28.01.2026 AI Engineering5 Minuten Lesezeit

Microsoft Agent Framework: Der Agent-Stack konsolidiert sich

Microsoft führt Semantic Kernel und AutoGen im Agent Framework zusammen; beide Vorgänger sind im Wartungsmodus. Wir trennen mechanische API-Änderungen von semantischer Drift und zeigen ein Migrationsplaybook mit Paritätstests für den kontrollierten Umstieg.

Zwei Frameworks waren eines zu viel

Seit 2023 pflegt Microsoft zwei Agent-Stacks mit unterschiedlichem Schwerpunkt. Semantic Kernel ist das Enterprise-SDK; seine .NET-Version erreichte im Dezember 2023 Version 1.0 mit dem Versprechen stabiler APIs. AutoGen stammt aus Microsoft Research, prägte die Multi-Agent-Orchestrierung und erschien im Januar 2025 als v0.4 mit ereignisgetriebener Architektur. Teams mussten sich damit zwischen Produktionssupport und Orchestrierungsmustern aus der Forschung entscheiden, während beide Roadmaps parallel weiterliefen.

Am 1. Oktober 2025 beendete Microsoft diese Gabelung. Das Agent Framework startete als quelloffenes SDK samt Laufzeit für .NET und Python in Public Preview, entwickelt von den zusammengeführten Semantic-Kernel- und AutoGen-Teams. Beide Vorgänger wechselten am selben Tag in den Wartungsmodus: Bugfixes, Sicherheitspatches und Stabilitätsupdates bleiben, neue Features nicht. Für bestehende Systeme ist die Richtung damit geklärt. Zu entscheiden sind nur noch Zeitpunkt und Methode der Migration.

Eine Aufgabe kommt an — der Agent plant den nächsten Schritt. 1/4

Was das Microsoft Agent Framework ist

Das Agent Framework ist eine Bibliothekssammlung zum Bauen, Orchestrieren und Betreiben von Agenten. Unter .NET liegen die Pakete als Microsoft.Agents.AI auf NuGet und zielen auf .NET 8 bis 10, .NET Standard 2.0 und .NET Framework 4.7.2. Kernabstraktion ist AIAgent; der Modellzugriff läuft über das IChatClient-Interface aus Microsoft.Extensions.AI, sodass jedes konforme Provider-SDK andockt. Unter Python ist agent-framework auf PyPI ein Metapaket über agent-framework-core plus Provider-Paketen. Eine Java-Version gibt es nicht.

Das Framework hat zwei Ebenen. Agents decken Einzel-Assistenten ab: Instruktionen, Tools, Threads. Workflows bilden Multi-Agent-Szenarien als typisierte Graphen ab, mit Checkpointing und eingebautem Request-Response für Human-in-the-Loop-Schritte — AutoGens Group-Chat-Muster, neu gebaut mit Produktionskontrollen. Zur Ignite am 18. November 2025 kamen Durable Execution, Unterstützung für AG-UI und ChatKit sowie Hosted Agents im Foundry Agent Service hinzu, alles in Preview.

Wartungsmodus ist eine Frist

Der Wartungsmodus ist präzise definiert. AutoGen wird von der Community verwaltet und erhält keine neuen Features; das Repository sagt das in einem Warnhinweis. Semantic Kernel 1.x bekommt weiterhin kritische Fixes, und Microsoft sichert Support für mindestens ein Jahr nach der General Availability des Agent Framework zu. In dieser Zusage steckt ein Countdown. Er beginnt mit der GA — und die GA ist noch nicht eingetreten.

Wartungsmodus bedeutet weder erzwungene Breaking Changes noch eine Abschaltung; bestehende Workloads laufen weiter. Die Konsequenz ist subtiler: Neue Modellfähigkeiten, Konnektoren und Protokollintegrationen erscheinen nur noch im Agent Framework. Wer bleibt, kauft also keine kurzfristige Instabilität, sondern eine wachsende Feature-Lücke — und nach Ablauf des Supportfensters ungepatchte Abhängigkeiten.

Was sich im Code ändert

Teile der Migration sind mechanisch. Namespaces wandern nach Microsoft.Agents.AI; Nachrichten- und Inhaltstypen kommen aus Microsoft.Extensions.AI. Das Kernel-Objekt entfällt — Dependency Injection ist normales .NET. Dienstspezifische Agentenklassen kollabieren zu einem einzigen ChatClientAgent. Die Tabelle zeigt das Mapping, das wir als Checkliste verwenden.

Andere Teile lassen sich nicht mechanisch übertragen. Prompt-Filter, Memory-Konnektoren und eigene Planner haben keine Eins-zu-eins-Entsprechung. Zudem ist AutoGens AssistantAgent standardmäßig single-turn, während ein Agent im Agent Framework über Tool-Aufrufe iteriert, bis er antworten kann. Eine Portierung kann solche Unterschiede übersehen, sauber kompilieren und sich im Betrieb dennoch anders verhalten.

