanem.

Dlaczego To Jest Ważne

Kombinacja jest znacząca dla prawdziwych systemów AI:

Równoległe wywołania agentów — dystrybucja do wielu wyspecjalizowanych agentów jednocześnie bez blokowania, agregacja wyników gdy wszyscy zakończą
Długotrwałe procesy — przepływy pracy obejmujące zatwierdzenia ludzi lub zdarzenia zewnętrzne mogą wstrzymywać się i wznawiać przez godziny lub dni
Skalowanie — Azure Functions skaluje wykonanie poziomo; framework Durable Task zarządza koordynacją równoległego stanu

Jeśli budujesz przepływy pracy MAF wykraczające poza proste lokalne demo, to jest droga do wykonania o jakości produkcyjnej.