Microsoft DevBlogs: Agent Framework Building Blocks Part 3 — agents + tools + multi-turn memory + graph workflows ใน .NET — Part 4 จะเป็น MCP

วันที่ 4 พ.ค. 2026 Jeremy Likness (Principal Program Manager, .NET AI experience) ลงโพสต์ตอนที่ 3 ของ series “Building Blocks for AI in .NET” บน devblogs.microsoft.com/dotnet — ครอบคลุม Microsoft Agent Framework 1.0 ทั้ง stack

ส่วนที่น่าสนใจคือ Microsoft วาง series นี้เป็น canonical onboarding สำหรับ .NET dev ที่จะสร้าง production AI agent — ไม่ใช่ tutorial ทั่วไป แต่ระบุ design pattern + production guardrail ตั้งแต่บรรทัดแรก

Recap series — Part 1 → 4

• Part 1 — Foundations: AI primitive ใน Microsoft.Extensions.AI (chat client, embedding, function calling)
• Part 2 — Memory & Retrieval: vector store, semantic memory, RAG patterns
• Part 3 — Agent Framework (โพสต์นี้): agent + tool + multi-turn + graph workflow + tool approval
• Part 4 — MCP (เร็ว ๆ นี้): Model Context Protocol = วิธี standard ให้ agent discover external tool/resource

Microsoft Agent Framework ขึ้น 1.0 GA เมื่อต้น เม.ย. 2026 (Visual Studio Magazine รายงาน 6 เม.ย.) — เป็นการ merge Semantic Kernel (เดิม MSR) + AutoGen (เดิม MSR Asia) เข้าเป็น stack เดียว support ทั้ง .NET และ Python

ของหลักใน Part 3

โพสต์นี้ลงรายละเอียด 5 ของหลัก:

1) Agent abstraction — Microsoft.Agents.AI.Agent เป็นคลาสกลางที่รับ chat client + tool list + system prompt → คืน turn-based response object — รองรับ stream + non-stream

2) Tool calling พร้อม approval workflow — agent เสนอ tool call แล้ว รอ human approval ก่อน execute — เป็น critical pattern สำหรับ production ที่ tool ทำเรื่อง irreversible (database write, ส่ง email, charge ลูกค้า)

agent.OnToolApprovalRequested += async (sender, args) => {
    // surface request ใน UI ให้ user กด approve/reject
    args.Approved = await PromptUserAsync(args.ToolCall);
};

3) Multi-turn memory — agent เก็บ conversation history + tool result ไว้ใน IAgentMemory — มี implementation default + plug-in ของ Cosmos DB / Redis / SQL Server

4) Graph-based multi-agent workflow — Agent Framework สามารถ orchestrate agent หลายตัวเป็น directed graph — supervisor agent ส่งงานให้ specialist agent แต่ละตัว แล้ว consolidate ผลลัพธ์ — pattern เดียวกับ LangGraph แต่ใน .NET เนทีฟ

5) Tool-result streaming — tool ที่เรียก long-running API (เช่น Azure OpenAI Assistant, Foundry agent) สามารถ stream intermediate progress กลับ caller ได้แบบ async iterator — ลด wait time perceived ของ end-user

Tool approval = signal ของ enterprise readiness

ที่น่าสนใจคือ Microsoft เน้น tool approval workflow มาก — เพราะนี่คือสิ่งที่ enterprise customer ของ Microsoft (banking, healthcare, government) ต้องการก่อนยอม deploy agent ใน production

เปรียบเทียบกับ frameworks อื่น:

• LangChain/LangGraph (Python): มี interrupt mechanism แต่ต้อง wire เอง
• OpenAI Agents SDK: มี handoff + guardrail แต่ approval ยังเป็น opt-in custom
• Microsoft Agent Framework: approval เป็น built-in event, default behavior + audit log + integration กับ Azure AI Foundry

ทิศทางชัดเจนว่า Microsoft เลือก vertical ของตัวเอง — enterprise ที่ต้อง compliance — เป็น differentiation จาก OpenAI/Anthropic ที่ยังเน้น developer experience ของ startup

มุมมอง AI Curator

เรา cover Cursor SDK 1.0 TypeScript public beta เมื่อ 4 พ.ค. — เป็น signal ของ agent infra layer แบบ open-stack สำหรับ TypeScript world — Microsoft Agent Framework คือ คู่ขนาน ของ ecosystem .NET

ประเด็นที่ dev SEA ควรจับ:

1) ถ้าทีมคุณเป็น .NET shop — ควร jump on Agent Framework 1.0 ตอนนี้ — เพราะ Microsoft จะ wire ทุก Azure AI service (Foundry, OpenAI on Azure, AI Search, Cosmos DB vector store) เข้ากับ framework นี้ภายใน 6-12 เดือน — ยิ่งเริ่มเร็ว ยิ่งใช้ประโยชน์ co-development ได้เร็ว

2) Tool approval pattern ต้องเป็น default mindset — เมื่อโรงพยาบาลไทยหรือธนาคาร AIS Capital เริ่ม deploy agent — คำถามแรกของ compliance ทีมคือ “agent คุยกับ legacy core banking ตรง ๆ ได้ไหม ถ้ายัง — พิสูจน์ว่ามี human-in-the-loop ตอน irreversible action ที่ไหนบ้าง” — agent framework ที่มี approval as primary citizen จะตอบคำถามนี้ได้ทันที

3) Multi-language story = 1 stack, 2 runtime — Microsoft commit ว่า .NET กับ Python จะ feature parity — ดีมากสำหรับทีม polyglot ที่มี data scientist Python + backend dev .NET — สามารถสลับ implementation ระหว่าง prototype และ production บน framework เดียว

ระยะถัดไปจะน่าดู: MCP integration ใน Part 4 — ถ้า Microsoft ทำ MCP server discovery + capability negotiation ดีพอ Agent Framework จะกลายเป็น MCP host แบบ default สำหรับ enterprise — และเริ่ม challenge OpenAI Apps SDK กับ Anthropic ของตัวเองในการ define standard

แหล่งข่าว

• Microsoft Agent Framework — Building Blocks for AI Part 3 — .NET Blog
• Microsoft Agent Framework Version 1.0 — devblogs.microsoft.com/agent-framework
• Microsoft Ships Production-Ready Agent Framework 1.0 — Visual Studio Magazine
• microsoft/agent-framework on GitHub