open/ms-ai-architect
1
0
Fork 0
Code Issues Releases 1 Activity

docs(ms-ai-architect): KB-refresh tema-b — Foundry-navnesveip «Azure AI Foundry»→«Microsoft Foundry» (233 filer)

Browse source 
Verifisert mot offisiell MS-doc (juni 2026): «Microsoft Foundry» er det
gjeldende produkt-/portalnavnet; «Foundry (classic)» = gamle «Azure AI Foundry»
(/azure/foundry/ vs /azure/foundry-classic/). Premiss bekreftet før sveip.

Multi-regel, IKKE naiv s/Azure AI Foundry/Microsoft Foundry/ — MS dropper
«Azure AI» (legger IKKE til «Microsoft») for to produktvarianter:
- «Azure AI Foundry Agent[ Service|s]» → «Foundry Agent Service/Agents» (MS-form)
- «Azure AI Foundry Models» → «Foundry Models» (i «Azure OpenAI in Foundry Models»)
- «Azure AI Foundry SDK» → «Microsoft Foundry SDK» (operatør-valg)
- «Azure AI Foundry portal/project» + generisk → «Microsoft Foundry»
- Pre-eksisterende «Microsoft Foundry Models» (4) normalisert → «Foundry Models»

Bevart: «Azure OpenAI», «Azure AI Inference SDK», «Azure AI Search»,
«Azure AI Services», kode-IDer. Historisk ref «(tidligere Azure AI Foundry)»
i model-catalog-2026.md beskyttet via lookbehind. URL /azure/ai-foundry/→
/azure/foundry/ kun i owasp-llm-top10 (KB-ref); docs/-filer deferred.

Scope: skills (inkl. 3 SKILL.md) + commands + agents + README + CLAUDE.
Ekskludert: docs/ (interne), playground/+tests/ fixtures (testdata),
CHANGELOG.md (historisk logg), STATE.md (gitignored).

3 SKILL.md endret (advisor/engineering/security) → judge-cache teknisk
invalidert for disse, men scorer uendret: advisor 91, eng/gov/infra/sec 96
(alle ≥90). validate 239/0. 0 «Azure AI Foundry» igjen (utenom bevart ref).

Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>
This commit is contained in:
Kjell Tore Guttormsen 2026-06-23 21:00:27 +02:00
commit 03d596e4ec
233 changed files with 810 additions and 810 deletions
Download patch file Download diff file Expand all files Collapse all files

8
skills/ms-ai-engineering/references/agent-orchestration/agent-autonomy-and-control-governance.md
View file

@ -178,7 +178,7 @@ workflow = (
## Integrasjon med Microsoft-stakken
### Azure AI Foundry
### Microsoft Foundry
**Guardrails:**
- Default: `Microsoft.DefaultV2` guardrail
@ -299,7 +299,7 @@ workflow = (
| Komponent | Prismodell | Estimat (NOK/måned) |
|-----------|------------|---------------------|
| **Azure AI Foundry Agents** | Per interaction (input/output tokens) | Varierer: GPT-4o ~0.02 NOK/1K tokens |
| **Foundry Agents** | Per interaction (input/output tokens) | Varierer: GPT-4o ~0.02 NOK/1K tokens |
| **Azure Application Insights** | Per GB ingested + retention | ~200-2000 NOK for small-medium agent fleet |
| **Azure API Management (AI Gateway)** | Per gateway instance + calls | Developer: ~400 NOK, Standard: ~6000 NOK |
| **Azure Monitor Alerts** | Per alert rule + notifications | ~10 NOK per rule, email free |
@ -315,7 +315,7 @@ workflow = (
### Lisensiering
**Microsoft Agent Framework:** Open source (MIT-lisens), ingen lisensiering
**Azure AI Foundry:** Pay-as-you-go (consumption-based), ingen upfront lisens
**Microsoft Foundry:** Pay-as-you-go (consumption-based), ingen upfront lisens
**Copilot Studio:** Inkludert i Microsoft 365 Copilot lisens (18 000 NOK/user/år), eller standalone (~2000 NOK/user/år)
## For arkitekten (Cosmo)
@ -420,7 +420,7 @@ workflow = (
|---------|------------|-------------|
| Kontrollnivåer | Verified | Direkte fra Microsoft Learn (Copilot Studio generative orchestration) |
| HITL mekanismer | Verified | Agent Framework docs + code samples |
| Guardrails | Verified | Azure AI Foundry docs |
| Guardrails | Verified | Microsoft Foundry docs |
| Graduated Autonomy Pattern | Baseline | Syntetisert fra best practices, ikke eksplisitt Microsoft pattern |
| Layered Orchestration | Verified | Agent Framework workflow docs |
| Independent Governance Agent | Verified | Responsible AI docs (coordinator agents) |

