Wprowadzanie agentów do środowiska produkcyjnego za pomocą usługi Foundry Agent Service oraz frameworku Agent Framework
Jak agent przygotowujący sprzedaż przechodzi od lokalnego kodu do wdrożenia hostowanego, z ograniczeniami związanymi z tożsamością, w środowisku izolowanym i monitorowanym, publikowanego w Microsoft 365 i opartego na danych biznesowych.
Źródła: Foundry Agent Service + Microsoft Agent Framework Explained
Od prototypu do agenta produkcyjnego
Używanie agenta AI na laptopie to łatwa część zadania. Trudniejsze jest bezpieczne uruchamianie go dla tysięcy osób w dużej firmie: nadanie mu tożsamości, ograniczenie dostępu do informacji, rejestrowanie jego działań oraz umieszczenie go przed użytkownikami w narzędziach, które już mają otwarte. Microsoft Foundry Agent Service w połączeniu z otwartym oprogramowaniem Microsoft Agent Framework ma na celu wypełnienie tej luki. Pierwszy z nich umożliwia hostowanie z kontrolami korporacyjnymi, możliwościami pomiaru i wyszukiwania, a także pozwala na używanie agentów stworzonych za pomocą dowolnych narzędzi. Drugi pomaga w tworzeniu zarówno pojedynczych agentów, jak i złożonych zespołów agentów przy użyciu mechanizmów orkiestracji.
Koncepcja polega na tym, że agent może być uruchomiony bezpośrednio z lokalnego środowiska, działać pod bezpieczną tożsamością z ograniczonymi uprawnieniami, a jego interakcje mogą być monitorowane krok po kroku, dzięki czemu można go debugować, ulepszać i skalować, bez utraty kontroli przez kogokolwiek. Agenci mogą być również publikowani w znanych narzędziach, przy czym każda akcja jest śledzona, kontrolowana i izolowana.
Druga strona tej historii to praktyczne zastosowanie. Agenci stają się przydatne, gdy pracują na podstawie rzeczywistych danych biznesowych: e-maile, spotkania oraz systemy operacyjne dostarczają spersonalizowanych informacji, dokumentów i prezentacji. Zespoły budują rozwiązania przy użyciu znanych frameworków, a następnie zarządzają wydajnością, kosztami i jakością wszystkich swoich agentów w miarę ich wzrostu liczby.
Co utrudnia wdrożenie na poziomie przedsiębiorstwa
Budowa agentów stała się znacznie prostsza. Natomiast ich bezpieczne i niezawodne wdrożenie w całej organizacji wciąż stanowi wyzwanie. Wiele obecnie tworzonych agentów dawno przekroczyło etap małych projektów pilotażowych. Niektóre to interfejsy czatowe używane przez tysiące pracowników, a inne działają cicho w tle, czasami łącząc się z systemami o kluczowym znaczeniu dla działalności firmy.
Wszystkie one wymagają tych samych podstaw: kontroli tożsamości i dostępu, prywatnej łączności oraz telemetryki i śledzenia na poziomie pojedynczego agenta i całej floty. Łączenie ich ręcznie jest skomplikowane, co stanowi problem, który ma rozwiązać usługi Foundry, aby agenci mogli działać bezpiecznie, na dużą skalę i przy pełnej widoczności. Pomaga wyobrazić sobie alternatywę – zespół, który hostuje własnego agenta, musi zdecydować, w jaki sposób agent się autoryzuje, który konto usługowe wykorzystuje, dokąd trafiają logi, jak dane jednego użytkownika są chronione przed danymi innego oraz kto otrzymuje powiadomienie w przypadku nieprawidłowego działania agenta. Każda z tych odpowiedzi to mały projekt, a przegląd bezpieczeństwa będzie dotyczył każdej z nich, zanim agent dotknie kalendarza lub rekordu klienta.
Przykład: agent do przygotowania spotkania sprzedażowego
Przykładem jest agent, który pomaga zespołowi sprzedaży w przygotowaniu się do spotkań z klientami. Jego kod został już napisany przy użyciu Microsoft Agent Framework w Pythonie, chociaż można zastąpić go dowolnym frameworkiem i językiem programowania. Agent ten definiuje spore kolichyestvo narzędzi, logikę middleware oraz proces pracy, a obecnie wszystko działa lokalnie.
