Microsoft Agent Framework / AutoGen 状态指南
这篇文档只回答一个核心问题:
如果今天要在微软系生态里做 Agent,新项目到底应该看 Microsoft Agent Framework,还是继续看 AutoGen?
先看结论
截至 2026-04-30,如果要问“微软官方现在把哪条路线当成主线”,答案已经很明确:
Microsoft Agent Framework是微软当前主推的统一 Agent 开发框架AutoGen已经进入maintenance mode- 新项目默认应优先评估
Microsoft Agent Framework AutoGen仍然有参考价值,但更适合拿来理解历史模式、复用存量项目经验、或维护已有系统
可以直接概括成:
AutoGen 不是“不能看”,但它已经不再是微软官方给新项目的默认首选。
1. Microsoft Agent Framework 当前定位
根据 Microsoft Learn 的官方概述页,Microsoft Agent Framework 的定位不是“又一个新的 Agent 库”,而是一个统一的、多语言的 Agent 与 Workflow 开发框架,用来承接此前 Semantic Kernel 和 AutoGen 两条路线的经验与能力。
官方在概述中讲得很直接:
- 它提供两大能力域:
Agents与Workflows - 它是
Semantic Kernel与AutoGen的direct successor - 它把 AutoGen 偏“Agent 抽象”和 Semantic Kernel 偏“企业级能力”的部分合并到了同一个框架里
从工程视角看,可以把它理解成:
- 往下,提供模 型客户端、会话状态、上下文、工具接入、MCP、middleware、telemetry 等基础设施
- 往上,提供单 Agent 能力与多步骤 Workflow 编排能力
- 在中间,用统一的编程模型把“开放式 Agent 行为”和“可控的业务流程”接起来
这和早期很多 Agent 框架只强调“多智能体对话”不同。Microsoft Agent Framework 更明显是在往“生产级 Agent 应用框架”靠。
1.1 当前成熟度怎么理解
这里有一个值得注意的现实细节。
截至 2026-04-30,官方信息里存在两个信号:
- Microsoft Learn 概述页在
2026-04-06更新时,仍把 Agent Framework 标注为public preview - 但官方 GitHub 仓库与 release 已经出现
1.x版本节奏,README 也已经按正式主线产品来组织文档与安装方式
因此:
路线方向已经非常明确,微软已经把它当作 AutoGen / Semantic Kernel 之后的统一主线生产采用判断仍然要结合你实际依赖的语言、包、托管方式、合规要求来核对具体版本成熟度,而不是只看一句宣传文案
如果是做内部项目或技术预研,这通常已经足够开始。 如果是做强合规、长生命周期、严格采购流程的项目,建议在立项时再核对一次实际要用的 Python / .NET 包、托管组件与支持承诺。
2. Agents vs Workflows:这套框架最重 要的设计分层
Microsoft Agent Framework 官方最需要注意的地方,不是它支持多少模型,而是它把 Agent 和 Workflow 明确拆成了两种不同的能力。
2.1 Agents 是什么
官方定义里的 Agents,本质上是:
- 由
LLM驱动 - 能处理输入
- 能调用工具与
MCP servers - 能基于上下文动态决定下一步
所以 Agent 适合的不是“每一步都已知”的流程,而是:
- 开放式任务
- 对话型任务
- 需要动态工具选择
- 需要一定自主规划能力的任务
Agent 更接近“围绕目标进行动态决策的执行体”。
2.2 Workflows 是什么
官方定义里的 Workflows,本质上是:
- 基于图的多步骤编排
- 能把
agents、普通函数、子流程连接起来 - 支持
type-safe routing - 支持
checkpointing - 支持
human-in-the-loop
所以 Workflow 适合的是:
- 步骤相对明确
- 顺序、并发、分支可设计
- 需要更强可控性与可恢复性
- 需要长期运行、暂停、恢复、人工审批的业务流程
这时你并不是把所有行为都交给模型,而是让模型只在需要智能判断的节点发挥作用。
2.3 两者最本质的区别
可以用一句话记住:
Agent负责动态决策Workflow负责显式编排
官方概述页甚至直接提醒了一句非常重要的话:
如果一个普通函数就能解决问题,那就先不要用 AI Agent。
这句话背后的工程含义很关键:
- 不要为了“看起来高级”把确定性任务全做成 Agent
- 先把确定性的部分沉到函数和 Workflow
- 只把真正需要模型判断的部分交给 Agent
2.4 一个实用理解方式
如果做的是下面这些事,通常更接近 Agent:
- 研究型问答
- 复杂调研
- 需要边搜边想边调整策略的任务
- 需要多工具动态切换的任务
如果做的是下面这些事,通常更接近 Workflow:
- 审批流