2
skills/ms-ai-engineering/references/agent-orchestration/agent-compliance-and-audit-trails.md
View file

@ -10,7 +10,7 @@
Compliance og revisjonsspor for AI-agenter er ikke lenger en "nice-to-have" -- det er et regulatorisk krav under EU AI Act, GDPR, og nasjonale regelverk som den norske Forvaltningsloven. Organisasjoner må dokumentere hva agenter gjør, hvilke data de aksesserer, hvilke beslutninger de tar, og hvordan disse beslutningene kan etterprøves. Uten strukturerte revisjonsspor risikerer virksomheter regulatoriske sanksjoner og tap av tillit.
Microsoft tilbyr en governance-stack for agentcompliance gjennom Azure AI Foundry Control Plane for unified agentsynlighet, Microsoft Purview Compliance Manager for regulatorisk mapping, Microsoft Entra Agent ID for identitets- og tilgangsstyring, Azure Monitor og Log Analytics for sentralisert logging, og Microsoft Agent 365 for enterprise-grade agentovervåking. Disse verktøyene til sammen sikrer at enhver agenthandling kan spores tilbake til en spesifikk brukerforespørsel, gjennom agentens resonnering, til det endelige resultatet.
Microsoft tilbyr en governance-stack for agentcompliance gjennom Microsoft Foundry Control Plane for unified agentsynlighet, Microsoft Purview Compliance Manager for regulatorisk mapping, Microsoft Entra Agent ID for identitets- og tilgangsstyring, Azure Monitor og Log Analytics for sentralisert logging, og Microsoft Agent 365 for enterprise-grade agentovervåking. Disse verktøyene til sammen sikrer at enhver agenthandling kan spores tilbake til en spesifikk brukerforespørsel, gjennom agentens resonnering, til det endelige resultatet.
For norsk offentlig sektor er kravene spesielt strenge: Forvaltningsloven krever dokumentasjon av saksbehandling, Arkivloven krever journalføring, Offentlighetsloven gir innsynsrett, og EU AI Act stiller krav til risikostyring og logging av høyrisiko AI-systemer.

8
skills/ms-ai-engineering/references/agent-orchestration/agent-cost-optimization-strategies.md
View file

@ -10,7 +10,7 @@
Kostnadsoptimalisering for agentsystemer er en strategisk nødvendighet ettersom organisasjoner skalerer fra pilot til produksjon. Agenter som involverer flere LLM-kall, RAG-retrievals og verktøyinvokasjoner kan generere betydelige kostnader -- en enkelt kompleks agentforespørsel kan involvere 3-5 modellkall med totalt 5000-20000 tokens. Uten bevisst kostnadsstyring eskalerer utgiftene raskt når brukervolum øker.
Microsoft tilbyr et komplett verktøysett for agentkostnadsoptimalisering: Azure AI Foundry Control Plane med Ask AI-agenten for kostnadsanalyse, Model Router for automatisk modellvalg basert på kvalitet/kostnad, APIM som AI Gateway for token rate limiting og kostnadsallokering, og tiered deployment-modeller (Standard, Provisioned, Global). Foundry-portalen gir direkte sammenligning av modeller med hensyn til både ytelse og kostnad.
Microsoft tilbyr et komplett verktøysett for agentkostnadsoptimalisering: Microsoft Foundry Control Plane med Ask AI-agenten for kostnadsanalyse, Model Router for automatisk modellvalg basert på kvalitet/kostnad, APIM som AI Gateway for token rate limiting og kostnadsallokering, og tiered deployment-modeller (Standard, Provisioned, Global). Foundry-portalen gir direkte sammenligning av modeller med hensyn til både ytelse og kostnad.
For norsk offentlig sektor er kostnadsbevissthet spesielt viktig gitt budsjettrammene i offentlige virksomheter. FinOps-prinsipper tilpasset AI -- med tagging, kostnadsallokering per enhet og budsjettvarslinger -- sikrer at AI-investeringer er sporbare og forsvarlge.
@ -41,7 +41,7 @@ For norsk offentlig sektor er kostnadsbevissthet spesielt viktig gitt budsjettra
### Model Router
```python
# Azure AI Foundry Model Router for automatisk modellvalg
# Microsoft Foundry Model Router for automatisk modellvalg
# Model Router velger dynamisk mellom modeller basert på oppgavekompleksitet
from openai import AzureOpenAI
@ -314,7 +314,7 @@ customEvents
## Foundry Control Plane Kostnadsoptimalisering
Azure AI Foundry Control Plane tilbyr innebygd kostnadsanalyse:
Microsoft Foundry Control Plane tilbyr innebygd kostnadsanalyse:
```
Ask AI agent dialog-eksempler:
@ -379,7 +379,7 @@ budget_alert_config = {
## For Cosmo
- **Model tiering er den viktigste optimaliseringen** -- bruk gpt-4.1-nano/mini for routing og klassifisering, og reserver gpt-4o for kompleks resonnering. Typisk 30-50% kostnadsreduksjon.
- **Model Router** i Azure AI Foundry er det enkleste tiltaket -- det ruter automatisk enkle forespørsler til billigere modeller uten kodeendringer.
- **Model Router** i Microsoft Foundry er det enkleste tiltaket -- det ruter automatisk enkle forespørsler til billigere modeller uten kodeendringer.
- **Token-optimalisering** gjennom komprimerte system prompts og riktige max_tokens-verdier har kumulativ effekt -- 20% tokenreduksjon over millioner av kall er betydelig.
- **Cost attribution med Azure tags** er obligatorisk for offentlig sektor -- spor kostnad per agent, per avdeling, per bruksområde for budsjettering og gevinstrealisering.
- **PTU-deployment** lønner seg typisk ved > 50K forespørsler/dag med stabil trafikk -- under dette er Standard med pay-per-token mer kostnadseffektivt.

