Jeder, der schon einmal KI-Agenten entwickelt hat, kennt das Problem mit Microsofts Framework-Auswahl: Semantic Kernel und AutoGen haben jeweils eigene APIs, unterschiedliche Dokumentationsstile und sich überschneidende Community-Richtungen. Wer eine produktionsreife Agent-Anwendung bauen will, muss entweder Frameworks kombinieren oder auf eine Vereinheitlichung durch Microsoft warten.
Am 3. April war das Warten vorbei. Microsoft veröffentlichte Agent Framework 1.0 und führte beide Systeme offiziell in einem einheitlichen SDK zusammen, das sowohl .NET als auch Python unterstützt, und kündigte ausdrücklich stabile APIs und langfristigen Support an.
Semantic Kernel + AutoGen = Agent Framework
Diese Zusammenführung ist nicht einfach eine Umbenennung. Microsofts Erklärung: Semantic Kernel bietet unternehmensgerechte Infrastruktur- und Service-Konnektivität, AutoGen liefert flexible Multi-Agenten-Orchestrierungskonzepte. Nur die Kombination beider Ansätze könne das gesamte Spektrum von einfachen Assistenten bis zu komplexen Workflows abdecken.
Microsoft erklärte offiziell, dass Semantic Kernel und AutoGen in den Wartungsmodus übergehen und neue Funktionen nur noch in Agent Framework entwickelt werden. Für Entwickler, die bereits diese Frameworks nutzen, wurde zeitgleich ein Migrationsleitfaden veröffentlicht.
Im Vergleich zuvor gibt es mehrere substanzielle Änderungen:
- Multi-Provider-Unterstützung: Azure OpenAI, Anthropic Claude, Amazon Bedrock, Google Gemini, Ollama – alle haben integrierte Connectors, keine eigene Adapterschicht nötig
- Middleware-Pipeline: Einfügen von Content-Sicherheitsfiltern, Logging und Compliance-Richtlinien in verschiedenen Phasen der Agent-Ausführung, ohne den Prompt zu beeinflussen
- Graph-Engine: Definition von Workflows zwischen Agenten und Funktionen mittels Graphstruktur, Unterstützung deterministischer Abläufe und Checkpoint-Wiederherstellung
- Steckbarer Speicher: Gesprächsverlauf, Schlüssel-Wert-Zustände, Vektorabfrage – alles integriert, Backend kann Redis, Neo4j, Mem0 oder benutzerdefinierten Speicher anbinden
Auf Protokollebene werden sowohl MCP als auch A2A unterstützt. MCP dient zum Auffinden und Aufrufen externer Tools, A2A ermöglicht die Zusammenarbeit von Agenten aus verschiedenen Frameworks.
Fünf Codezeilen als Start
Microsoft wirbt mit "5 lines of code, zero to agent", die Installation ist direkt:
Python: pip install agent-framework
.NET: dotnet add package Microsoft.Agents.AI
Unterstützte Orchestrierungsmodi: sequenziell, parallel, Handoff, Gruppenchat und Magentic-One-Modus. Auch die deklarative YAML-Konfiguration wurde eingeführt, sodass Agent-Definitionen und Workflow-Topologien versionierbar sind.
Bei den Entwicklungstools ist DevUI derzeit im Preview-Status – eine browserbasierte Debugging-Oberfläche, die den Agent-Ausführungsablauf visualisiert und sich zur Fehlersuche bei Deadlocks oder Logikproblemen in Multi-Agenten-Szenarien eignet.
Was die Vereinheitlichung löst
Mitch Ashley, Vice President bei Futurum Group, bezeichnete die Veröffentlichung als "einen substanziellen Fortschritt für die unternehmensweite KI-Entwicklung" und hob die Bedeutung der Multi-Provider-Unterstützung und Compliance-Hooks für Produktionsbereitstellungen hervor.
Diese beiden Punkte sind tatsächlich entscheidend. Aus Kundensicht darf die KI-Infrastruktur nicht an einen einzigen Anbieter gebunden sein – das ist Compliance-Anforderung und Risikomanagement zugleich. Aus Entwicklersicht ist das jedesmalige Neuschreiben der Verbindungslogik beim Wechsel des Modellanbieters ein echter Reibungsverlust.
Agent Framework 1.0 löst dieses Problem auf Framework-Ebene: Der Provider-Wechsel wird zu einem Konfigurationseintrag, ohne Änderung der Geschäftslogik.
Interessanterweise zwingt Microsoft nicht zur Nutzung von Azure. Anthropic Claude, Google Gemini, Amazon Bedrock sind Bürger erster Klasse, auch Ollama steht auf der Unterstützungsliste. Diese Offenheit ist bei Microsoft-Produkten eher ungewöhnlich – vermutlich hat man erkannt, dass starke Bindung Kunden abschreckt.
Wettbewerb mit LangChain und CrewAI
Am Markt mangelt es nicht an Agent-Frameworks: LangChain sammelte im letzten Jahr 125 Millionen US-Dollar ein und wurde zum Einhorn, CrewAI fügte gestreamte Tool-Call-Ereignisse hinzu, OpenAI Agents SDK ist direkt in die API-Plattform integriert.
Microsofts Unterscheidungsmerkmale sind zwei: Erstens die prioritäre Unterstützung von .NET-Entwicklern – die Zahl der Unternehmensteams, die C# und .NET nutzen, ist beträchtlich, und diese Gruppe wurde von anderen Frameworks nicht priorisiert bedient. Zweitens die tiefe Integration mit Azure App Service und Microsoft Foundry – für Workloads, die bereits auf Azure laufen, sind die Migrationskosten gering.
Zudem ist die Unterstützung des A2A-Protokolls (Agent-to-Agent) beachtenswert. A2A 1.0 ist noch im "Coming Soon"-Status, aber sobald es stabil ist, können Agenten verschiedener Frameworks und Anbieter direkt kommunizieren – das ist die Basisschicht für Agenten-Interoperabilität.
Die Bedeutung von 1.0
In der KI-Toolchain verharren viele Dinge lange im Preview-Status, die Produktionstauglichkeit ist fraglich. Microsofts Entscheidung, das 1.0-Label zu vergeben, ist eindeutig: Diese Version ist ernst gemeint, stabile APIs werden nicht willkürlich breaking changes erfahren, und langfristiger Support wurde zugesagt.
Für Entwicklungsteams, die Agent-Frameworks evaluieren, ist dies zumindest eine ernsthaft in Betracht zu ziehende Option.
Quellenangabe: CocoLoop, Microsoft Agent Framework Version 1.0 (Microsoft Agent Framework Dev Blog, 2026-04-03); Microsoft Ships Agent Framework 1.0: A Production-Ready Foundation for Multi-Agent AI (Techstrong.ai)