Microsoft BUILD 2026에서 드러난 Agent Framework 통합 전략

AutoGen과 Semantic Kernel이 한 플랫폼으로 모인 배경

Microsoft BUILD 2026에서 공개된 Microsoft Agent Framework(MAF)의 업데이트는 개별 기능 추가보다 플랫폼 통합에 무게가 실려 있다. 2026년 4월 GA를 달성한 MAF 1.0 위에 Agent Harness, Hosted Agents, CodeAct가 더해지면서 AutoGen과 Semantic Kernel을 하나의 에이전트 인프라로 수렴시키려는 전략이 구체적인 형태를 갖췄다. Azure 생태계와의 결합을 강화하는 동시에 오픈소스 표준의 주도권을 겨냥한 접근이다.

통합 전 두 프레임워크의 출발점은 달랐다. AutoGen은 실험적인 멀티 에이전트 오케스트레이션을 지향했고, Semantic Kernel은 기업 시스템에 AI를 연결하는 플러그인 기반 통합에 집중했다. 각각의 용도는 분명했지만, 개발자는 프로젝트를 시작할 때 어느 프레임워크를 선택해야 할지 판단하기 어려웠다.

마이크로소프트는 2025년 10월 MAF를 오픈소스로 공개하고 2026년 4월 1.0 GA를 내놓으며 이 선택지를 하나로 합쳤다. Semantic Kernel이 기반 레이어를 담당하고, 그 위에 AutoGen 계열의 오케스트레이션을 방향 그래프로 구현하는 구조다. 에이전트가 채팅 스레드로 상호작용하던 AutoGen의 대화 중심 설계는 에이전트를 노드로 배치하고 전환을 명시하는 그래프 모델로 바뀌었다.

AutoGen 코드베이스는 호환성 레이어로 남지만 신규 개발은 github.com/microsoft/agent-framework 저장소에 집중된다. 기존 Semantic Kernel 코드는 플러그인과 커넥터 대부분을 직접 이식할 수 있어 마이그레이션 작업량이 2~4시간 수준이다. AutoGen 코드는 오케스트레이션 구조 자체가 달라지므로 더 깊은 리팩토링이 필요하다.

⤢✕

Agent Harness가 실행 컨텍스트를 관리하는 방식

모델의 추론 결과를 실제 실행 환경으로 넘기는 과정에는 프롬프트 관리, 작업 상태, 승인 절차처럼 SDK 호출만으로 해결하기 어려운 문제가 끼어든다. Agent Harness는 이 경계를 맡는 추상화 레이어다. BUILD 2026 업데이트에서는 프로덕션 운영 패턴을 프레임워크의 일급 객체로 다룬다는 점이 강조됐다.

장기 세션에서 토큰 창이 차오르면 Harness가 이전 대화를 요약해 핵심 정보를 남기고 컨텍스트를 다시 구성한다. 시스템 프롬프트, 사용자 지시, 도구 명세처럼 여러 위치에 흩어진 인스트럭션도 일관된 실행 컨텍스트로 병합한다.

오래 걸리는 작업에서는 하위 태스크와 완료 상태를 Todo로 추적한다. 이 상태를 바탕으로 중단된 작업을 재시작하거나 승인 이후에 이어갈 수 있다. 파일 삭제나 코드 배포처럼 위험한 액션 앞에는 HITL(Human-in-the-Loop) 승인 게이트를 둘 수 있으며, 이 절차는 애플리케이션 외부가 아니라 에이전트 런타임 레벨에서 제공된다.

Harness의 실행 전략과 컨텍스트 관리 방식은 프로바이더 시스템을 통해 교체하거나 확장할 수 있다. 팀별 운영 방식을 플러그인으로 주입할 수 있다는 뜻이다. MAF가 단순한 SDK 래퍼보다 프로덕션 에이전트 운영 인프라에 가까운 이유가 이 레이어에 있다.