Otwartym pytaniem jest to, jak przenieść go do rozwiązania bezpiecznego, skalowalnego, zgodnego z normami i odpornego na zagrożenia w całej firmie. W Visual Studio Code rozszerzenie AI Toolkit oferuje funkcję deploy-to-hosted-agents. Pozwala ona spakować napisanego agenta i rozwinąć go w Foundry jako agent hostowany. Ten sam agent, który wcześniej działał lokalnie, teraz jest dostępny w portalu Foundry, a środowisko testowe może do niego zadzwoonić, aby pokazać, co dodaje warstwa hostowania.
Zadawanie pytania o to, jakie ważne spotkania są zaplanowane na ten tydzień, pokazuje nowsze wzorce działania agentów. Agent działa w bezpiecznym środowisku typu sandbox, czyli mikroVM, gdzie może rozumować, sprawdzać kalendarz oraz pisać i wykonywać kod, podobnie jak agenty do programowania takie jak GitHub Copilot CLI czy Claude Code.
Tożsamość, izolacja i zasady bezpieczeństwa
Gdy tylko agent zostanie wdrożony, dzieje się kilka rzeczy, a następny obrazek pokazuje, gdzie ta konfiguracja tożsamości i uprawnień pojawia się w portalu.
- Agent otrzymuje swój unikalny identyfikator od Microsoft Entra. Każda jego akcja, np. odczytanie kalendarza, może być do niego odniesiona. Dzięki tej tożsamości może samodzielnie uzyskiwać dostęp do zasobów w ramach swoich uprawnień, albo może działać w imieniu osoby, korzystając z uprawnień tej osoby.
- Każdy użytkownik, który rozpoczyna sesję agenta, otrzymuje dedykowaną, bezpieczną mikroVM. Jeśli dwóch sprzedawców zadaje pytania w tym samym momencie, każdy ma oddzielną instancję agenta, dzięki czemu informacje z każdej sesji są czytane, zapisywane i przechowywane we własnym obszarze.
- Dla każdej interakcji usługa sprawdza zasady i ograniczenia określone przez organizację, obejmujące m.in. filtrowanie treści, ochronę przed wstrzykiwaniem poleceń oraz używanie materiałów chronionych prawem autorskim. Dokładna kontrola nad tym, co agent może robić i do czego ma dostęp, pochodzi z ustawień dokonanych automatycznie podczas wdrażania.
Z powrotem na plac zabaw, agent przekazuje swoją odpowiedź. Na podstawie zebranych i przeanalizowanych sygnałów najwyższy priorytet ma jeden konto klienta – Zava DIY. W tym przypadku agent działał w imieniu użytkownika, korzystając z jego tożsamości i uprawnień, aby przejrzeć kalendarz i wskazać konta wymagające uwagi. Biorąc pod uwagę konieczność odczytu skrzynki odbiorczej, kalendarza oraz magazynów danych i plików, właściwe kontrole dostępu są dokładnie tym, czego wymaga system zgodny z normami.
Monitorowanie i publikowanie
Dwa kolejne potrzeby przedsiębiorstw pochodzą bezpośrednio z Foundry. Pierwszą z nich jest możliwość obserwacji. Portal zapewnia monitorowanie i śledzenie działań, dzięki czemu można śledzić każdą rozmowę, zobaczyć, w jaki sposób agent odpowiada na poszczególne pytania, oraz sprawdzić ogólny stan agenta.
Drugim aspektem jest dostępność. Gdy agent już działa, nadal musi dotrzeć do osób, które go potrzebują, a nikt nie lubi tworzyć nowej aplikacji w nadziei, że wszyscy znajdą jej link i doda ją do ulubionych. Jeśli firma już korzysta z Microsoft 365 i Teams, przycisk „Opublikuj” może zarejestrować każdego agenta zainstalowanego w Foundry w tych usługach. Ludzie mogą wtedy go znaleźć i używać tam, gdzie już pracują – na komputerze stacjonarnym lub telefonie poza biurem. W Microsoft 365 agent pojawia się w interfejsie Copilot Chat, a także jest dostępny w Teams.
