Vercel offentliggjorde i april 2026 en sikkerhedshændelse der startede et helt andet sted end deres...
Microsoft Agent Framework samler Semantic Kernel og AutoGen i ét open-source SDK til at bygge, orkestrere og deploye AI-agenter i enterprise-skala.


Microsoft Agent Framework bygger på to kernekoncepter: agenter og workflows. En agent er en selvstændig enhed med et specifikt mål, adgang til værktøjer og evnen til at træffe beslutninger baseret på kontekst. Et workflow definerer, hvordan flere agenter samarbejder om en opgave.
Frameworket tilbyder to orkestreringsmodeller. Agent Orchestration er dynamisk og åben, inspireret af AutoGen: agenter kommunikerer frit og løser problemer iterativt. Workflow Orchestration er deterministisk og grafbaseret, inspireret af Semantic Kernel: du definerer præcis, hvilken agent der gør hvad, og i hvilken rækkefølge.
Under motorhjelmen håndterer frameworket session-baseret state management, type safety for agentkommunikation, middleware-pipelines til logging og sikkerhed, samt telemetri til overvågning i produktion.
Frameworket understøtter flere LLM-udbydere samtidigt. Du er ikke låst til Azure OpenAI, men kan kombinere modeller fra forskellige leverandører i samme workflow. Interoperabilitet sikres via åbne standarder som A2A-protokollen og MCP (Model Context Protocol).
Deployment sker enten lokalt til udvikling og test, eller via Azure AI Foundry til produktionsdrift med automatisk skalering, identitetsstyring og netværksisolering.
De mest oplagte enterprise-scenarier for Microsoft Agent Framework falder i tre kategorier: procesautomatisering, beslutningsstøtte og kundeinteraktion.
Inden for procesautomatisering kan et multi-agent system håndtere komplette workflows som fakturahåndtering, kundeservice-eskalering eller koordinering af projektmilepæle. Hvor en enkelt Copilot assisterer én bruger, kan et agent-framework koordinere flere specialiserede agenter, der tilsammen løser en opgave uden menneskelig indgriben.
Beslutningsstøtte er relevant i scenarier som risikovurdering, supply chain-optimering og compliance-tjek. Her kan en orkestreret gruppe af agenter hente data fra forskellige systemer, analysere dem parallelt og levere en konsolideret anbefaling til beslutningstageren.
For virksomheder, der allerede er investeret i Microsofts stack med Azure, Dynamics 365 og Microsoft 365, er integrationsfordelene betydelige. Agent Framework har native connectors til disse systemer, hvilket reducerer implementeringstiden markant sammenlignet med at bygge fra bunden.
Den største fordel for enterprise-kunder er governance: frameworket leverer AI Governance som en integreret del af platformen, med identitetsstyring via Microsoft Entra, netværksisolering og datahåndtering, der opfylder europæiske krav til datasuverænitet.
Agent Framework er ikke en no-code platform. Det er et udviklerværktøj, der kræver programmeringskompetencer i Python eller .NET. Virksomheder uden intern udviklerkapacitet skal enten opbygge den eller samarbejde med en partner for at udnytte frameworket.
Det er heller ikke en erstatning for enklere løsninger. Microsofts egen dokumentation understreger: hvis en opgave kan løses med en deterministisk funktion, bør du ikke bruge en AI-agent til den. Agent Framework er designet til opgaver med iboende kompleksitet, usikkerhed eller behov for fleksibilitet.
Endelig er Agent Framework ikke det samme som Azure AI Foundry Agent Service. Frameworket er det open-source SDK, du bygger med lokalt. Agent Service er den managed cloud-tjeneste, du deployer til. De to supplerer hinanden, men frameworket kan også køre uafhængigt af Azure.
Agentic AI: Paradigmet bag autonome AI-systemer, der planlægger og handler selvstændigt for at nå et mål.
AI Agent: En konkret implementering af en autonom AI-enhed med adgang til værktøjer og beslutningsevne.
Multi-agent System: Arkitektur hvor flere specialiserede agenter samarbejder om komplekse opgaver.
AI Orchestrering: Koordinering af flere AI-komponenter i et samlet workflow.
Semantic Kernel: Microsofts enterprise AI-SDK, nu integreret i Agent Framework.
A2A-protokollen: Åben standard for agent-til-agent-kommunikation, udviklet af Google og understøttet af Microsoft.
MCP: Model Context Protocol, der giver AI-agenter standardiseret adgang til eksterne datakilder og værktøjer.
Tool Calling: Mekanismen, der gør det muligt for en AI-agent at kalde eksterne funktioner og API'er.
Vercel offentliggjorde i april 2026 en sikkerhedshændelse der startede et helt andet sted end deres...
Et kinesisk forskerteam har bygget et system der designer nye AI-arkitekturer, renser træningsdata...
Den 31. marts 2026 publicerede nordkoreanske hackere to kompromitterede versioner af axios, en af...