12
skills/ms-ai-engineering/references/agent-orchestration/agent-evaluation-testing-frameworks.md
View file

@ -8,11 +8,11 @@
## Introduksjon
Agent-baserte AI-systemer representerer en ny kompleksitet i testing og validering sammenlignet med tradisjonelle deterministic workflows. Der en enkel LLM-applikasjon kun har én inngangspunkt og ett svar, har agenter multippel tool-calling, dynamisk reasoning, multi-turn samtaler, og ikke-deterministisk oppførsel. Microsoft tilbyr et komprehensivt evalueringsrammeverk gjennom Azure AI Evaluation SDK og Azure AI Foundry som håndterer både pre-deployment testing (batch evaluation) og post-deployment monitoring (continuous evaluation).
Agent-baserte AI-systemer representerer en ny kompleksitet i testing og validering sammenlignet med tradisjonelle deterministic workflows. Der en enkel LLM-applikasjon kun har én inngangspunkt og ett svar, har agenter multippel tool-calling, dynamisk reasoning, multi-turn samtaler, og ikke-deterministisk oppførsel. Microsoft tilbyr et komprehensivt evalueringsrammeverk gjennom Azure AI Evaluation SDK og Microsoft Foundry som håndterer både pre-deployment testing (batch evaluation) og post-deployment monitoring (continuous evaluation).
Evalueringsrammeverket støtter tre hovedtyper testing: **System Evaluation** (helhetsoppførsel til agenten), **Process Evaluation** (kvalitet på tool calls og reasoning steps), og **Safety Evaluation** (content safety, jailbreak-resistance, bias). Alle evaluators opererer som LLM judges (typisk GPT-4.1 eller o-series reasoning models) som gir både scores, pass/fail labels, og reasoning explanations.
Azure AI Foundry støtter både Foundry Agent Service (built-in agents), Semantic Kernel agents, og custom agents via OpenAI-style message schema. Evaluering kan kjøres lokalt på utviklermaskinen, i cloud for CI/CD-integrasjon, eller kontinuerlig i produksjon med sampling rates og Azure Monitor Application Insights-integrasjon.
Microsoft Foundry støtter både Foundry Agent Service (built-in agents), Semantic Kernel agents, og custom agents via OpenAI-style message schema. Evaluering kan kjøres lokalt på utviklermaskinen, i cloud for CI/CD-integrasjon, eller kontinuerlig i produksjon med sampling rates og Azure Monitor Application Insights-integrasjon.
## Kjernekomponenter
@ -84,7 +84,7 @@ Alle evaluators returnerer standardisert JSON:
**Ulemper:**
- Koster Azure OpenAI tokens (evaluator LLM calls)
- Krever Azure AI Foundry project setup
- Krever Microsoft Foundry project setup
**Eksempel (Python):**
@ -258,7 +258,7 @@ evaluator = TaskAdherenceEvaluator(
## Integrasjon med Microsoft-stakken
### Azure AI Foundry
### Microsoft Foundry
- **Evaluation wizard (UI):** No-code batch evaluation med built-in evaluators
- **Trace debugger:** Step-by-step agent execution trace koblet til evaluation scores
@ -360,7 +360,7 @@ results = mlflow.genai.evaluate(
| **Azure OpenAI judge model (gpt-4o)** | Pay-per-token (input + output) | ~200-500 NOK (avhengig av conversation length) |
| **Azure OpenAI judge model (o3-mini)** | Pay-per-token + reasoning tokens | ~500-1200 NOK (høyere pga. extended thinking) |
| **Application Insights** | Data ingestion + retention | ~50-100 NOK/måned (1M traces) |
| **Foundry storage** | Evaluation results + traces | Inkludert i Azure AI Foundry project (ingen ekstra cost) |
| **Foundry storage** | Evaluation results + traces | Inkludert i Microsoft Foundry project (ingen ekstra cost) |
### Cost optimization tips
@ -387,7 +387,7 @@ results = mlflow.genai.evaluate(
| Komponent | Lisens | Krav |
|-----------|--------|------|
| **Azure AI Evaluation SDK** | MIT License (open-source) | Ingen |
| **Azure AI Foundry** | Inkludert i Azure subscription | Azure subscription |
| **Microsoft Foundry** | Inkludert i Azure subscription | Azure subscription |
| **Azure OpenAI** | Pay-as-you-go (per token) | Azure OpenAI access (申请 required) |
| **Application Insights** | Pay-as-you-go (per GB ingested) | Azure subscription |

