Microsoft Agent Framework 1.0 GA와 통합 에이전트 플랫폼 설계

갈라졌던 Microsoft 에이전트 생태계가 합쳐졌다

Microsoft는 2026년 6월 Microsoft Agent Framework(MAF) 1.0의 GA(General Availability)를 공식 발표했다. 이 발표로 AutoGen과 Semantic Kernel을 하나의 플랫폼으로 합치는 작업이 마무리됐다. AutoGen은 이후 유지보수 모드(maintenance mode)로 전환되고, MAF가 .NET과 Python 기반 멀티에이전트 시스템을 위한 Microsoft의 공식 표준 플랫폼을 맡는다.

두 프레임워크의 출발점은 달랐다. Microsoft Research가 2023년 공개한 AutoGen은 에이전트 간 자율 협업과 코드 실행에 초점을 맞춘 멀티에이전트 대화 프레임워크였다. 같은 시기 엔터프라이즈 AI 애플리케이션을 위해 나온 Semantic Kernel은 플러그인 아키텍처, 메모리, 계획(planning) 기능에 강점이 있었다. 기능은 상호보완적이었지만 개발자와 도구 생태계가 나뉘는 문제가 남았다.

두 프로젝트가 비슷한 문제를 각자의 API로 풀면서 개발자는 서로 다른 API 표면을 익혀야 했고, 커뮤니티 기여와 지원 자원도 분산됐다. MAF 1.0은 AutoGen의 에이전트 대화 루프(conversation loop)와 코드 실행 샌드박스, Semantic Kernel의 플러그인 시스템과 커널 추상화를 단일 API 표면과 런타임에 배치한다. 통합의 핵심은 어느 한쪽을 그대로 유지하는 것이 아니라, 양쪽의 주요 추상화를 공통 실행 모델로 수렴시키는 데 있다.

런타임을 중심으로 묶인 계층 구조

⤢✕

AgentRuntime은 SDK와 실행 환경을 잇는 핵심 컨텍스트다. Python SDK와 .NET SDK는 모두 이 런타임에 바인딩된다. 런타임은 에이전트 생명주기, 메시지 라우팅, 상태 지속성을 관리하며 로컬과 Azure 호스팅 환경을 모두 지원한다. 그 위의 AgentOrchestrator가 워크플로우 실행을 관리하고, PluginSystem은 Semantic Kernel에서 이어받은 플러그인 레지스트리를 담당한다.

AutoGen의 ConversableAgent는 MAF의 IAgent 인터페이스로 일반화됐다. Semantic Kernel의 Kernel 객체가 제공하던 역할은 AgentRuntime 내부 서비스 컨테이너로 흡수됐다. 서로 다른 객체 모델을 병렬로 유지하는 대신 공통 인터페이스 아래에서 실행하도록 바뀐 셈이다.

메시지 계층도 같은 방향으로 정리됐다. AutoGen의 2-에이전트 대화(two-agent conversation) 및 그룹 채팅(GroupChat), Semantic Kernel의 프로세스 기반 워크플로우(Process Framework)는 하나의 MessageMiddleware 레이어 위에서 구현된다. AutoGen에서 사용하던 GroupChat, RoundRobin, Selector 패턴은 네이티브 워크플로우 프리미티브로 편입됐고, 워크플로우는 선언적 YAML 또는 코드로 정의할 수 있다. 따라서 동일한 에이전트 정의를 대화형 협업과 프로세스형 워크플로우에 함께 사용할 수 있다.

.NET과 Python 에이전트를 같은 환경에서 운용한다

MAF는 .NET 9과 Python 3.11+를 모두 1급 시민(first-class citizen)으로 지원한다. 두 SDK가 동일한 프로토콜 버퍼(Protocol Buffers) 기반 메시지 스키마와 API 계약을 공유하므로 Python 에이전트와 .NET 에이전트가 같은 런타임 안에서 통신할 수 있다. 각 언어 생태계의 관용적 개발 패턴을 유지하면서 서로 다른 언어 스택을 함께 운용하는 폴리글랏(polyglot) 엔터프라이즈 환경을 직접 겨냥한 구조다.

Python SDK는 microsoft-agent-framework PyPI 패키지로, .NET SDK는 Microsoft.AgentFramework NuGet 패키지로 배포된다. 양쪽 모두 비동기 async/await API를 사용한다. 타입 안전성은 Python에서 Pydantic v2, .NET에서 System.Text.Json Source Generator로 처리한다.

