El Microsoft Agent Framework alcanzó su versión 1.0 GA el 3 de abril de 2026, marcando el fin de casi dos años de fragmentación en el ecosistema de agentes de IA de Microsoft. El anuncio oficial llegó a través del blog devblogs.microsoft.com/agent-framework —no en Microsoft Build, como muchos esperaban— y consolida en un único SDK open source bajo licencia MIT lo que antes estaba repartido entre Semantic Kernel y AutoGen. El movimiento tiene implicaciones profundas para cualquier equipo que esté construyendo sistemas multi-agente en .NET o Python, y redefine cómo Microsoft compite con LangChain, CrewAI y el propio stack de agentes de OpenAI.
A diferencia de otros lanzamientos de la compañía, esta versión llega con un compromiso explícito de compatibilidad hacia atrás y soporte a largo plazo, un detalle que los arquitectos empresariales venían pidiendo desde que Semantic Kernel entró en preview en 2023. La liberación también alinea a Microsoft con dos estándares emergentes del mundo agéntico: el Model Context Protocol (MCP) y Agent-to-Agent 1.0 (A2A), lo que permite interoperabilidad real con agentes construidos en runtimes diferentes.
Qué pasó: la GA del Microsoft Agent Framework
El 3 de abril de 2026, Microsoft publicó la versión estable del Microsoft Agent Framework 1.0. Se distribuye en dos paquetes principales: Microsoft.Agents.AI en NuGet para el mundo .NET, y agent-framework en PyPI para Python. El código fuente vive en github.com/microsoft/agent-framework y ya acumula 9.700 estrellas, con el último release dotnet-1.2.0 publicado el 21 de abril de 2026 —apenas 18 días después del GA original.
La piedra angular de la versión 1.0 es la unificación. Semantic Kernel —orientado a desarrolladores .NET que necesitaban un kernel para integrar LLMs con plugins y funciones— y AutoGen —un framework nacido en Microsoft Research para orquestar conversaciones entre múltiples agentes en Python— ahora comparten una única API consistente. Los equipos que ya estaban en producción con cualquiera de los dos reciben guías de migración asistida, incluyendo adaptadores que permiten correr código legacy mientras se porta gradualmente.
El framework incluye cinco patrones de orquestación estables que cubren la mayoría de los casos reales de sistemas multi-agente:
- Sequential — los agentes se ejecutan en cadena, pasando el resultado de uno al siguiente.- Concurrent — varios agentes trabajan en paralelo sobre el mismo input y se agregan resultados.- GroupChat — conversación abierta entre múltiples agentes con moderación.- Handoff — delegación explícita entre agentes especializados.- Magentic-One — un agente manager mantiene un ledger dinámico del plan y redistribuye tareas. Los cinco patrones estables cubren desde pipelines lineales hasta orquestación dinámica. ## Contexto: de Semantic Kernel y AutoGen a un solo SDK
Para entender por qué el Microsoft Agent Framework 1.0 es relevante, hay que mirar atrás. Semantic Kernel fue anunciado por Microsoft a mediados de 2023 como un SDK que permitía a desarrolladores .NET combinar prompts, funciones nativas y memoria vectorial con una abstracción de kernel. Estaba pensado para integrar LLMs dentro de aplicaciones empresariales existentes. En paralelo, Microsoft Research liberaba AutoGen, una librería Python con enfoque experimental: agentes conversacionales que se hablan entre sí, resuelven problemas complejos y pueden ejecutar código.
Durante dos años los dos proyectos evolucionaron en carriles separados con comunidades distintas. AutoGen ganó tracción académica rápidamente —aparece citado en decenas de papers de 2024 y 2025— mientras que Semantic Kernel se consolidó en el mundo enterprise .NET. La consecuencia fue predecible: equipos que adoptaron uno se encontraban reimplementando lo mismo cuando querían usar el otro, y los clientes corporativos pedían a Microsoft que dejara de ofrecer dos respuestas a la misma pregunta.
La preview inicial de Microsoft Agent Framework fue el 1 de octubre de 2025, seguida de un Release Candidate en febrero de 2026. Durante esos seis meses, equipos como KPMG, Commerzbank, BMW, Fujitsu, Citrix, Fractal, TCS, Sitecore y NTT DATA probaron el framework en escenarios reales. Microsoft recogió feedback de esos early adopters antes de declarar GA, un proceso que explica la decisión de comprometerse con compatibilidad a largo plazo.