16
skills/ms-ai-engineering/references/agent-orchestration/agent-feedback-and-learning-loops.md
View file

@ -10,7 +10,7 @@
AI-agenter i produksjon er ikke statiske systemer -- de krever kontinuerlig forbedring basert på reell brukerinteraksjon og ytelsesdata. Feedback-loops er mekanismene som fanger opp signaler fra brukere, evaluatorer og systemmetrikker, og kanaliserer disse tilbake til agentens konfigurasjon, prompts og underliggende modeller. Uten strukturerte feedback-loops degraderer agentytelse over tid ettersom brukerforventninger, datakilder og forretningsregler endres.
Microsoft tilbyr en integrert plattform for kontinuerlig evaluering og forbedring av agenter gjennom Azure AI Foundry, Application Insights og Semantic Kernel. Foundry-plattformen støtter automatisert kvalitetsevaluering i produksjon med innebygde evaluatorer for relevans, koherens og sikkerhet. Kombinert med eksplisitt brukerfeedback (thumbs up/down) og implisitte signaler (avbrutte samtaler, oppfølgingsspørsmål) skaper dette en lukket forbedringssyklus.
Microsoft tilbyr en integrert plattform for kontinuerlig evaluering og forbedring av agenter gjennom Microsoft Foundry, Application Insights og Semantic Kernel. Foundry-plattformen støtter automatisert kvalitetsevaluering i produksjon med innebygde evaluatorer for relevans, koherens og sikkerhet. Kombinert med eksplisitt brukerfeedback (thumbs up/down) og implisitte signaler (avbrutte samtaler, oppfølgingsspørsmål) skaper dette en lukket forbedringssyklus.
For norsk offentlig sektor er feedback-loops kritisk for å sikre at AI-agenter forblir i tråd med Forvaltningslovens krav til forsvarlig saksbehandling og Digitaliseringsdirektoratets prinsipper for ansvarlig AI. Systematisk innsamling av tilbakemeldinger dokumenterer også at organisasjonen aktivt overvåker og forbedrer sine AI-systemer -- et krav under EU AI Act.
@ -18,10 +18,10 @@ For norsk offentlig sektor er feedback-loops kritisk for å sikre at AI-agenter
| Komponent | Formål | Teknologi |
|-----------|--------|-----------|
| Continuous Evaluation | Automatisk kvalitetsmåling i produksjon | Azure AI Foundry Evaluators |
| Continuous Evaluation | Automatisk kvalitetsmåling i produksjon | Microsoft Foundry Evaluators |
| User Feedback Collection | Eksplisitt og implisitt tilbakemelding | Application Insights, custom telemetry |
| Agent Monitoring | Ytelsesovervåking og drift-deteksjon | Azure Monitor, Foundry Control Plane |
| Evaluation Catalog | Sentralisert evaluatorbibliotek | Azure AI Foundry evaluator catalog |
| Evaluation Catalog | Sentralisert evaluatorbibliotek | Microsoft Foundry evaluator catalog |
| Reward Modeling | Scoring av agentresponser for forbedring | Custom evaluators, RLHF-pipelines |
| Retraining Pipeline | Automatisert modelloppgradering | Azure ML Pipelines, MLflow |
@ -29,7 +29,7 @@ For norsk offentlig sektor er feedback-loops kritisk for å sikre at AI-agenter
### Eksplisitt feedback
Eksplisitt feedback er direkte brukerhandlinger som thumbs up/down, rating-skalaer eller fritekstkommentarer. Azure AI Foundry og Copilot Studio har innebygd støtte for å samle denne typen data.
Eksplisitt feedback er direkte brukerhandlinger som thumbs up/down, rating-skalaer eller fritekstkommentarer. Microsoft Foundry og Copilot Studio har innebygd støtte for å samle denne typen data.
