Microsoft Agent Framework: Multi-Agenten-Orchestrierung für Python und .NET

Repositorymicrosoft/agent-frameworkTool

Das Microsoft Agent Framework (MAF) ist ein quelloffenes Framework für Entwicklung, Orchestrierung und Betrieb produktionsreifer KI-Agenten und Multi-Agenten-Workflows in Python, .NET und Go.

Das Wichtigste

  1. Bietet konsistente APIs über Python, C#/.NET und Go (separates Repository) hinweg.
  2. Unterstützt graphbasierte Muster wie sequentielle und parallele Abläufe, Handoffs sowie Gruppenkollaboration.
  3. Konzipiert für produktive Workflows mit Fokus auf Persistenz (Durability), Neustartfähigkeit, Observability, Governance und Human-in-the-Loop-Steuerung.
  4. Integration mit Microsoft Foundry, Azure OpenAI, OpenAI und dem GitHub Copilot SDK.
  5. Veröffentlicht unter der MIT-Lizenz mit Hosting-Mustern für lokale Umgebungen und Cloud-Deployments.

Warum das relevant ist

Viele Prototypen scheitern am Übergang in den produktiven Betrieb, weil statusbehaftete Multi-Agenten-Systeme komplexe Anforderungen an Observability, Ausfallsicherheit und menschliche Eingriffe stellen. MAF liefert dafür eine standardisierte Architekturbasis.

Einordnung

Das Framework richtet sich an Entwicklerteams, die über simple Chat-Schleifen hinausgehen und komplexe Interaktionen zwischen mehreren Agenten steuern müssen. Mit über 13.000 Sternen, aktiven Releases auf PyPI und NuGet sowie breiter Modellunterstützung zielt Microsoft darauf ab, Entwickler sowohl im Python- als auch im Enterprise-.NET-Ökosystem zu binden.

Gefunden in

Zusammenfassung von KI erstellt (Gemini 3.8 Flash, 27. September 2026). Sie kann Fehler enthalten – maßgeblich ist die Originalquelle.

Inhaltlich ähnlich, ermittelt über die KI-Suche.

  • Link:LangChain

    LangGraph: Orchestrierungs-Framework für KI-Agenten

    LangGraph ist ein Open-Source-Framework (MIT-Lizenz) von LangChain zur Entwicklung und Orchestrierung zustandsbehafteter KI-Agenten. Es bietet Low-Level-Steuerung für komplexe Kontrollflüsse, Persistenz und Human-in-the-Loop-Workflows.

    KI & AI· Tool

  • Repository:langchain-ai/langgraph

    LangGraph: Low-Level-Framework für zustandsbehaftete AI-Agenten

    LangGraph ist ein quelloffenes Orchestrierungs-Framework von LangChain zur Entwicklung langlebiger, zustandsbehafteter Agenten-Workflows mit nativer Fehlerresistenz und Human-in-the-Loop-Unterstützung.

    41.081SternePython

    KI & AI· Tool

  • Artikel:LangChain Inc.

    LangGraph: Low-Level-Orchestrierung für zustandsbehaftete KI-Agenten

    LangGraph von LangChain Inc. ist ein Orchestrierungs-Framework und eine Laufzeitumgebung für komplexe, langlebige KI-Agenten. Es erlaubt Entwicklern, deterministische Programmlogik mit LLM-basierten Schritten in einem gemeinsamen Graph zu verbinden. LangGraph funktioniert unabhängig von der Hauptbibliothek LangChain und setzt Schwerpunkte auf Persistenz, Human-in-the-Loop-Workflows und Memory-Management.

    KI & AI· Sammlung

  • Link:Microsoft

    Microsoft AutoGen Framework

    AutoGen ist ein Open-Source-Framework von Microsoft, das die Entwicklung von LLM-basierten Anwendungen durch den Einsatz von Multi-Agenten-Systemen ermöglicht. Es erlaubt Entwicklern, komplexe Aufgaben durch die Orchestrierung mehrerer spezialisierter KI-Agenten effizient zu lösen.

    KI & AI

  • Repository:langgenius/dify

    Dify: Kollaborative Entwicklungsplattform für Agenten-Workflows und RAG

    Dify ist eine Open-Source-Plattform zur Entwicklung von KI-Anwendungen, die Agenten-Workflows, RAG-Pipelines und Modell-Integrationen in einem gemeinsamen Arbeitsbereich bündelt. Das Tool ermöglicht Teams den Übergang vom Prototyp in den Produktivbetrieb ohne Stack-Wechsel und kann in der Cloud, in VPCs oder vollständig selbst gehostet betrieben werden.

    154.499SterneTypeScript

    KI & AI· Tool

Lassen Sie uns über Ihr Projekt sprechen

Standorte

  • Mattersburg
    Johann Nepomuk Bergerstraße 7/2/14
    7210 Mattersburg, Austria
  • Wien
    Ungargasse 64-66/3/404
    1030 Wien, Austria

Dieser Inhalt wurde teilweise mithilfe von KI erstellt.