Vorher (SK / AutoGen)	Agent Framework
Microsoft.SemanticKernel-Namespaces	Microsoft.Agents.AI
Kernel als Service-Container	Standard-DI plus IChatClient
ChatCompletionAgent / AzureAIAgent / OpenAIAssistantAgent	ChatClientAgent
AutoGen Team und GroupChat	typisierter Workflow-Graph
semantic-kernel / autogen auf PyPI	agent-framework

Ein Migrationsplaybook

Unser Playbook umfasst sechs Schritte. Erstens: Inventarisieren Sie jeden Agenten, jedes Tool, jeden Konnektor, jeden Memory-Store und jeden Filter samt Verantwortlichen. Zweitens: Pinnen Sie die aktuelle Semantic-Kernel- oder AutoGen-Version, damit die Baseline nicht weiterwandert. Drittens: Ziehen Sie eine Naht, indem Sie den Modellzugriff bereits unter Semantic Kernel über IChatClient führen; das verkleinert den späteren Diff. Viertens: Portieren Sie Blatt-Agenten vor der Orchestrierung. Einzelagenten lassen sich fast direkt übertragen, Group Chats brauchen ein Redesign als Workflow-Graph.

Fünftens: Betreiben Sie beide Stacks hinter einem Feature-Flag parallel und leiten Sie einen festen Traffic-Anteil auf die Portierung. Sechstens: Stellen Sie Agent für Agent statt das gesamte System auf einmal um und halten Sie den Rückweg einen Release-Zyklus offen. Ein Rewrite gehört ausdrücklich nicht in dieses Playbook. Wo ein Redesign nötig ist, folgt es auf die nachgewiesene Parität — nicht parallel zur Migration.

Paritätstests vor dem Umstieg

Paritätstests vergleichen Verhalten, nicht Code: dieselben Eingaben laufen gegen beide Stacks. Frieren Sie dafür Modellversion und Sampling-Parameter ein. Zeichnen Sie auf dem alten Stack Golden Transcripts auf — Systemprompts, Tool-Call-Sequenzen samt Argumenten, Abbruchgründe, finale Antworten und Tokenzahlen — und spielen Sie dieselben Fälle gegen das Agent Framework. Prüfen Sie zuerst die Struktur: Wurden dieselben Tools mit denselben Argumenten aufgerufen? Erst danach vergleichen Sie Text per Embedding-Ähnlichkeit oder LLM-Judge mit expliziten Schwellwerten. Da beide Stacks OpenTelemetry emittieren, lassen sich ihre Traces direkt gegenüberstellen.

Paritätstests beweisen keine Äquivalenz. Sprachmodell-Ausgaben sind nicht deterministisch, auch nicht bei Temperatur null; identische Antworten sind das falsche Erfolgskriterium. Zuverlässig finden die Tests selbstverursachte Drift: einen verlorenen Systemprompt, ein geändertes Tool-Schema, vergessene Memory-Verdrahtung, einen anderen Default für Tool-Iterationen. Diese Fehlerklasse ist das Migrationsrisiko.

Was die Preview nicht liefert

Die Preview ist keine eingefrorene API. Das .NET-Release vom 19. Dezember 2025 — 1.0.0-preview.251219.1 — enthielt noch Breaking Changes an Namespaces. Einige AutoGen-Modellclients haben noch kein Pendant, und AutoGens experimentelle verteilte Laufzeit hat keinen Nachfolger; das Agent Framework komponiert heute in einem Prozess. Für Semantic Kernels Java-SDK existiert gar kein Migrationspfad. Teams an diesen Rändern sollten jetzt den Paritätsharness bauen und die Portierung verschieben.

Ausblick vom Januar 2026

Microsoft sprach im Oktober von einer mehrmonatigen Preview; seither erscheinen etwa alle zwei Wochen neue Pakete. Unsere Erwartung im Januar 2026 lautet daher: ein Release Candidate binnen weniger Wochen und General Availability im ersten Halbjahr, am ehesten im Frühjahr. Damit wäre die Wartung von Semantic Kernel bis in das Jahr 2027 garantiert.

Die größere Entwicklung ist bereits klarer als das Datum: Die Framework-Frage im Microsoft-Ökosystem ist entschieden. Der Wettbewerb wandert zu gehosteten Laufzeiten, Workflow-Durabilität und Governance. Bei Blue IT Systems wenden wir das beschriebene Playbook auf unsere Semantic-Kernel-Codebasen an und migrieren nach dem API-Freeze, nicht davor. Den Paritätsharness bauen wir jetzt — denn sein Wert hängt nicht vom GA-Termin ab.