```python
# Logge brukerfeedback til MLflow med trace_id
@ -68,9 +68,9 @@ Implisitte signaler fanges opp uten eksplisitt brukerhandling:
# 3. Definer egendefinerte metrikker i analytics-dashboardet
```
## Continuous Evaluation med Azure AI Foundry
## Continuous Evaluation med Microsoft Foundry
Azure AI Foundry tilbyr automatisert kvalitetsevaluering av agenter i produksjon. Evaluatorer kjører kontinuerlig mot produksjonstrafikk og rapporterer resultater til Application Insights.
Microsoft Foundry tilbyr automatisert kvalitetsevaluering av agenter i produksjon. Evaluatorer kjører kontinuerlig mot produksjonstrafikk og rapporterer resultater til Application Insights.
```python
from azure.ai.projects import AIProjectClient
@ -125,7 +125,7 @@ project_client.evaluation.create_agent_evaluation(
### Foundry Control Plane
Azure AI Foundry Control Plane gir unified oversikt over agentflåten:
Microsoft Foundry Control Plane gir unified oversikt over agentflåten:
```python
# Overvåk agentytelse via Azure Monitor
@ -304,7 +304,7 @@ class RAGFeedbackCollector:
## For Cosmo
- **Continuous evaluation er ikke valgfritt** -- det er en forutsetning for produksjonsdeployment. Implementer Azure AI Foundry evaluatorer fra dag 1 med sampling tilpasset risikoprofilen.
- **Continuous evaluation er ikke valgfritt** -- det er en forutsetning for produksjonsdeployment. Implementer Microsoft Foundry evaluatorer fra dag 1 med sampling tilpasset risikoprofilen.
- **Closed-loop feedback** er gullstandarden: identifiser problemer via monitoring, diagnostiser med MLflow traces, forbedre prompts/RAG, valider med evalueringssett, og deploy gradvis.
- **Drift-deteksjon** er spesielt viktig for agenter som bruker RAG -- kunnskapsbaser blir utdaterte, og groundedness-score er den beste indikatoren på dette.
- **Norsk offentlig sektor** krever at feedback-systemer respekterer GDPR og arkivloven -- anonymiser brukerdata og sett klare retensjonspolicies.

4
skills/ms-ai-engineering/references/agent-orchestration/agent-memory-and-context-management.md
View file

@ -480,7 +480,7 @@ Gir data lineage tracking og governance-enforcement.
https://learn.microsoft.com/en-us/agent-framework/tutorials/agents/multi-turn-conversation
Confidence: ✅ Verified (AgentSession for state management)
7. **Azure AI Foundry Agent Service Context Layer**
7. **Foundry Agent Service Context Layer**
https://learn.microsoft.com/en-us/azure/cloud-adoption-framework/ai-agents/build-secure-process
Confidence: ✅ Verified (Hierarchical memory: knowledge, long-term, short-term)
@ -494,7 +494,7 @@ Gir data lineage tracking og governance-enforcement.
|---------|-----------|-------|
| Memory-typer | ✅ Verified | Microsoft Learn docs (Foundry, SK, Agent Framework) |
| Arkitekturmønstre | ✅ Verified | Code samples fra microsoft-learn MCP |
| Foundry Managed Memory | ✅ Verified | Azure AI Foundry Memory docs (preview disclaimer inkludert) |
| Foundry Managed Memory | ✅ Verified | Microsoft Foundry Memory docs (preview disclaimer inkludert) |
| Cosmos DB Chat History | ✅ Verified | Agent Framework integrations, Azure Copilot BYOS |
| Vector Store deprecation | ✅ Verified | Semantic Kernel Memory Stores migration guide |
| Offentlig sektor compliance | 🟡 Baseline | GDPR/AI Act krav (established), Foundry Memory region-support TBD |

