28.01.2026 AI Engineering 5 Minuten Lesezeit

Microsoft Agent Framework: Der Agent-Stack konsolidiert sich

Das Microsoft Agent Framework führt Semantic Kernel und AutoGen in einem Open-Source-Stack für .NET und Python zusammen. Beide Vorgänger sind im Wartungsmodus. Wir fassen Zeitplan und API-Änderungen zusammen und zeigen ein Migrationsplaybook samt Paritätstests, die Verhaltensdrift vor dem Umstieg aufdecken — Stand Januar 2026, mit erwarteter GA binnen Monaten.

Zwei Frameworks waren eines zu viel

Seit 2023 unterhält Microsoft zwei Agent-Stacks. Semantic Kernel ist das Enterprise-SDK; die .NET-Version erreichte im Dezember 2023 Version 1.0 mit Zusage auf stabile APIs. AutoGen stammt aus Microsoft Research, hat Multi-Agent-Orchestrierung geprägt und erschien im Januar 2025 als v0.4 mit ereignisgetriebener Architektur. Wer Agenten auf Microsoft-Tooling baute, musste sich entscheiden: Produktionssupport oder Orchestrierungsmuster aus der Forschung. Die beiden Roadmaps liefen ausdrücklich parallel.

Am 1. Oktober 2025 hat Microsoft die Gabelung aufgelöst. Das Agent Framework ging als ein quelloffenes SDK samt Laufzeit für .NET und Python in Public Preview, gebaut von den vereinten Semantic-Kernel- und AutoGen-Teams. Beide Vorgänger wechselten am selben Tag in den Wartungsmodus: Bugfixes, Sicherheitspatches und Stabilitätsupdates, keine neuen Features. Wer Agenten auf einem der beiden Stacks betreibt, hat jetzt eine Migration vor sich. Offen sind nur Zeitpunkt und Methode.

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 diesem Satz steckt eine Uhr. Sie startet mit der GA — und die GA ist noch nicht eingetreten.

Was der Wartungsmodus nicht bedeutet: keine erzwungenen Breaking Changes, keine Abschaltung — bestehende Workloads laufen weiter. Was er bedeutet: Neue Modellfähigkeiten, Konnektoren und Protokollintegrationen erscheinen nur noch im Agent Framework. Der Preis des Bleibens ist nicht 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 sind es nicht. Prompt-Filter, Memory-Konnektoren und eigene Planner haben keine Eins-zu-eins-Entsprechung. AutoGens AssistantAgent ist per Default single-turn; der Agent im Agent Framework iteriert über Tool-Aufrufe, bis er antworten kann. Portierungen, die solche semantischen Unterschiede ignorieren, kompilieren sauber und verhalten sich anders.

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 hat sechs Schritte. Erstens Inventur: Listen Sie jeden Agenten, jedes Tool, jeden Konnektor, jeden Memory-Store und jeden Filter auf, mit Verantwortlichen. Zweitens: Pinnen Sie die aktuelle Semantic-Kernel- oder AutoGen-Version, damit die Baseline stillsteht. Drittens: Ziehen Sie eine Naht — leiten Sie den Modellzugriff schon unter Semantic Kernel über IChatClient; das verkleinert den späteren Diff. Viertens: Portieren Sie Blatt-Agenten vor der Orchestrierung; Einzelagenten übersetzen sich fast direkt, Group Chats brauchen ein Redesign als Workflow-Graph.

Fünftens: Betreiben Sie beide Stacks parallel hinter einem Feature-Flag und leiten Sie einen festen Anteil des Traffics auf die Portierung. Sechstens: Stellen Sie pro Agent um, nicht pro System, und halten Sie den Rückweg einen Release-Zyklus lang offen. Das Playbook enthält keinen Schritt namens Rewrite. Wenn eine Komponente ein Redesign braucht, machen Sie es nach der Parität, nicht währenddessen.

Paritätstests vor dem Umstieg

Paritätstest heißt: dieselben Eingaben gegen beide Stacks fahren und Verhalten vergleichen, nicht Code. Frieren Sie Modellversion und Sampling-Parameter ein. Zeichnen Sie Golden Transcripts auf dem alten Stack auf: Systemprompts, Tool-Call-Sequenzen mit Argumenten, Abbruchgründe, finale Antworten, Tokenzahlen. Spielen Sie sie gegen das Agent Framework ab. Vergleichen Sie zuerst Struktur — feuerten dieselben Tools mit denselben Argumenten — und erst dann Text, per Embedding-Ähnlichkeit oder LLM-Judge mit expliziten Schwellwerten. Beide Stacks emittieren OpenTelemetry; Traces sind direkt vergleichbar.

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 mehreren Monaten Preview. Seither erscheinen Pakete etwa alle zwei Wochen. Unsere Erwartung, geschrieben im Januar 2026: ein Release Candidate binnen weniger Wochen, General Availability im ersten Halbjahr 2026 — am ehesten im Frühjahr — und damit Semantic-Kernel-Wartung garantiert bis in das Jahr 2027.

Die größere Prognose: Die Framework-Frage im Microsoft-Ökosystem ist entschieden; der Wettbewerb wandert den Stack hinauf — zu gehosteten Laufzeiten, Workflow-Durabilität und Governance. Wir bei Blue IT Systems fahren das obige Playbook auf unseren eigenen Semantic-Kernel-Codebasen und migrieren nach dem API-Freeze, nicht davor. Bauen Sie den Paritätsharness jetzt. Er ist nützlich, egal wann die GA kommt.