작업 형태에 맞춰 오케스트레이션을 선택한다

MAF 1.0에는 Sequential Workflow, Parallel Fan-out/Fan-in, Hierarchical Delegation 패턴이 내장돼 있다.

Sequential Workflow는 여러 에이전트가 태스크를 차례로 넘겨받는 파이프라인이다. 데이터 처리나 보고서 생성처럼 앞 단계의 결과가 다음 단계의 입력이 되는 작업에 맞는다.

Parallel Fan-out/Fan-in에서는 RouterAgent가 태스크를 여러 TaskAgent에 병렬로 분배한 뒤 결과를 다시 모은다. 대규모 분석이나 여러 소스를 동시에 검색하는 워크로드에 적용할 수 있다.

Hierarchical Delegation은 오케스트레이터 에이전트가 하위 에이전트 팀을 관리하는 계층형 구조다. 여러 역할과 작업 단위를 중앙에서 조정해야 하는 복잡한 엔터프라이즈 워크플로우를 대상으로 한다.

이 패턴들은 멀티에이전트 시스템(Multi-Agent System, MAS)의 협업 방식을 구체화한다. 중앙 조정자가 흐름을 통제하는 오케스트레이션과 각 참여자가 이벤트를 중심으로 협력하는 코레오그래피 사이의 선택도 시스템 결합도와 제어 요구를 함께 고려해야 한다.

플러그인은 Semantic Kernel의 계보를 잇는다

Semantic Kernel의 플러그인 모델이 MAF에 편입되면서 기존 연결 지점도 통합 플랫폼 안으로 들어왔다. MAF 1.0 GA 시점에 Microsoft가 공식 제공하는 플러그인은 Azure AI Search, Microsoft Graph, Azure Blob Storage, Azure SQL, Power Platform 커넥터 등을 포함해 30개 이상이다.

서드파티 개발자는 IPlugin 인터페이스를 구현해 플러그인 레지스트리에 등록할 수 있다. 완성된 플러그인은 NuGet이나 PyPI를 통해 배포할 수 있어 .NET과 Python 생태계 모두에서 확장 지점을 공유한다. Microsoft 365, GitHub, Azure DevOps 같은 기업 시스템용 커넥터와 MCP(Model Context Protocol) 호환 서버도 이 연결 구조에서 활용할 수 있다.

외부 지식베이스를 검색해 응답 생성에 활용하는 RAG(Retrieval-Augmented Generation) 역시 이 플러그인 구조 및 메모리 계층과 연결되는 대표적인 패턴이다.

Azure 안에서 배포와 운영까지 이어진다

MAF는 Azure AI Foundry와 깊게 연결된다. Azure AI Foundry의 모델 카탈로그에서 고른 모델을 MAF 에이전트에 직접 바인딩할 수 있으며, AI Foundry는 모델 카탈로그, 파인튜닝, 평가, 배포, 모니터링을 하나의 포털에서 관리하는 실행 환경으로도 동작한다. 배포 전에는 Foundry 포털의 에이전트 플레이그라운드에서 에이전트 행동과 멀티에이전트 대화 흐름을 확인할 수 있고, 평가 기능은 응답 품질과 지연시간, 비용 메트릭을 수집한다.

코드 실행 샌드박스는 Azure Container Apps의 세션 풀(Session Pool)을 이용해 확장 가능한 형태로 운영할 수 있다. 운영 데이터는 Azure Monitor 통합을 통해 확인한다. 에이전트 실행 추적(tracing), 토큰 사용량, 지연 시간, 오류율이 실시간 대시보드에 표시된다. OpenTelemetry 표준을 채택했기 때문에 서드파티 APM 도구와도 연동할 수 있다.

비용 제어에는 프롬프트 캐싱(Prompt Caching), 배치 API(Batch API), 모델 라우팅(Model Routing)이 사용된다. 시스템 프롬프트와 공통 컨텍스트는 자동으로 캐싱되고, 실시간 처리가 필요하지 않은 태스크는 Batch API로 전환해 최대 50%의 비용을 절감할 수 있다. RouterAgent는 태스크 복잡도에 따라 GPT-4o와 GPT-4o-mini를 자동 선택하는 모델 라우팅 정책을 지원한다.

기존 프로젝트가 이동할 수 있는 경로

AutoGen 0.4.x 사용자를 위해 마이그레이션 가이드와 호환성 레이어가 제공된다. microsoft-agent-framework[autogen-compat] 패키지를 설치하면 AutoGen의 ConversableAgent, AssistantAgent, UserProxyAgent 클래스가 MAF의 대응 클래스로 자동 매핑된다.