10
skills/ms-ai-engineering/references/agent-orchestration/agent-monitoring-observability.md
View file

@ -10,15 +10,15 @@
Observability for agentsystemer går utover tradisjonell applikasjonsovervåking. Agenter opererer probabilistisk, tar dynamiske beslutninger, og produserer ulike outputs for identiske inputs. Denne ikke-deterministiske naturen krever spesialiserte overvåkingsverktøy som fanger ikke bare ytelsesmetrikker, men også beslutningsprosesser, verktøybruk, prompt-respons-par og evalueringskvalitet.
Microsoft tilbyr en komplett observability-stack for agenter gjennom Azure AI Foundry Tracing, Application Insights, Azure Monitor og Microsoft Agent 365. Foundry-plattformen integrerer OpenTelemetry-basert tracing med AI-spesifikke semantiske konvensjoner, slik at hvert LLM-kall, tool-invokasjon og orkestreringsbeslutning fanges som spans i en distribuert trace.
Microsoft tilbyr en komplett observability-stack for agenter gjennom Microsoft Foundry Tracing, Application Insights, Azure Monitor og Microsoft Agent 365. Foundry-plattformen integrerer OpenTelemetry-basert tracing med AI-spesifikke semantiske konvensjoner, slik at hvert LLM-kall, tool-invokasjon og orkestreringsbeslutning fanges som spans i en distribuert trace.
Agent 365 er Microsofts unified plattform for agentobservability på tvers av Copilot Studio, Azure AI Foundry og tredjepartsruntimes. Den gir enterprise-grade governance med sikkerhet, compliance og business impact-metrikker for hele agentflåten.
Agent 365 er Microsofts unified plattform for agentobservability på tvers av Copilot Studio, Microsoft Foundry og tredjepartsruntimes. Den gir enterprise-grade governance med sikkerhet, compliance og business impact-metrikker for hele agentflåten.
## Kjernekomponenter
| Komponent | Formål | Teknologi |
|-----------|--------|-----------|
| Distributed Tracing | Capture full request lifecycle | OpenTelemetry, Azure AI Foundry Tracing |
| Distributed Tracing | Capture full request lifecycle | OpenTelemetry, Microsoft Foundry Tracing |
| Agent Event Logging | Logg agentbeslutninger og handlinger | Application Insights, Log Analytics |
| Performance Profiling | Identifiser flaskehalser | Azure Monitor Metrics, custom spans |
| Error Categorization | Klassifiser og prioriter feil | Azure Monitor Alerts, Sentinel |
@ -27,7 +27,7 @@ Agent 365 er Microsofts unified plattform for agentobservability på tvers av Co
## Distributed Tracing for Agents
### OpenTelemetry-basert tracing med Azure AI Foundry
### OpenTelemetry-basert tracing med Microsoft Foundry
```python
from azure.ai.projects import AIProjectClient
@ -248,7 +248,7 @@ class AgentErrorClassifier:
## Debugging Tools
### Azure AI Foundry Portal
### Microsoft Foundry Portal
Foundry-portalen gir visuell trace-inspeksjon:

4
skills/ms-ai-engineering/references/agent-orchestration/agent-to-agent-a2a-protocol.md
View file

@ -12,7 +12,7 @@ Agent2Agent (A2A) er en åpen standardprotokoll for kommunikasjon og samarbeid m
Kjerneproblemet A2A løser: Agenter er typisk siloer — en agent bygget med Semantic Kernel, en annen med LangChain, en tredje hos en ekstern partner. Uten en felles protokoll kan de ikke kommunisere. A2A gir dem et felles språk: standardisert discovery, meldingsformat, oppgavelivssyklus og sikkerhet — uavhengig av plattform.
Microsoft har implementert A2A-støtte i **Azure AI Foundry Agent Service**, **Copilot Studio**, **Semantic Kernel** og **Teams AI Library**. Azure API Management kan frontes som A2A-gateway med governance og observability.
Microsoft har implementert A2A-støtte i **Foundry Agent Service**, **Copilot Studio**, **Semantic Kernel** og **Teams AI Library**. Azure API Management kan frontes som A2A-gateway med governance og observability.
### Historikk og governance
@ -245,7 +245,7 @@ Valg av protokoll:
## Microsoft-implementasjoner
### Azure AI Foundry Agent Service
### Foundry Agent Service
Foundry støtter A2A som et "tool" agenten kan bruke for å kalle eksterne A2A-endepunkter.