CodeAct는 도구 호출을 프로그램으로 묶는다

함수 호출 방식에서는 모델이 도구 하나를 선택하고 결과를 받은 뒤 다음 도구를 결정한다. 복잡한 태스크라면 이 순차 루프가 수십 번의 API 왕복으로 이어질 수 있다.

CodeAct의 접근은 다르다. 모델이 짧은 Python 프로그램을 작성하고, 프로그램 내부에서 call_tool(...) API로 필요한 도구를 직접 호출한다. 중간 결과는 변수에 담아 후속 호출에 사용할 수 있고, 조건 분기와 반복도 Python 코드로 표현한다. 개별 도구를 차례로 고르던 의사결정이 전체 액션 시퀀스를 작성하는 결정으로 압축되는 셈이다.

모델이 생성한 코드는 Hyperlight 마이크로 VM 안에서 실행된다. agent-framework-hyperlight (alpha) 패키지는 실행할 때마다 신선한(fresh) Hyperlight 마이크로 VM을 프로비저닝한다. Hyperlight는 마이크로소프트가 개발한 초경량 하이퍼바이저 기반 격리 기술로, 도커 컨테이너보다 빠른 시작 시간과 강한 격리를 함께 제공한다. VM 격리가 개별 도구 호출 단위에 적용되므로 악성 코드나 잘못 생성된 코드가 일으킬 수 있는 피해 범위도 단일 호출로 제한된다.

⤢✕

두 액션 모델의 차이는 단순히 호출 횟수에만 있지 않다. 함수 호출은 이전 결과를 확인한 다음 모델이 후속 도구를 고르는 구조다. CodeAct는 모델이 액션 전체를 코드로 먼저 명시하고, 실행 중 발생한 결과를 프로그램 안에서 연결한다. 대신 실행 결과의 품질은 모델이 생성한 코드의 정확성에 더 크게 의존한다.

Hosted Agents가 로컬과 프로덕션 사이를 잇는다

Hosted Agents는 로컬에서 만든 에이전트를 프로덕션 환경으로 옮길 때 필요한 호스팅 계층이다. Foundry Agent Service 위에서 실행되며 2026년 6월 말 GA 예정이다.

각 에이전트 세션은 독립된 하이퍼바이저 격리 샌드박스에서 동작한다. 세션별 영속 파일시스템도 제공한다. 유휴 상태에서 스케일-투-제로로 전환됐다가 다시 시작되더라도 파일, 디스크 상태, 세션 정체성을 복구할 수 있다.

세션에는 Microsoft Entra ID 기반의 에이전트 전용 ID가 자동으로 발급된다. 이를 이용하면 Storage, Key Vault, Graph API 같은 Azure 서비스에 접근할 때 별도의 자격증명을 관리하지 않고 워크로드 아이덴티티로 인증할 수 있다.

인스턴스는 수요에 따라 자동으로 스케일 아웃·인되며, 사용하지 않는 세션은 비용 최적화를 위해 스케일-투-제로까지 내려갈 수 있다. 에이전트 세션과 도구 호출, 실행 단계는 OpenTelemetry 트레이스로 기록돼 Foundry 컨트롤 플레인에 집계된다. 별도의 분산 트레이싱 코드를 작성하지 않아도 전체 실행 경로를 확인할 수 있는 구조다.

에이전트 정의에는 버전 관리와 롤백도 적용된다. 프로덕션 업데이트에 문제가 생기면 이전 버전으로 복귀할 수 있다.

대화 흐름 대신 명시적인 그래프를 선택했다

MAF 1.0에서 에이전트는 방향 그래프의 노드가 된다. 노드 사이의 이동은 엣지와 조건으로 명시한다. AutoGen 1.x의 암묵적인 대화 흐름과 비교하면 실행 경로를 추적하기 쉬워 디버깅과 감사에 유리하다.