Szczegóły techniczne za solidnymi odpowiedziami
Foundry integruje się również z zintegrowaną warstwą inteligencji AI firmy Microsoft, która zapewnia, że agenci korzystają z właściwych informacji i kontekstu biznesowego, dzięki czemu ich odpowiedzi są istotne. To znacznie przewyższa to, co oferuje pojedynczy serwer MCP. Składa się on z trzech elementów.
- Work IQ dostarcza kontekstu dotyczącego sposobu pracy osoby: połączenia z e-mailem, kalendarzem, wcześniejszymi spotkaniami, rozmowami w Teams, plikami i wieloma innymi elementami.
- Fabric IQ dodaje kontekst związany z działaniami biznesowymi, takimi jak dane sprzedażowe, informacje o klientach czy aspekty logistyczne.
- Foundry IQ łączy kilka źródeł wiedzy dostępnych dla agenta – od danych strukturalnych i baz danych po materiały niestrukturalne przechowywane w chmurze; procesy agentowe mogą nawet odzyskiwać obrazy.
Podczas pierwszego uruchomienia widoczna była tylko funkcja wyszukiwania w kalendarzu, która należy do komponentu Work IQ. Zaawansowany agent wykorzystuje wszystkie trzy komponenty.
Pełniejsze uruchomienie: przygotowania do spotkania w Zava
Ten sam agent ma dostęp do wszystkich trzech systemów IQ za pomocą narzędzi i umiejętności, które otrzymał. W środowisku testowym notatka z wcześniejszych wyników agenta wskazuje na ważne spotkanie z Zava, więc następna prośba dotyczy pomocy w przygotowaniu do tego spotkania.
W środowisku sandbox robi to, co właśnie zostało opisane. Korzysta z Work IQ w celu wyszukania korespondencji, pobierając e-maile i rozmowy w Teams dotyczące Zava. Zwraca się do Fabric IQ po dane dotyczące użytkowania, wzorce zakupów i szczegóły umów. Ponadto przeszukuje materiały pomocnicze sprzedażowe i marketingowe w Foundry IQ, aby znaleźć to, co jest najbardziej istotne dla danego klienta.
Agent posiada również kilka umiejętności opartych na popularnym wzorcu umiejętności agentów. Jedna z nich służy do tworzenia prezentacji w PowerPoint, a druga do przygotowywania dokumentów informacyjnych w Word. Zwraca dwa powiązane pliki: dokument informacyjny w Word przeznaczony dla zespołu wewnętrznego oraz spersonalizowaną prezentację do użycia z Zava.
- Streszczenie to łączy informacje pochodzące z warstwy wywiadowczej, treści dotyczące relacji z systemu CRM, najnowsze korespondencje użytkownika, analizy biznesowe dotyczące stanu usług, wykorzystania i pomiarów, a także zgłoszenia klientów z systemu obsługi klienta. Wynikiem jest jeden dokument przygotowawczy zawierający zalecane tematy do dyskusji.
- Prezentacja jest dostosowana do konkretnego spotkania z klientem i wykorzystuje kolory firmowe. Łączy materiały z Fabric IQ i Foundry IQ w postaci punktów do omówienia oraz informacji specyficznych dla klienta na temat jego ostatnich działań, a także dane dotyczące działalności biznesowej, metryki kampanii oraz nowe możliwości i usługi, które mogą rozwijać współpracę.
Wartość ta pochodzi nie tylko z procesu wdrażania: agenci działają na warstwie analitycznej, gdzie mogą uzyskać dostęp do danych roboczych, danych biznesowych oraz wiedzy organizacyjnej w imieniu osoby, dzięki ścisłej integracji z Microsoft 365.
Jak to jest zbudowane
Dla programistów, którzy chcą stworzyć coś podobnego, punktem wyjścia jest rozwiązanie prostsze niż pełny przykład. Azure Developer CLI umożliwia utworzenie nowego projektu, na przykład agenta do przygotowań sprzedażowych. Obsługiwane są agenci oparte na czacie, które pozostają bardzo popularne; można używać dowolnego frameworku, w tym LangGraph, a usługa wspiera również nowe wzorce. Szablony dostarczają niezbędnych plików, dzięki czemu projekt można lokalnie debugować i wdrażać. To prosty agent stworzony na podstawie szablonu, z dużą możliwością dostosowania.
