认识Microsoft Agent Framework

2026 年最让开发者精神分裂的事之一：想用微软的技术栈做 AI Agent，打开官网发现居然有两个框架——AutoGen 和 Semantic Kernel。

一个说是"多智能体对话框架"，一个说是"企业级插件 SDK"，文档各自漂亮，社区各自热闹。你吭哧吭哧学了三个月 AutoGen，某天刷新仓库，发现它 2026 年 4 月 15 日之后再也不更新了，页面上挂着一行小字："本项目进入维护模式"。

那一刻你的心情，大概就像供了三年的正主突然告诉你：我退休了，有事找我师弟。

这个"师弟"，就是 Microsoft Agent Framework（以下简称 MAF）。

微软的答案很简单：别选了，我把它俩焊一起了。同一个团队、同一套 API、一份 MIT 协议，爱用不用。

什么是 Microsoft Agent Framework

MAF 是微软官方开源的生产级 AI Agent 框架，2025 年 10 月 1 日宣布，2026 年 2 月 19 日发布 RC，同年 4 月 2 日 GA 1.0——AutoGen 和 Semantic Kernel 两条线正式合并的唯一继任者。

一句话定位：A framework for building, orchestrating and deploying AI agents and multi-agent workflows——构建、编排、部署 AI 智能体与多智能体工作流的框架。

它不是微软一时兴起的实验品：

GitHub 14,000+ Star（截至 2026 年 10 月 13 日为 14,094），MIT 协议，完全开源
Python、.NET（C#）、Go 三套 SDK，其中 Go 在独立仓库 agent-framework-go
Python 侧保持月更节奏，最新 1.21.0 于 2026 年 10 月 8 日发布，PyPI 月下载量约 120 万
仓库创建于 2025 年 4 月，至今 3,500+ 次提交，150 位左右贡献者

核心架构：Agent + Workflow 两件套

MAF 的世界观特别简单，就两个核心概念：

Agent（智能体）：一个会用 LLM 处理输入、调用工具（含 MCP 服务器）、生成回复的个体。支持 Microsoft Foundry、Azure OpenAI、OpenAI、Anthropic、Amazon Bedrock、Google Gemini、Ollama 等一大堆模型提供方
Workflow（工作流）：把多个 Agent 和函数连成一张有向图，支持顺序、并发、handoff（交接）、群体协作四种模式，自带 checkpoint（检查点）、流式输出、time-travel（时间旅行回放）和 human-in-the-loop（人工审批）

围绕这两件套的还有一圈基础设施：

Middleware（中间件）：统一拦截请求、异常和工具调用，日志、校验、限流都能往管道里插
Connectors（连接器）：模型客户端层，Foundry、Azure OpenAI、OpenAI、GitHub Copilot SDK 等开箱即用
Declarative Agents（声明式智能体）：用 YAML 定义 Agent 和工作流，配置即代码，方便版本管理
Agent Skills：从文件、内联代码、类库构建领域知识库
DevUI：浏览器里的交互式调试面板，本地跑 Agent、看 OpenTelemetry 追踪（注意：官方明说这是示例，别上生产）
AF Labs：实验性包，benchmarking、强化学习、研究性功能都放这里
OpenTelemetry 可观测：Agent 自动发射 trace 和 metrics，直接接你现有的监控栈（Datadog、Grafana、Azure Monitor 都行）

部署也简单到离谱：写两行额外代码，Agent 就能托管到 Microsoft Foundry Hosted Agents，治理、监控、扩展全部托管。当然，MIT 协议摆在这儿，Docker、K8s、任意云自部署也没人拦你。

MAF 的核心特点

AutoGen + Semantic Kernel 正统合并：不是兼容层，不是包装壳，是原班人马做的继任者。AutoGen 的多智能体编排 + Semantic Kernel 的企业级 session 状态、中间件、遥测，全在一套 API 里
Python / .NET 真·双语言对等：两套 API 模式、Agent 类型、工作流构建器完全一致。你的团队 Python 和 C# 混编？同一套逻辑两边移植，摩擦极小——这是其他生产级框架给不了的
图工作流 + checkpoint：执行状态每个节点持久化，能暂停、能重启、能回滚到任意一步重跑。多智能体对话调试终于不用靠"删了重跑"
原生 MCP 支持：Model Context Protocol 直接长在核心里，外部工具接入零折腾；A2A（Agent2Agent）走独立适配包，目前 beta
企业级治理现成：走 Foundry 部署可开启 task adherence（任务贴合）、PII 保护、prompt injection 防御；OpenTelemetry GenAI 语义规范的贡献者就是微软自己
迁移不抓瞎：仓库自带 autogen-migration 和 semantic-kernel-migration 样例目录，官方迁移指南和迁移助手都备好了
MIT 协议：Semantic Kernel 用户注意，MAF 比某些老仓库的 CC-BY-4.0 商用友好度高到不知道哪里去了

一个残酷的选型现实：AutoGen 仓库 61,258 Star 看着唬人，但最后一次微软推送停在 2026 年 4 月 15 日；MAF 只有 14K Star，却每个礼拜都在发版。Star 数是过去，提交频率才是未来。