📌 Nota: La preview de octubre 2025 y el RC de febrero 2026 fueron fundamentales para pulir la API. Los cinco patrones de orquestación incluidos en 1.0 son los que sobrevivieron a esa fase de pruebas con clientes reales.
Datos y cifras del Microsoft Agent Framework
Los números alrededor del lanzamiento dan una idea de la escala:
-
9.700 estrellas en el repositorio github.com/microsoft/agent-framework al 21 de abril de 2026.- 5 patrones de orquestación estables en GA: Sequential, Concurrent, GroupChat, Handoff y Magentic-One.- 2 lenguajes soportados en paridad funcional: .NET y Python.- 7 backends de memoria pluggable: Redis, Mem0, Neo4j, Pinecone, Qdrant, Postgres y el Foundry Agent Service.- 3 providers de modelos nativos: Azure OpenAI, OpenAI y Azure AI Foundry (vía
FoundryChatClient).- 9 empresas confirmadas como early adopters en producción.- 18 días entre el GA y el primer release minor (dotnet-1.2.0), señal de iteración activa.
La licencia MIT es un detalle que no hay que subestimar: permite uso comercial sin restricciones, forks privados y redistribución, algo que facilita la adopción en empresas con políticas estrictas de open source como los bancos y las farmacéuticas.
Arquitectura: workflows, memoria y protocolos abiertos
Más allá de los agentes, el Microsoft Agent Framework 1.0 introduce workflows graph-based: un motor que modela procesos como grafos dirigidos con nodos de agentes, tools y puntos de decisión. Los workflows soportan checkpointing (persistir el estado y retomar si falla), streaming incremental de resultados y aprobaciones humanas inline —un nodo puede pausar la ejecución y esperar confirmación de un operador antes de continuar.
Un ejemplo mínimo en Python ilustra el estilo:
from agent_framework import Agent, Workflow, SequentialOrchestrator
from agent_framework.providers import AzureOpenAIChatClient
client = AzureOpenAIChatClient(deployment="gpt-5-turbo")
researcher = Agent(name="researcher", client=client,
instructions="Investigas el tema y devuelves fuentes.")
writer = Agent(name="writer", client=client,
instructions="Redactas un artículo con las fuentes dadas.")
flow = Workflow(orchestrator=SequentialOrchestrator([researcher, writer]))
result = await flow.run("Estado del mercado de GPUs en 2026")
print(result.output)
La versión .NET expone la misma API con nombres idiomáticos y async/await nativo. La interoperabilidad entre runtimes se apoya en dos estándares: MCP (Model Context Protocol) para descubrimiento y ejecución de herramientas, y A2A 1.0 (Agent-to-Agent) para que agentes construidos con frameworks distintos colaboren sin adapters personalizados.
graph TB
A["Microsoft Agent Framework 1.0"] --> B[Sequential]
A --> C[Concurrent]
A --> D[GroupChat]
A --> E[Handoff]
A --> F["Magentic-One (manager + ledger)"]
A --> G["Workflows graph-based"]
G --> H["Checkpointing, streaming, approvals"]
A --> I["MCP + A2A 1.0"]
El framework se integra de forma nativa con Azure AI Foundry para VNet, RBAC y content safety.
Impacto y análisis: qué significa para el ecosistema
La consolidación del Microsoft Agent Framework tiene tres lecturas claras. La primera es competitiva: Microsoft ahora tiene una respuesta directa a LangChain y CrewAI con el peso de Azure detrás, integración nativa con Foundry (VNet, RBAC, content safety) y observabilidad vía OpenTelemetry sin configuración adicional. Los equipos que ya están en Azure pueden adoptar el framework sin añadir proveedores externos.
La segunda es estratégica: Microsoft se alinea con estándares abiertos (MCP y A2A) en lugar de imponer un protocolo propietario. Es un cambio de postura respecto a otros lanzamientos de la compañía y refleja que el mercado de agentes todavía no tiene un ganador claro; apostar a la interoperabilidad es racional cuando la captura de usuarios viene más de la plataforma (Azure) que del framework.
💭 Clave: Que KPMG, Commerzbank y BMW ya corran el framework en producción antes de la GA indica que Microsoft apostó a validar con enterprise, no con demos de conferencia. El compromiso de compatibilidad hacia atrás solo tiene sentido si hay clientes que ya dependen del código.