이 그래프가 MAF 내부에만 닫혀 있는 것은 아니다. A2A(Agent-to-Agent) 프로토콜은 서로 다른 프레임워크로 만든 에이전트가 표준 방식으로 통신할 수 있는 기반을 제공한다. 따라서 MAF 에이전트가 LangGraph나 CrewAI 에이전트와 협업하는 구성을 이론적으로 만들 수 있다. MCP(Model Context Protocol)는 도구와 리소스를 에이전트 외부에서 표준 인터페이스로 노출하는 경로를 맡는다.

⤢✕

LangGraph·CrewAI와 갈리는 지점

2026년 에이전트 프레임워크 시장은 LangGraph, CrewAI, Microsoft Agent Framework, OpenAI Agents SDK, Anthropic Agent SDK의 5강 체계로 전개되고 있다. 비슷한 기능을 제공하는 듯 보이지만 워크플로우를 표현하는 방법과 운영 환경에서 차이가 난다.

LangGraph는 상태를 유지하는 복잡한 워크플로우에 강하다. 체크포인팅과 인간 승인 단계, 롤백이 핵심이며 감사 추적이 필요한 규제 환경에 적합하다. 다만 Python 생태계에 한정되고 .NET은 지원하지 않는다.

CrewAI는 역할 기반 팀 구성으로 빠르게 프로토타입을 만드는 데 초점을 맞춘다. 역할 기반 오케스트레이션이 단순한 만큼 복잡한 프로덕션 워크플로우에서는 토큰 소비가 3~5배 많아지는 비효율이 지적된다.

MAF는 .NET과 Python을 함께 지원해 엔터프라이즈 .NET 코드베이스에 연결하기 쉽다. Entra ID, OpenTelemetry, Foundry를 포함한 Azure 생태계와 깊게 결합돼 운영 인프라의 부담도 낮춘다. 여기에 A2A 프로토콜을 사용한 크로스 프레임워크 협업이 더해진다.

항목	MAF	LangGraph	CrewAI
언어	.NET + Python	Python	Python
오케스트레이션	그래프 기반	그래프 기반	역할 기반
액션 모델	CodeAct + 함수 호출	함수 호출	함수 호출
매니지드 호스팅	Azure Foundry GA	LangSmith	없음
크로스 프레임워크	A2A 프로토콜	제한적	제한적
감사·추적	OpenTelemetry 내장	체크포인팅	기본 제공 미흡

액션 모델만 놓고 보면 함수 호출은 단순하고 예측하기 쉽지만, 작업이 복잡해질수록 왕복 횟수가 늘어난다. CodeAct는 한 번의 모델 호출로 복잡한 도구 시퀀스를 실행할 수 있는 대신 생성된 코드의 정확성이 결과를 좌우한다. Hyperlight가 실행 환경의 안전성을 담당하더라도 코드 품질까지 보장하는 것은 아니며, 이 부분은 기반 모델의 역량에 남는다.

MAF의 방향은 기존 IT 인프라 원칙을 에이전트 운영 계층에 옮긴 사례로 볼 수 있다. OpenTelemetry는 관찰가능성을, Entra ID는 신원 관리를, Hyperlight는 실행 격리를, Foundry 세션은 상태 영속성을 담당한다. Agent Harness가 실행 컨텍스트를 묶고 CodeAct가 액션을 프로그램으로 구성하며 Hosted Agents가 배포와 운영을 맡는 구조다.

AutoGen과 Semantic Kernel의 통합은 프레임워크 선택 문제를 정리하는 데서 끝나지 않는다. .NET 지원과 Azure 통합은 LangGraph·CrewAI와 경쟁하는 직접적인 기반이고, A2A 프로토콜은 다른 프레임워크와 연결되는 표준의 주도권을 겨냥한다. MAF가 내세우는 프로덕션 에이전트 플랫폼의 성격은 이 두 방향이 만나는 지점에서 드러난다.