Um dos pontos problemáticos com os primeiros workflows de agentes de IA: eles são frágeis. Um workflow multi-etapas de longa duração vinculado a um único processo significa que reinicialização do processo = estado perdido. Para demos simples está bem. Para cargas de trabalho em produção não está.
O modelo de programação de workflows do Microsoft Agent Framework agora suporta execução durável, apoiada pelo framework Durable Task, com hospedagem no Azure Functions. Aqui está como o modelo de programação funciona e por que a história de durabilidade importa.
Os Blocos de Construção Fundamentais
Executors são a unidade fundamental de trabalho. Cada um é tipado — pega uma entrada específica e produz uma saída específica:
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)
{
// buscar o pedido, retorná-lo
return new Order(Id: message.OrderId, ...);
}
}
Workflows conectam executors em grafos direcionados usando um builder fluente. O framework cuida da execução, do fluxo de dados entre os passos e da propagação de erros.
Você pode modelar:
- Cadeias sequenciais (passo A → passo B → passo C)
- Fan-out/fan-in paralelo (executar agentes A, B, C em paralelo, agregar resultados)
- Ramificação condicional
- Aprovações de humano no ciclo (pausar workflow, esperar sinal externo)
O Runner In-Memory para Desenvolvimento Local
Começar é rápido:
dotnet add package Microsoft.Agents.AI
dotnet add package Microsoft.Agents.AI.Workflows
O pacote principal inclui um runner leve em processo. Sem dependências externas, sem banco de dados, sem recursos Azure. Funciona muito bem para desenvolvimento local e testes unitários.
Adicionando Durabilidade com Durable Task
Quando um workflow precisa sobreviver a reinicializações de processo — porque é de longa duração, porque tem passos de humano no ciclo, porque se distribui em muitas chamadas de agentes em paralelo — o runner in-memory não é suficiente.
A integração Durable Task do MAF armazena o estado do workflow no Azure Storage. Se o processo for reiniciado, o workflow retoma de onde parou. O modelo de programação permanece o mesmo; você apenas troca o runner.
dotnet add package Microsoft.Agents.AI.Workflows.DurableTask
Os mesmos executors, o mesmo grafo de workflow — apoiado por estado durável.
Hospedagem no Azure Functions
A terceira camada é a hospedagem no Azure Functions. Seu workflow se torna um aplicativo Function: acione o workflow via um endpoint HTTP, e o runtime durável cuida do escalonamento, estado e confiabilidade.
Isso significa que um workflow multi-agente com chamadas paralelas, ramos condicionais e aprovações humanas pode escalar em um ambiente Functions serverless sem gerenciamento de estado personalizado.
Por Que Isso Importa
A combinação é significativa para sistemas de IA reais:
- Chamadas de agentes em paralelo — distribuir para múltiplos agentes especializados simultaneamente sem bloqueio, agregar resultados quando todos concluírem
- Processos de longa duração — workflows que envolvem aprovação humana ou eventos externos podem pausar e retomar ao longo de horas ou dias
- Escalonamento — Azure Functions escala a execução horizontalmente; o framework Durable Task gerencia a coordenação do estado paralelo
Se você está construindo workflows MAF além de demos locais simples, este é o caminho para execução de qualidade produção.
Post original: Durable Workflows in the Microsoft Agent Framework