Wróćmy do zaawansowanego agenta, aby zobaczyć, co się za nim kryje. Kod definiuje narzędzia i źródła wiedzy, w tym trzy rodzaje inteligencji, a także inne rodzaje umiejętności, które można dziś dodać do wzorów agentów programistycznych. W istocie agent wykorzystuje SDK GitHub Copilot, które uruchamia pętlę agentową nad zdefiniowanym zestawem narzędzi. Ta pętla przeprowadzała analizę dziesiątek plików, e-maili, wcześniejszych spotkań oraz danych operacyjnych i serwisowych, a z niej pochodziły rekomendacje.
Microsoft Agent Framework łączy wszystkie elementy i dodaje takie komponenty jak middleware. Przykładowa zasada: jeśli agent zajmujący się kodowaniem próbuje stworzyć jeden z tych dokumentów bez wystarczających danych z trzech źródeł IQ, middleware to blokuje, ponieważ wynik bez tych uzasadnionych danych jest niemal na pewno błędny. Takie wzorce są istotne podczas skalowania rozwiązania w przedsiębiorstwie, gdy kontrole jakości obejmują cały zespół sprzedaży oraz dodatkowe zabezpieczenia. Pełne korzyści pojawiają się, gdy zarówno frameworki, jak i wzorce są łączone i hostowane w Foundry Agent Service.
Kierowanie zespołem agentów
Gdy już uruchomiono kilka agentów, następnym krokiem jest ich monitorowanie i zarządzanie, co jest możliwe dzięki temu, że wszystko działa wewnątrz Foundry. Portal pokazuje wydajność i koszty całej floty w jednym widoku: stan agentów i alerty (w demonstracji wszystkie są sprawne i nie ma jeszcze żadnych alertów), szacunkowe koszty, wskaźniki skuteczności oraz użycie tokenów, z możliwością zagłębiania się w szczegóły dotyczące ilości zadań dla najważniejszych agentów. Najlepsze i najgorsze agenty pod względem wskaźnika skuteczności wskazują, które wymagają uwagi.
Wszystko, co jest potrzebne, aby przejść od eksperymentowania do produkcji oraz udostępnienia rozwiązania wszystkim użytkownikom końcowym, zostało wbudowane w system wraz z pełną możliwością obserwacji. Celem jest zmniejszenie złożoności bezpiecznego i niezawodnego tworzenia oraz wdrażania agentów w całej organizacji. Dla tych, którzy chcą to wypróbować, droga polega na rozpoczęciu pierwszego projektu w portalu Foundry oraz przeglądaniu publicznych przykładów Microsoft, aby znaleźć odpowiednie SDK.
Ze wszystkiego tego wynika praktyczny plan działań. Zacznij od małego agenta stworzonego na podstawie szablonu i uruchom go lokalnie. Dodawaj narzędzia oraz źródła wiedzy po jednym, korzystając z middleware, który blokuje dalszą pracę przy braku niezbędnych danych. Wcześnie przenieś rozwiązanie do środowiska hostowanego, aby identyfikacja, izolacja oraz śledzenie funkcjonowały na długo przed przybyciem rzeczywistych użytkowników. Publikuj w narzędziach do czatowania, których ludzie już używają, dopiero wtedy, gdy dane śledzenia będą wiarygodne, a po uruchomieniu kilku agentów utrzymuj otwarty widok całej floty – to właśnie tam najwcześniej pojawiają się wzrost kosztów oraz spadek wskaźników skuteczności. Zespoły, które postępują zgodnie z tą sekwencją, zazwyczaj znajdują problemy, gdy ich naprawa jest jeszcze niewielkim kosztem.
Dlaczego rozwiązania lokalne i hostowane zachowują się tak różnie
Warto odróżnić to, co napisał programista, od tego, co dodaje platforma. Narzędzia, middleware oraz procesy pracy w agentze sprzedażowym to zwykły kod aplikacji, który zachowuje się tak samo na laptopie, jak i w chmurze. To, co zmienia się po wdrożeniu, to wszystko, co otacza ten kod – istnieje tożsamość użytkownika, sesje są izolowane, polityki są sprawdzane przy każdej interakcji, gromadzą się ślady działania, a otwiera się ścieżka publikacji. Nic z tego nie wymagało przepisywania agenta, dlatego demo przedstawia wdrożenie jako pojedynczą czynność w edytorze, a nie jako projekt migracji.