La tercera lectura es para quienes ya están en AutoGen o Semantic Kernel: la migración es asistida pero no automática. Microsoft publicó guías y adaptadores, sin embargo los equipos con orquestaciones complejas sobre AutoGen 0.x van a tener que reescribir la capa de mensajes para adaptarse al nuevo modelo de agents con API unificada. El esfuerzo es real, pero el costo de quedarse en AutoGen 0.x es perderse futuras features y mejoras de observabilidad.
Qué sigue para Microsoft Agent Framework
Con el primer minor release (dotnet-1.2.0) liberado solo 18 días después del GA, la cadencia de Microsoft sugiere iteración agresiva. Las áreas probables de evolución según el roadmap público son: más providers de memoria (incluyendo vectores híbridos), soporte profundo para evaluaciones automatizadas de agentes, integración con Azure Content Safety para guardrails a nivel de agente, y mejoras en el patrón Magentic-One para workflows todavía más dinámicos.
En paralelo, hay que vigilar cómo evoluciona la relación con OpenAI. El soporte nativo para Azure OpenAI y OpenAI como providers es cómodo hoy, pero en un escenario donde los modelos propios de Microsoft (MAI) ganen tracción, el framework se vuelve el canal preferente para empujar esos modelos a clientes enterprise. Los equipos que están evaluando agentes en 2026 deberían considerar esto: elegir Microsoft Agent Framework es también una apuesta a que Azure AI Foundry va a seguir siendo la plataforma central de Microsoft en el espacio agéntico.
💡 Tip: Si estás arrancando un proyecto nuevo de agentes, empezá directamente con Microsoft Agent Framework 1.0. Si ya tenés código en AutoGen o Semantic Kernel, evalúa migrar por módulos —no todo de una vez— aprovechando los adaptadores oficiales.
📖 Resumen en Telegram: Ver resumen
Preguntas frecuentes
¿Qué es Microsoft Agent Framework 1.0 GA?
Es un SDK open source bajo licencia MIT para construir sistemas multi-agente de IA en .NET y Python. Alcanzó GA el 3 de abril de 2026 y unifica los proyectos previos Semantic Kernel y AutoGen bajo una API única.
¿Dónde se instala el framework?
En .NET se instala desde NuGet con el paquete Microsoft.Agents.AI. En Python se instala desde PyPI con pip install agent-framework. El código fuente está en github.com/microsoft/agent-framework.
¿Cuáles son los cinco patrones de orquestación?
Sequential (cadena de agentes), Concurrent (agentes en paralelo), GroupChat (conversación moderada), Handoff (delegación explícita) y Magentic-One (manager con ledger dinámico de plan).
¿Qué memoria soporta?
Memoria pluggable vía Redis, Mem0, Neo4j, Pinecone, Qdrant, Postgres y el Foundry Agent Service. La elección depende de escala, latencia y si necesitás persistencia multi-tenant o vectores híbridos.
¿Es compatible con MCP y A2A?
Sí. El framework soporta Model Context Protocol para descubrimiento de herramientas y Agent-to-Agent 1.0 para colaboración cross-runtime. Esto permite que un agente del framework colabore con agentes construidos en otros stacks compatibles.
¿Qué empresas ya lo usan en producción?
Microsoft confirmó como early adopters a KPMG, Commerzbank, BMW, Fujitsu, Citrix, Fractal, TCS, Sitecore y NTT DATA, entre otros. Varios de ellos estuvieron en la preview desde octubre de 2025.
Referencias
- github.com/microsoft/agent-framework — repositorio oficial con código, ejemplos y releases.- devblogs.microsoft.com/agent-framework — blog oficial donde Microsoft anunció la versión 1.0 GA el 3 de abril de 2026.- pypi.org/project/agent-framework — paquete Python del framework.- nuget.org/packages/Microsoft.Agents.AI — paquete .NET del framework.- learn.microsoft.com/azure/ai-foundry — documentación de Azure AI Foundry, integración nativa del framework.
📱 ¿Te gusta este contenido? Únete a nuestro canal de Telegram @programacion donde publicamos a diario lo más relevante de tecnología, IA y desarrollo. Resúmenes rápidos, contenido fresco todos los días.
Top comments (0)