Semantic Kernel 1.x 프로젝트에서는 KernelPlugin을 MAF의 IPlugin으로 변환하는 마이그레이션 CLI 도구인 maf migrate를 사용할 수 있다. 기존 자산을 한 번에 폐기하기보다 공통 런타임으로 단계적으로 옮길 수 있도록 두 출발점에 각각 전환 수단을 둔 구조다.

에이전트의 권한과 실행 기록을 통제한다

엔터프라이즈 환경에서는 에이전트가 무엇을 수행할 수 있는지뿐 아니라 어떤 권한으로 행동했고 무엇을 호출했는지도 추적해야 한다. MAF 1.0은 이 요구를 플랫폼 기능으로 다룬다.

에이전트 레지스트리(Agent Registry)는 조직에 배포된 에이전트를 중앙에서 관리한다. 각 에이전트가 행사할 수 있는 권한, 접근 가능한 데이터 소스, 수행 가능한 작업을 명시적으로 지정한다. 에이전트별 관리 ID(Managed Identity)는 Azure AD와 연동되며 세분화된 RBAC 적용에 사용된다. 입출력 파이프라인에는 Azure AI Content Safety API가 연결돼 유해 콘텐츠를 자동 차단한다.

에이전트 실행 이력, 도구 호출 기록, 사용자 인터랙션은 변경 불가능한 감사 로그로 Azure Monitor Logs에 저장된다. 이러한 제어는 에이전트 거버넌스의 핵심 범위인 행동 감사, 접근 제어, 콘텐츠 필터링을 실행 계층에 포함한다. 에이전트가 많아질수록 애플리케이션 외부의 별도 통제 절차보다 런타임 자체의 식별·권한·추적 모델이 중요해진다.

다른 에이전트 프레임워크와 비교할 때 볼 지점

항목	MAF 1.0	LangChain/LangGraph	CrewAI	Google ADK
지원 언어	Python, .NET	Python, JS/TS	Python	Python, Java
오케스트레이션	Sequential/Parallel/Hierarchical	Graph-based	Role-based Crew	Event-driven
클라우드 통합	Azure AI (1st class)	멀티클라우드	멀티클라우드	Google Cloud (1st class)
엔터프라이즈 지원	SLA, 공식 지원	커뮤니티 중심	커뮤니티 중심	SLA, 공식 지원
플러그인 생태계	30+ 공식 + 서드파티	200+ 통합	제한적	50+ 공식
거버넌스·보안	Azure AD, RBAC, 감사로그	제한적	제한적	Google IAM
코드 실행 샌드박스	Azure Container Apps	E2B, 로컬	제한적	Cloud Code Execution
마이그레이션 지원	AutoGen·SK 공식 마이그레이션	없음	없음	없음
오픈소스 라이선스	MIT	MIT	MIT	Apache 2.0
비용 최적화	자동 모델 라우팅, 배치 API	수동 구성	수동 구성	Gemini 자동 라우팅

MAF의 중심축은 엔터프라이즈 거버넌스와 Azure 수직 통합이다. LangChain/LangGraph는 통합 생태계의 다양성이 강하고, CrewAI는 역할 기반 에이전트 정의가 직관적이다. Google ADK는 Google Cloud를 중심으로 구성된다. 이 가운데 .NET을 사용하는 엔터프라이즈 조직이라면 MAF가 사실상 유일한 현실적 선택지다.

MAF의 계층은 SDK에서 Runtime, Orchestrator, Agent로 이어진다. 여기에 Azure AI Foundry가 모델 선택과 배포·관리 계층으로 결합한다. 이는 분산된 개발 도구와 운영 체계를 하나로 모으는 플랫폼 수렴(Platform Convergence)의 사례이며, 개발 생산성과 운영 효율을 함께 다루려는 전략이다.

Microsoft Agent Framework 1.0 GA는 AutoGen과 Semantic Kernel의 철학을 단일 플랫폼 안에서 이어받았다. .NET과 Python 이중 SDK, Azure AI 스택과의 수직 통합, 거버넌스 기능은 대기업 환경에서 MAF를 선택할 근거가 된다. AutoGen이 유지보수 모드로 전환되면서 Microsoft의 에이전트 플랫폼 전략도 MAF 단일 트랙으로 집중됐다. 2026년 하반기에는 MAF 기반 Copilot 에이전트 생태계가 더욱 빠르게 확장될 전망이다.