Microsoft Agent Framework: el framework de agentes de IA de Microsoft

La fusión de dos proyectos de Microsoft

Durante varios años, Microsoft mantuvo en paralelo dos frameworks de agentes: Semantic Kernel, orientado a la empresa, y AutoGen, nacido en Microsoft Research y centrado en la experimentación multiagente. Microsoft Agent Framework reúne ambos. Según la documentación oficial, combina las abstracciones sencillas de AutoGen con las funciones empresariales de Semantic Kernel (estado por sesión, tipado, middleware, telemetría) y añade flujos en grafo para orquestar varios agentes de forma explícita.

La primera versión preliminar pública salió en octubre de 2025 y la versión 1.0 para Python y .NET se publicó el 2 de abril de 2026. Existe además un SDK para Go en un repositorio aparte, en versión preliminar pública.

Qué puede hacer con él

El framework se organiza en cuatro grandes bloques:

• Los agentes: un agente de IA que se apoya en un modelo y llama a herramientas y servidores MCP.
• El «harness agent»: un agente listo para usar en tareas largas, con planificación, lista de tareas, compactación del contexto y memoria.
• Los flujos de trabajo: secuencias en grafo (secuenciales, en paralelo, traspaso entre agentes, colaboración en grupo) con puntos de control, validación humana y vuelta a un estado anterior.
• Las integraciones: proveedores de modelos, herramientas, evaluación, interfaces e interoperabilidad mediante el protocolo A2A.

Cómo empezar

Instale el paquete agent-framework (Python) o los paquetes NuGet Microsoft.Agents.AI (.NET), elija un cliente de modelo y cree un agente con un nombre e instrucciones: la documentación oficial muestra un primer agente en unas diez líneas. La interfaz DevUI de Microsoft le permite después probar y depurar sus agentes y flujos. Si viene de Semantic Kernel o de AutoGen, empiece por la guía de migración correspondiente.

Ventajas y límites

Ventajas: respaldo de un gran fabricante con compromiso de soporte a largo plazo, paridad entre Python y .NET, flujos explícitos y duraderos, telemetría OpenTelemetry integrada y compatibilidad con varios proveedores de modelos.

Límites: la documentación y los ejemplos favorecen el ecosistema Azure, lo que puede desorientar fuera de Microsoft. El proyecto publica versiones a un ritmo intenso, así que los tutoriales envejecen rápido. Microsoft recuerda además que el uso de modelos o servidores de terceros corre por cuenta del usuario, y que le corresponde comprobar por dónde circulan sus datos.

Alternativas

Fuera del ecosistema Microsoft, LangGraph ofrece una orquestación en grafo comparable, con recuperación tras fallos y revisión humana.