Microsoft Agent Framework

#MicrosoftAgentFramework #MAF #AutoGen #SemanticKernel #AjanYazilimi #MicrosoftAI

Microsoft'un AutoGen ve Semantic Kernel'i birleştiren, Python ve .NET destekli açık kaynak çoklu ajan geliştirme ve orkestrasyon çerçevesi.

Microsoft Agent Framework (MAF), Microsoft'un ajan tabanlı yapay zeka uygulamaları geliştirmek için ortaya koyduğu açık kaynaklı SDK ve çalışma zamanı ortamıdır. 2 Nisan 2026'da 1.0 GA (Genel Erişilebilirlik) sürümüne ulaşan MAF, AutoGen ve Semantic Kernel projelerinin birleştirilmesiyle oluşturulmuştur; böylece tek bir desteklenen platform altında aynı kavramlar ve API'ler Python ve .NET için sağlanmaktadır. MAF'ın temel programlama modeli şu bileşenlerden oluşur: sohbet istemcileri (chat clients), araçlar (tools), MCP (Model Context Protocol) entegrasyonları, bağlam sağlayıcıları (context providers), ara yazılım (middleware) ve çok adımlı iş akışları. Bu mimari, geliştiricilerin ajan altyapısının teknik ayrıntılarıyla değil, ajan mantığıyla ilgilenmesini sağlar. Build 2026'da duyurulan ek özellikler arasında Agent Harness (kabuk, dosya sistemi ve mesajlaşma döngülerine kontrollü erişim), Agent Skills (alan uzmanlığını paket olarak sunmak için taşınabilir, dosya tabanlı veya kodla tanımlanan format), prosedürel bellek (procedural memory) ve Voice Live entegrasyonu yer almaktadır. Çerçeve ayrıca Foundry üzerindeki araç kutuları (Toolboxes) aracılığıyla Microsoft'un bulut altyapısıyla entegre çalışmaktadır. MAF, AutoGen'in sade ajan soyutlamalarını Semantic Kernel'in kurumsal özellikleriyle — oturum tabanlı durum yönetimi, tip güvenliği, ara yazılım, telemetri — birleştirmekte; çok ajanlı orkestrasyon için açık graf tabanlı iş akışları eklemektedir.

hub Microsoft Agent Framework Nasıl Çalışır?

MAF, ajan mantığını soyut bir programlama modeli olarak sunar. Geliştirici, bir Chat Agent tanımlarken hangi araçları (tools) kullanacağını, hangi MCP entegrasyonlarına erişeceğini ve bağlam sağlayıcılarının nasıl davranacağını bildirir. Ara yazılım (middleware) katmanı, günlükleme, yeniden deneme politikaları ve telemetri gibi yatay kesen endişeleri ajan mantığından ayrıştırır. Agent Harness bileşeni, ajanlara kabuk (shell), dosya sistemi ve mesajlaşma döngülerine kontrollü ve izole edilmiş bir erişim ortamı sağlar; böylece güvenlik sınırları tanımlanabilir. Agent Skills ise bir ajanın belirli bir alan uzmanlığını — örneğin veritabanı sorgulama veya API çağırma — taşınabilir bir paket olarak diğer ajanlarla paylaşmasını mümkün kılar. Graf tabanlı çok ajanlı iş akışlarında ajanlara düğümler olarak yer verilir; kenarlar ise ajan-ajan mesajlaşmasını ve koşullu dallanmayı tanımlar. Bu yaklaşım, ajan ağlarındaki kontrol akışını açık ve denetlenebilir hale getirir.

Temel Bileşenler

psychology Chat Agent

Araçlar, bağlam sağlayıcılar ve MCP entegrasyonlarıyla donatılmış temel ajan birimi. Python ve .NET'te aynı API ile tanımlanır.

security Agent Harness

Kabuk, dosya sistemi ve mesajlaşma döngülerine kontrollü erişim ortamı. Ajan yalıtımı ve güvenlik sınırları burada tanımlanır.

library_books Agent Skills

Taşınabilir, dosya tabanlı ya da kodla tanımlanan alan uzmanlığı paketleri. Bir ajanın yetkinlikleri diğer ajanlara Skills olarak paylaşılabilir.

memory Prosedürel Bellek

Ajanların önceki etkileşimlerde öğrendikleri prosedürleri saklayıp ilerleyen görevlerde yeniden kullanmasını sağlayan bellek bileşeni.

quiz Sıkça Sorulan Sorular

  • check_circle AutoGen ile MAF arasındaki fark nedir?: AutoGen, MAF'ın öncülü ve kaynağıdır; ancak MAF, AutoGen'in sade ajan soyutlamalarını Semantic Kernel'in kurumsal özellikleriyle (tip güvenliği, ara yazılım, telemetri) birleştirerek tek bir desteklenen platforma dönüştürmüştür. AutoGen projesi MAF altında yaşamaya devam etmektedir.
  • check_circle MAF açık kaynak mudur?: Evet. Microsoft Agent Framework, MIT lisansıyla GitHub'da yayımlanmaktadır. Python ve .NET için ayrı paketler mevcuttur; her ikisi de aynı kavramsal modeli paylaşır.
  • check_circle MAF hangi LLM'lerle çalışır?: MAF, Azure OpenAI, OpenAI, Anthropic Claude, Google Gemini ve yerel modeller dahil pek çok LLM ile çalışabilir. MCP entegrasyonu üzerinden harici araç ve API'lere bağlanmak da mümkündür.