EN DIRECT
Anthropic affirme que Claude a permis de retracer l'origine des graines ECDSA du NIST16/10/26 · Anthropic|Reflection AI dévoile Beam, un modèle ouvert de 501 milliards de paramètres16/10/26 · Reflection AI|Meta publie Muse Spark Open, un modèle MoE taillé pour tourner en local sur Mac Studio15/10/26 · Meta|Meta publie Muse Spark Open, un modèle multimodal à poids ouverts15/10/26 · Meta|Google DeepMind détaille les mesures de sécurité entourant Gemini 4 Argon13/10/26 · Google DeepMind|Tev-Gym : une méthode pour corriger les récompenses éparses des agents à long horizon13/10/26|Google DeepMind évoque Gemini 4, nom de code « Argon »13/10/26 · Google DeepMind|Google DeepMind dévoile Gemini 4 Argon, une variante dédiée à la robotique13/10/26 · Google DeepMind|Character.AI dépose le bilan et cède des actifs à Disney13/10/26 · Character.AI|Une étude démontre que des modèles d'IA peuvent dissimuler n'importe quelle capacité de façon prouvable13/10/26|De plus en plus de sites web ferment leurs portes aux agents IA18/10/26|NVIDIA RTX Spark : des laptops Windows taillés pour l'IA locale17/10/26 · NVIDIA|Anthropic affirme que Claude a permis de retracer l'origine des graines ECDSA du NIST16/10/26 · Anthropic|Reflection AI dévoile Beam, un modèle ouvert de 501 milliards de paramètres16/10/26 · Reflection AI|Meta publie Muse Spark Open, un modèle MoE taillé pour tourner en local sur Mac Studio15/10/26 · Meta|Meta publie Muse Spark Open, un modèle multimodal à poids ouverts15/10/26 · Meta|Google DeepMind détaille les mesures de sécurité entourant Gemini 4 Argon13/10/26 · Google DeepMind|Tev-Gym : une méthode pour corriger les récompenses éparses des agents à long horizon13/10/26|Google DeepMind évoque Gemini 4, nom de code « Argon »13/10/26 · Google DeepMind|Google DeepMind dévoile Gemini 4 Argon, une variante dédiée à la robotique13/10/26 · Google DeepMind|Character.AI dépose le bilan et cède des actifs à Disney13/10/26 · Character.AI|Une étude démontre que des modèles d'IA peuvent dissimuler n'importe quelle capacité de façon prouvable13/10/26|De plus en plus de sites web ferment leurs portes aux agents IA18/10/26|NVIDIA RTX Spark : des laptops Windows taillés pour l'IA locale17/10/26 · NVIDIA|
AppNouveauéditeur officiel

Microsoft Agent Framework

App : Un produit que vous utilisez directement

Framework open source de Microsoft pour .NET et Python, successeur de Semantic Kernel et AutoGen : agents, workflows en graphe, A2A et MCP.

Version 1.0 stable depuis avril 2026, avec support à long terme : la référence pour les équipes .NET et l'écosystème Azure. Semantic Kernel et AutoGen passent en maintenance.

Score global
7.8 /10
Sécu : une réserve, lire la fiche
Utilité
8.0
Fiabilité
10.0
Sécurité
Une réserve
Facilité
5 min · Technique

La sécurité reflète la destination des données, les permissions demandées et les incidents recensés à la date de vérification. Ce n’est pas une garantie d’absence de risque : vérifiez le mode de déploiement et les connexions que vous activez.

Ce que ça fait, concrètement

Construire des agents IA qui passent du prototype à la production est complexe : il faut gérer l'orchestration multi-agents, la durabilité des workflows, la compatibilité avec plusieurs fournisseurs de modèles et la traçabilité. Microsoft Agent Framework (MAF) répond à ces besoins en un seul SDK open source sous licence MIT.

Le framework fournit une abstraction unifiée pour créer des agents en Python, .NET ou Go, les connecter à des fournisseurs de modèles (Microsoft Foundry, Azure OpenAI, OpenAI, Anthropic Claude, Amazon Bedrock, Google Gemini, Ollama) et les composer en workflows en graphe : séquentiels, parallèles, avec handoff ou en group chat. Les workflows supportent le checkpointing, la reprise après interruption et la validation humaine en cours d'exécution.

MAF s'adresse aux équipes de développement qui construisent des systèmes agents destinés à tourner en production, qui ont besoin d'orchestration avancée et qui veulent garder la liberté de changer de fournisseur de modèle sans réécriture majeure. L'intégration avec l'écosystème Azure et Microsoft Foundry est native.

Ce framework n'est pas adapté aux personnes qui cherchent une interface graphique sans code, ni à celles qui veulent simplement tester un modèle de langage de façon ponctuelle. Il requiert des compétences en développement Python ou .NET et une compréhension des concepts d'agents et de workflows.

Ce que ça propose

  • ·Support Python, .NET et Go avec des API cohérentes entre les langages.
  • ·Connecteurs natifs pour Microsoft Foundry, Azure OpenAI, OpenAI, Anthropic Claude, Amazon Bedrock, Google Gemini et Ollama.
  • ·Moteur de workflows en graphe supportant les patterns séquentiels, parallèles, handoff et group chat, avec checkpointing et reprise.
  • ·Middleware configurable pour intercepter et transformer le comportement des agents à chaque étape (filtres de contenu, journalisation, politiques de conformité).
  • ·Mémoire et contexte pluggables : historique conversationnel, état clé-valeur persistant, récupération vectorielle via Foundry Agent Service, Mem0, Redis, Neo4j ou un store personnalisé.
  • ·Définition déclarative des agents et workflows en YAML pour le versionnement et le déploiement rapide.
  • ·Support des protocoles A2A (Agent-to-Agent) et MCP (Model Context Protocol) pour la collaboration inter-frameworks.
  • ·Observabilité intégrée via OpenTelemetry pour le tracing distribué, le monitoring et le débogage.

En pratique

Prix
GratuitFramework gratuit (MIT) ; modèles et hébergement Azure facturés à l'usage.
Usage commercial
Usage commercial : oui
Disponible sur
cli
Licence
MIT
Interface FR
Non

Sécurité et données

Pastille
Sécu : une réserve, lire la fiche
Vos données
Local ou cloud selon usage
Permissions
Exécute les fonctions et workflows déclarés ; les données partent chez le fournisseur de modèle (Foundry, Azure OpenAI, OpenAI, Claude, Bedrock, Gemini ou Ollama en local).
Maintenance
Active
Dernière release
15 octobre 2026

Liens et dépôt vérifiés le 18 octobre 2026 · ajoutée le 27 septembre 2026

Comment installer Microsoft Agent Framework

1. Prérequis : Python 3.x ou .NET SDK installé sur la machine. 2. Pour Python, exécutez : pip install agent-framework (l'installation peut prendre une minute sur Windows). 3. Pour .NET, exécutez : dotnet add package Microsoft.Agents.AI (ajouter Microsoft.Agents.AI.Foundry et Azure.AI.Projects pour l'intégration Foundry). 4. Configurez l'authentification : en développement, lancez az login pour utiliser Azure CLI Credential ; en production, privilégiez ManagedIdentityCredential. 5. Définissez les variables d'environnement nécessaires (endpoint du projet, nom du déploiement du modèle) selon les instructions du répertoire d'exemples correspondant. 6. Vérifiez que les données envoyées au fournisseur de modèle choisi respectent les exigences de conformité de votre organisation avant de déployer en production.
pip install agent-framework

Documentation officielle ↗

Dans la même catégorie

Toute la catégorie Automatisation & agents →