2
skills/ms-ai-engineering/references/agent-orchestration/agent-to-agent-communication.md
View file

@ -295,7 +295,7 @@ GroupChatOrchestration orchestration = new([agent1, agent2, a2aAgent]);
await orchestration.InvokeAsync("Collaborate on this task");
```
### Azure AI Foundry
### Microsoft Foundry
```csharp
// A2A Tool i Foundry agent

4
skills/ms-ai-engineering/references/agent-orchestration/autonomous-workflow-automation-patterns.md
View file

@ -382,9 +382,9 @@ def research_workflow(context: df.DurableOrchestrationContext):
- Fault-tolerant (agenter kan feile og retryes)
- Observerbar (full history i Durable Functions)
### Azure AI Foundry-integrasjon
### Microsoft Foundry-integrasjon
Durable Functions kan orkestrere Azure AI Foundry-tjenester:
Durable Functions kan orkestrere Microsoft Foundry-tjenester:
- **Prompt Flow deployments** (via REST API fra activity functions)
- **Model endpoints** (Azure OpenAI, custom models)
- **Vector stores** (Azure AI Search for RAG-workflows)

10
skills/ms-ai-engineering/references/agent-orchestration/computer-using-agents-cua.md
View file

@ -11,7 +11,7 @@
Computer-Using Agents (CUA) er en ny klasse AI-agenter som automatiserer oppgaver ved å **se på skjermbilder og betjene mus og tastatur** — akkurat som et menneske. I motsetning til tradisjonell automatisering, der agenten kaller API-er eller bruker forhåndsskrevne skript, kan CUA operere på *ethvert* system med et grafisk grensesnitt (GUI), inkludert legacysystemer uten API-støtte.
Microsoft tilbyr CUA gjennom to primære plattformer:
- **Azure AI Foundry Agent Service** — `computer-use-preview`-modellen via Azure OpenAI (preview sep 2025)
- **Foundry Agent Service** — `computer-use-preview`-modellen via Azure OpenAI (preview sep 2025)
- **Copilot Studio** — Computer Use som verktøy i agenter (public preview 2025-05-27, GA 2026-05-07)
Den kritiske verdien: **Dersom et menneske kan bruke et program, kan CUA gjøre det samme** — uten kodeendringer i målsystemet.
@ -147,7 +147,7 @@ Copilot Studio har innebygd **Human Supervision**: CUA-agenten kan eskalere til
---
## Azure AI Foundry Agent Service
## Foundry Agent Service
Foundry Agent Service gir CUA via `computer-use-preview`-modellen:
@ -327,7 +327,7 @@ Copilot Studio — preferert rekkefølge:
| Plattform | Status | Tilgjengelig |
|-----------|--------|--------------|
| **Azure AI Foundry Agent Service** | Public Preview | Sep 2025 |
| **Foundry Agent Service** | Public Preview | Sep 2025 |
| **Azure OpenAI (direkte)** | Public Preview | Sep 2025 |
| **Copilot Studio** | Public Preview | 2025-05-27 |
| **Copilot Studio** | GA | 2026-05-07 |
@ -466,7 +466,7 @@ Power Automate Cloud Flow (orkestrator)
*Estimat basert på Copilot Credits à 0,075 NOK (veiledende). Premiummodell (Claude Opus 4.6) bruker 15 credits/steg — 3× kreditt-kostnaden over.
### Azure AI Foundry Agent Service
### Foundry Agent Service
Kostnader basert på:
- **`computer-use-preview`-modell**: Token-forbruk (input = skjermbilder er store)
@ -507,7 +507,7 @@ Kostnader basert på:
- https://learn.microsoft.com/power-platform/release-plan/2025wave1/microsoft-copilot-studio/automate-web-desktop-apps-computer-use
- Confidence: **Verified** (public preview 2025-05-27, GA 2026-05-07 bekreftet; verifisert MCP 2026-06-19)
8. **Announcing Computer Use tool (Preview) in Azure AI Foundry Agent Service**
8. **Announcing Computer Use tool (Preview) in Foundry Agent Service**
- https://devblogs.microsoft.com/foundry/announcing-computer-use-tool-preview-in-azure-ai-foundry-agent-service/
- Confidence: **Verified** (Microsoft Dev Blog, sep 2025)

4
skills/ms-ai-engineering/references/agent-orchestration/foundry-agent-service-ga.md
View file

@ -1,4 +1,4 @@
# Azure AI Foundry Agent Service (GA)
# Foundry Agent Service (GA)
**Last updated:** 2026-06-18 (currency-verifisert mot Learn)
**Status:** GA — **ny agent-modell** (Prompt agents GA + Hosted agents preview)
@ -17,7 +17,7 @@
