Microsoft Agent Framework ปล่อยของจริง — Harness รันไทม์สำเร็จรูป + Declarative Workflows 1.0 เขียน orchestration เป็น YAML

สัปดาห์นี้ Microsoft Agent Framework (MAF) — เฟรมเวิร์กที่เกิดจากการรวม Semantic Kernel กับ AutoGen เข้าด้วยกัน — ปล่อยของชิ้นใหญ่สองชิ้นติดกันในสองวัน ทั้งคู่ตอบโจทย์เดียวกัน คือ “เลิกเขียน plumbing ของ agent เองซ้ำ ๆ” ตั้งแต่ลูปเรียกทูล ไปจนถึงการจัดวาง orchestration หลาย agent

Harness — รันไทม์สำเร็จรูปที่แปลง LLM ให้เป็น agent (22 ก.ค.)

ชิ้นแรกคือ Agent Framework Harness (ออก 22 ก.ค. 2026, รองรับทั้ง Python และ .NET) คำอธิบายจากทีมตรงไปตรงมา: “โมเดลเปล่า ๆ ทำได้แค่สร้างข้อความ ถ้าจะให้มันเรียกทูล ทำงานหลายสเต็ป จำสิ่งที่ทำไปแล้ว และเดินหน้าจนงานเสร็จ คุณต้องมีรันไทม์ห่อรอบโมเดล — รันไทม์นั้นคือ harness”

Harness มาพร้อมความสามารถแบบ batteries-included 9 อย่าง โดยตั้งค่าเริ่มต้นให้พอใช้งานได้ทันที:

1. Function invocation — ลูปเรียกทูลอัตโนมัติ พร้อมจำกัดจำนวนรอบได้
2. History persistence — เซฟประวัติแชตหลังทุกครั้งที่เรียกโมเดล เพื่อกู้คืนเมื่อแครช
3. Context compaction — บีบอัด/จัดการคอนเท็กซ์ระหว่างลูปเรียกทูลยาว ๆ
4. Planning & execution — todo list ถาวรพร้อมโหมด plan/execute
5. File memory — โน้ตของ session ที่อยู่ข้ามเทิร์น
6. Skills — ค้นพบความเชี่ยวชาญเฉพาะทางแบบ progressive
7. Web search — ใช้ความสามารถค้นเว็บของบริการเบื้องหลัง
8. Tool approvals — กฎอนุมัติ + heuristic auto-approve สำหรับงานที่ปลอดภัย
9. Telemetry — OpenTelemetry ในตัว

สิ่งที่นักพัฒนาต้องเตรียมเองเหลือแค่สามอย่าง: chat client, คำสั่ง (instructions) ให้ agent และทูลของตัวเอง (ถ้ามี) — ที่เหลือ framework จัดการให้หมด นี่คือการตัดงานสร้าง agent loop / memory / approval infrastructure ที่ทีมส่วนใหญ่ต้องเขียนเองซ้ำ ๆ ออกไป

Declarative Workflows 1.0 — orchestration เป็น “เอกสาร” ไม่ใช่ call graph (23 ก.ค.)

ชิ้นที่สอง (ออก 23 ก.ค. 2026) คือ Declarative Workflows 1.0 — แพ็กเกจ Python agent-framework-declarative ขึ้นเวอร์ชัน 1.0.0 ส่วนฝั่ง .NET Microsoft.Agents.AI.Workflows.Declarative ก็เสถียรครบทั้งสอง SDK แล้ว

แนวคิดคือ ย้ายการจัดวาง orchestration หลาย agent ออกจากโค้ดมาเป็น YAML: กำหนดลำดับสเต็ป เงื่อนไขแตกกิ่ง และการส่งต่องานระหว่าง agent (handoff) แบบ declarative โดยใช้ Power Fx expressions คำนวณค่าแบบไดนามิก (เช่น =If(IsBlank(inputs.name), "World", inputs.name)) เวิร์กโฟลว์เดียวเรียกได้ทั้ง agents, function tools, MCP tools และ HTTP endpoints รองรับ human-in-the-loop (หยุดรอ input/อนุมัติแล้วค่อยไปต่อ) และ checkpoint/resume เก็บสถานะไว้ทำต่อทีหลังได้

คำที่ทีมย้ำคือ “เวิร์กโฟลว์เป็นเอกสาร ไม่ใช่ call graph” — product owner หรือ architect อ่านเข้าใจพฤติกรรมได้โดยไม่ต้องไล่โค้ดเฟรมเวิร์ก และทั้งฝั่ง Python/.NET จะโหลด YAML เข้าเป็น Workflow object เดียวกันที่รันเหมือน orchestration ที่เขียนด้วยโค้ดทุกประการ

มุมมอง AI Curator

สองชิ้นนี้อ่านคู่กันแล้วเห็นยุทธศาสตร์ชัด: Microsoft กำลังทำให้ MAF เป็น “แพลตฟอร์ม agent ระดับ production” ไม่ใช่แค่ไลบรารีทดลอง — Harness จัดการชั้น runtime (ลูป, memory, กู้แครช, telemetry) ส่วน Declarative Workflows จัดการชั้น orchestration ให้กลายเป็น config ที่ review ได้เหมือน infrastructure-as-code นี่คือทิศทางเดียวกับที่ทั้งอุตสาหกรรมกำลังไป: แยก “ตรรกะการไหลของงาน” ออกจาก “โค้ดแอป” เพื่อให้ตรวจสอบ กำกับ และเปลี่ยนได้โดยไม่ต้อง redeploy

จุดที่ควรชั่งใจคือ การผูกกับ ecosystem ของ Microsoft — Power Fx, Foundry, Copilot Studio คือสนามที่ฟีเจอร์พวกนี้เปล่งประกายที่สุด ทีมที่อยู่บน Azure/.NET อยู่แล้วจะได้ประโยชน์เต็ม ๆ แต่ทีมที่ไม่ได้อยู่ในระบบนิเวศนั้นต้องประเมินว่าการเรียน Power Fx และรูปแบบ YAML เฉพาะของ MAF คุ้มกว่าการใช้ LangGraph, CrewAI หรือ Pydantic AI ที่เป็นกลางกว่าหรือไม่

สำหรับนักพัฒนาไทยและองค์กรที่ใช้ Microsoft stack เป็นหลัก (ซึ่งมีเยอะในสายองค์กร/ราชการ) นี่เป็นข่าวดี — การได้ agent runtime + orchestration แบบ declarative ที่ทำงานได้ทั้งบนคลาวด์และแบบ disconnected (ผ่าน Foundry Local) หมายความว่าสร้าง agent ภายในองค์กรบนข้อมูลที่ควบคุมเองได้ง่ายขึ้นมาก โดยไม่ต้องประกอบชิ้นส่วนเองทั้งหมด

แหล่งข่าว:

• The Microsoft Agent Framework Harness is now released — Microsoft DevBlogs
• Move agent orchestration workflows out of code with Declarative Workflows 1.0 — Microsoft DevBlogs