Trzy pytania podsumowują ten podejście, a każde z nich odnosi się do jednej z opisanych powyżej warstw.
- Kto podejmuje działania? Odpowiada na to tożsamość Entra – zależy to od tego, czy agent korzysta ze swoich uprawnień, czy pożycza je od użytkownika.
- Gdzie odbywa się praca i kto może ją zobaczyć? Sandboksy mikroVM dostosowane do poszczególnych użytkowników izolują sesje, a zasady dotyczące treści i iniekcji organizacji są stosowane przy każdym wywołaniu.
- Co to zrobiło i czy funkcjonuje dobrze? Ślady działania, widoki rozmów, wskaźniki stanu, podsumowania kosztów i wskaźnika skuteczności odpowiadają na te pytania, zarówno dla poszczególnych agentów, jak i dla całej floty.
Zasady bezpieczeństwa wewnątrz kodu
Zasady bezpieczeństwa platformy nie zastępują zasad zaimplementowanych bezpośrednio w samym agencie. Dobrym przykładem jest reguła middleware, która blokuje generowanie dokumentów, gdy trzy elementy IQ nie dostarczyły wystarczających danych – zapewnia ona standard jakości, o którym żadna ogólna polityka nie mogłaby wiedzieć. Informacja przygotowana bez wykorzystania historii CRM czy danych dotyczących użytkowania nadal będzie wyglądać profesjonalnie, a sprzedawca może przystąpić do spotkania z klientem, polegając na wymyślonych szczegółach. Zatrzymanie tego na poziomie kodu, jeszcze przed utworzeniem pliku, jest tańsze niż naprawianie błędów później.
To samo rozumowanie wyjaśnia, dlaczego w demonstracji umiejętności są prezentowane jako oddzielne, wielokrotnie używalne elementy. Umiejętność tworzenia talii oraz umiejętność pisania streszczenia mogą być testowane, wersjonowane i wykorzystywane ponownie przez inne agenty, przy czym pętla agenta decyduje, kiedy je wywołać. Połączenie tej pętli, middleware’u frameworka oraz warstwy hostingu daje trzy możliwe obszary kontroli: sposób, w jaki agent dochodzi do wniosków, to, co może wyemitować, oraz to, co środowisko mu pozwala robić.
Kwestie do rozważenia przed skopiowaniem tego wzorca
Przykład przedstawia optymalny scenariusz, w którym wszystkie źródła danych są połączone, a uprawnienia są uporządkowane. W praktyce jakość informacji zależy od jakości danych CRM, systemów obsługi zgłoszeń i narzędzi analitycznych. Uprawnienia skonfigurowane w określonych zakresach są przydatne tylko wtedy, gdy rzeczywiście zostały tak skonfigurowane, a agent działający pod własnym dostępem użytkownika może zobaczyć wszystko to, co ten użytkownik może zobaczyć, dlatego zbyt szerokie konta prowadzą do zbyt szerokich uprawnień agentów. Tablice kontrolne floty pomagają w identyfikacji najslabszych agentów, ale ktoś nadal musi przeanalizować dane i zdecydować, czy niska skuteczność wynika z modelu, narzędzia, braku źródła danych czy zbyt restrykcyjnych ograniczeń.
Literatura pokrewna
- MAF 1.0, LangGraph czy CrewAI? Wybór frameworku agenta w 2026 roku — Porównanie Microsoft Agent Framework 1.0, LangGraph i CrewAI pod kątem stanu, pamięci, debugowania, protokołów, ścieżek w Azure oraz kosztów, wraz z krótką ścieżką decyzyjną i wzorcem wdrażania.
- Zdjęcia ekranu pamięci agenta, umiejętności, degradacja i zakres gałęzi — Cztery ulepszenia warstwy pamięci typu vector-DB do agentów programistycznych: przenośne zdjęcia ekranu z możliwością łączenia, aktywacja umiejętności, degradacja z kontrolą konfliktów oraz pamięć ograniczona do konkretnych gałęzi.