谁在用 MAF

别被"14K Star"迷惑，觉得这是新手项目。微软在 BUILD 2026 上直接甩出一串企业采用名单，而且都有名有姓有场景：

KPMG（毕马威）—— 审计测试与文档自动化

四大会计师事务所用 MAF 把审计测试和文档编制自动化。选型理由说得很直白："Azure AI Foundry 里的治理和可观测性，正是 KPMG 在受监管行业立足所需。"翻译一下：审计这行，Agent 每一步干了什么必须能追溯，MAF 的 checkpoint + 追踪刚好踩在刚需上。

BMW（宝马）—— TB 级车辆遥测的多智能体分析

宝马部署多智能体系统分析数 TB 的车辆遥测数据。人家的原话是"耐久性和可观测性是运营的关键"——工程师不只想要数据，而是想要能直接行动洞察。生产中跑多 Agent，最怕跑一半挂了不知道挂在哪，MAF 的持久化工作流就是冲这个来的。

Commerzbank（德国商业银行）—— 数字人客服试点

正在试点 avatar（数字人）驱动的客户支持，评价是"MAF 简化了编码、降低了工作量，并且完整支持 MCP"。

Fujitsu（富士通）—— 集成服务里的人机协作

把 MAF 嵌入自家集成服务，用来平衡人类员工与 AI 的分工。

此外 Citrix、TCS、TeamViewer、Elastic 也都在采用或集成 MAF，覆盖客服、IT、开发者场景。

判断一个框架成不成熟，就看敢用它的人亏不亏得起。KPMG 和 BMW 这类客户，选型失败是要写进复盘报告的——他们敢押注，本身就是信号。

初体验：5 分钟跑通第一个 Agent

安装就一行：

bash

pip install agent-framework

官方最经典的俳句示例（走 Azure Foundry，需要先 az login）：

python

import asyncio
from agent_framework import Agent
from agent_framework.foundry import FoundryChatClient
from azure.identity import AzureCliCredential

async def main():
    agent = Agent(
        client=FoundryChatClient(credential=AzureCliCredential()),
        name="HaikuAgent",
        instructions="You are an upbeat assistant that writes beautifully.",
    )
    print(await agent.run("Write a haiku about Microsoft Agent Framework."))

asyncio.run(main())

不想碰 Azure、想零成本本地跑？ MAF 支持任意 OpenAI 兼容端点，把 base_url 指向 Ollama 就行：

python

import asyncio
from agent_framework import Agent
from agent_framework.openai import OpenAIChatClient

async def main():
    agent = Agent(
        client=OpenAIChatClient(
            model_id="qwen3:8b",
            base_url="http://localhost:11434/v1",  # Ollama 的 OpenAI 兼容端点
            api_key="ollama",                      # 本地模式，占位即可
        ),
        name="LocalAgent",
        instructions="你是一个毒舌但靠谱的本地助手，回答永远不超过三行。",
    )
    print(await agent.run("用一句话解释什么是 AI Agent。"))

asyncio.run(main())

模型在你笔记本上跑，数据一个字节都不出本机，MIT 协议随便改。配套本站介绍过的 Ollama 食用更香。

多智能体也就多几行——一个写作 Agent + 一个编辑 Agent 的交接（handoff）：

python

from agent_framework import Agent, WorkflowBuilder

writer = Agent(name="Writer", instructions="你负责写文案初稿。", client=client)
editor = Agent(name="Editor", instructions="你负责挑刺并润色，只输出修改后的终稿。", client=client)

workflow = (
    WorkflowBuilder()
    .add_edge(writer, editor)      # Writer 干完活交给 Editor
    .set_start_executor(writer)
    .build()
)

workflow 跑起来之后，每个节点的状态都在 checkpoint 里，崩了能从断点续，出了错能回放重跑——这就是"生产级"和"玩具 Demo"的分水岭。

两个避坑提醒：其一，官方文档原话——"如果这个任务写个函数就能搞定，就别用 AI Agent"，别为了用框架而用框架；其二，生产环境请用 ManagedIdentityCredential 这类固定凭证，别图省事用 DefaultAzureCredential，凭证探测的延迟能坑哭你。

进阶

MAF 的野心不止于"又一个 Agent 框架"。它身上压着微软整个 Agent 战略的赌注：AutoGen（61K Star）已停更、Semantic Kernel 转入维护模式（承诺至少一年安全补丁），所有新特性只进 MAF 一门。截至 2026 年 10 月，Python 版最新为 1.21.0（10 月 8 日发布，17 个包同步发版），.NET 包为 Microsoft.Agents.AI，Go SDK 独立演进。

它和 LangGraph、CrewAI、DeepSeek Harness 的竞争，本质是两种世界观：一边是社区框架的轻快灵活，一边是大厂按企业交付标准做的全家桶——托管、可观测、治理、迁移工具全部配齐。你在 Azure 和 .NET 的地盘上讨生活，MAF 基本没有对手；你追求轻量和社区生态，LangGraph 依然是甜的。没有银弹，只有适配。

但无论如何，AutoGen 的老用户该醒了：迁移宜早不宜迟，官方迁移助手现在不用，更待何时。

更多开源技术干货和学习资料，关注公众号「遇码」，领取专属福利。