Você já tentou escolher entre AutoGen e Semantic Kernel pra um projeto de agentes de IA?
Se tentou, sabe a dor. Um era bom pra pesquisa e prototipação rápida. O outro era enterprise-ready mas travado. A comunidade inteira perguntava a mesma coisa: “por que a Microsoft não junta os dois?”
Bem, juntaram. E lançaram a versão 1.0 há dois dias.
O que é o Microsoft Agent Framework
O Microsoft Agent Framework é um SDK open-source (MIT License) que unifica o AutoGen e o Semantic Kernel num único framework para construir, orquestrar e fazer deploy de agentes de IA.
Python e .NET. Um SDK. Mesma API.
O projeto está com 8.800+ stars no GitHub, 1.400 forks, 1.834 commits e 69 releases. O GA 1.0 saiu em 3 de abril de 2026 após 6 meses de preview público e um Release Candidate em fevereiro.
Não é mais experimento. É produção.
O problema que ninguém queria admitir
Na minha experiência com 300+ software houses, vejo o mesmo cenário: o time de IA começa com um framework, cresce, e descobre que precisa do outro. O cara de pesquisa ama o AutoGen. O cara de produção quer Semantic Kernel. O CTO fica no meio tentando manter duas stacks.
A Microsoft ouviu isso. O VentureBeat noticiou que AutoGen e Semantic Kernel entram em modo de manutenção: só bug fixes e patches de segurança. Todo investimento novo vai pro Agent Framework.
Isso não é “mais um framework”. É consolidação.
Como funciona na prática
O Agent Framework tem 5 padrões de orquestração multi-agente:
- Sequential – agentes em fila, um passa pro outro
- Concurrent – agentes rodando em paralelo
- Group Chat – agentes debatendo entre si (tipo uma reunião)
- Handoff – um agente transfere pro outro quando sai do seu escopo
- Magentic-One – um agente-gerente coordena especialistas
Tudo isso com graph-based workflows: streaming, checkpointing, human-in-the-loop e até time-travel (voltar a um estado anterior do workflow).
Pra instalar:
# Python
pip install agent-framework
# .NET
dotnet add package Microsoft.Agents.AIE dá pra definir agentes via YAML, declarativo, versionado no git, sem código pra configurar:
agent:
name: financial-analyst
model: gpt-4o
tools: [calculator, search, database]
memory: redis7 provedores de LLM, zero lock-in
Um dos pontos que mais me chamou atenção: o framework suporta nativamente 7 provedores de modelo.
- Microsoft Foundry
- Azure OpenAI
- OpenAI
- Anthropic Claude
- Amazon Bedrock
- Google Gemini
- Ollama (local, gratuito)
Isso significa que sua software house pode começar com Ollama local no dev, ir pra Azure OpenAI em staging, e rodar Claude em produção se quiser. Mesmo código, mesmo framework.
E tem integração nativa com Claude Code SDK e GitHub Copilot SDK. O ecossistema inteiro converge.
Quem já está usando
Não é hype de preview. São 13 empresas enterprise usando em produção:
- BMW – análise de telemetria de veículos em escala
- KPMG – Clara AI para automação de auditoria
- Commerzbank – suporte ao cliente com avatares de IA
- Fujitsu – orquestração multi-agente segura
- TCS – soluções agentic pra finanças, IT e retail
- TeamViewer – suporte remoto com diagnóstico em tempo real
- Weights & Biases – training e tracking de agentes
- Sitecore – automação do supply chain de conteúdo
- Elastic, NTT DATA, Citrix, Fractal, MTech Systems
Quando a BMW e a KPMG estão usando um framework pra agentes de IA, o recado é claro: isso não é brinquedo.
O arsenal enterprise que faz diferença
Pra quem constrói software pra clientes corporativos, o Agent Framework vem blindado:
- Segurança: Azure AI Content Safety + Entra ID + VNet
- Observabilidade: OpenTelemetry nativo + Azure Monitor + Application Insights
- Durabilidade: pause/resume de workflows, checkpointing, retry automático
- Compliance: logging estruturado pra indústrias reguladas
- Human-in-the-loop: workflows de aprovação pra operações sensíveis
- Memory pluggável: Redis, Pinecone, Qdrant, Weaviate, Elasticsearch, Postgres, Neo4j
Isso é o tipo de feature que você precisa quando vende pra banco, hospital ou governo. E já vem pronto.
Como usar na sua software house
Vejo três caminhos imediatos:
1. Oferecer soluções de agentes pra seus clientes
Se sua SH atende enterprise, agora você tem um framework com a marca Microsoft, cases de BMW/KPMG como referência, e MIT License pra embutir no seu produto. A conversa de vendas muda completamente.
2. Migrar projetos existentes
Se você já tem algo em AutoGen ou Semantic Kernel, tem migration guides oficiais. Não precisa reescrever do zero. O AssistantAgent do AutoGen vira ChatAgent. Os plugins do SK viram Tools. A transição é suave.
3. Stack mista Python + .NET
Conheço muitas SHs que têm times .NET (legado) e Python (IA). Com o Agent Framework, os dois times usam o mesmo SDK com a mesma API. Acabou o “nós vs eles” entre os times.
O que eu penso
De todos os frameworks de agentes que já cobri aqui no blog, e já foram muitos, o Agent Framework da Microsoft é o que tem a narrativa mais clara.
Não é o mais estrelado no GitHub. LangChain tem 97K+ stars. OpenClaw tem 210K+. Mas nenhum deles tem 13 enterprises de peso usando em produção na versão 1.0.
O jogo de agentes de IA em 2026 não é mais sobre quem tem mais stars. É sobre quem entrega em produção sem quebrar. E quando você tem a Microsoft botando AutoGen e Semantic Kernel em modo de manutenção pra apostar tudo num framework unificado, isso diz alguma coisa.
Se sua software house vai investir em IA agentic nos próximos 12 meses, e deveria, o Agent Framework merece estar na sua shortlist. Não porque é da Microsoft. Mas porque é o primeiro framework que resolve o problema real: pesquisa E produção no mesmo SDK.
Se você quer implementar agentes de IA na sua software house e não sabe por onde começar, esse é exatamente o tipo de decisão estratégica que discutimos nas nossas mentorias.
Sou Thulio, mentoro 300+ SHs desde 2016.