## Introduksjon
Azure AI Foundry Agent Service er Microsofts fullt administrerte runtime for å bygge, deploye og skalere AI-agenter i produksjon. Tjenesten nådde General Availability (GA) 19. mai 2025 og er nå kjernen i Microsoft Foundry-plattformen.
Foundry Agent Service er Microsofts fullt administrerte runtime for å bygge, deploye og skalere AI-agenter i produksjon. Tjenesten nådde General Availability (GA) 19. mai 2025 og er nå kjernen i Microsoft Foundry-plattformen.
I stedet for å bygge én monolittisk agent som kan alt, lar Foundry Agent Service deg komponere spesialiserte agenter som samarbeider i strukturerte, langvarige workflows. Tjenesten håndterer infrastruktur, state management, sikkerhet og observability — slik at utviklere kan fokusere på forretningslogikk.

2
skills/ms-ai-engineering/references/agent-orchestration/foundry-workflows-visual-orchestration.md
View file

@ -8,7 +8,7 @@
## Introduksjon
Foundry Workflows er den visuelle orkestreringsdesigneren i Microsoft Foundry (Azure AI Foundry) for å bygge, teste og deploye multi-agent-prosesser uten å skrive orkestreringslogikk for hånd. Annonsert i Public Preview på Microsoft Ignite november 2025, er Workflows bygget på toppen av **Microsoft Agent Framework** og tilbyr en drag-and-drop-kanvas kombinert med YAML-definisjon for team som vil ha en visuell designopplevelse med pro-code-flukt.
Foundry Workflows er den visuelle orkestreringsdesigneren i Microsoft Foundry (Microsoft Foundry) for å bygge, teste og deploye multi-agent-prosesser uten å skrive orkestreringslogikk for hånd. Annonsert i Public Preview på Microsoft Ignite november 2025, er Workflows bygget på toppen av **Microsoft Agent Framework** og tilbyr en drag-and-drop-kanvas kombinert med YAML-definisjon for team som vil ha en visuell designopplevelse med pro-code-flukt.
Den kritiske innsikten er at Foundry Workflows løser et annet problem enn enkelt-agenter: der én agent håndterer ett fokusert problem, koordinerer en Workflow flere spesialiserte agenter, branching-logikk, datatransformasjoner og menneskelige godkjenningstrinn i en **repeterbar, versjonert og observerbar prosess**. Dette er produksjonsnivå-automatisering — ikke prototyping.

2
skills/ms-ai-engineering/references/agent-orchestration/multi-agent-orchestration-patterns.md
View file

@ -553,7 +553,7 @@ scope.RecordOutputMessages(new[] { output });
- Copilot Studio Agents: Included in Power Apps per-user plan, Microsoft 365 Copilot (messages/day limits)
**Foundry Agent Service:**
- Azure AI Foundry: Pay-per-use pricing (model API calls + hosting)
- Microsoft Foundry: Pay-per-use pricing (model API calls + hosting)
- Connected Agents (classic, deprecated 2027-03-31 → Workflows + A2A): Workflow orchestration, pay-per-invocation
**Estimat (eksempel):**

8
skills/ms-ai-engineering/references/agent-orchestration/semantic-kernel-agents-implementation.md
View file

@ -105,7 +105,7 @@ async for message in agent.invoke(user_message, thread):
Microsoft Agent Framework bygger på Semantic Kernel og tilbyr:
- **Multi-agent orchestration**: Sequential, Concurrent, Group Chat, Handoff, Magentic
- **Cloud/provider flexibility**: Cloud-agnostisk (containers, on-prem, multi-cloud) og provider-agnostisk (OpenAI, Azure AI Foundry)
- **Cloud/provider flexibility**: Cloud-agnostisk (containers, on-prem, multi-cloud) og provider-agnostisk (OpenAI, Microsoft Foundry)
- **Enterprise features**: OpenTelemetry, Microsoft Entra, Responsible AI (prompt injection protection, task adherence monitoring)
- **Standards-based interoperability**: A2A protocol, Model Context Protocol (MCP)
@ -270,9 +270,9 @@ Trenger du OpenAI Assistants API features (code interpreter, retrieval)?
## Integrasjon med Microsoft-stacken
### Azure AI Foundry
### Microsoft Foundry
Semantic Kernel-agenter kan bruke Azure AI Foundry-deployments via Azure OpenAI connector:
Semantic Kernel-agenter kan bruke Microsoft Foundry-deployments via Azure OpenAI connector:
```csharp
builder.AddAzureOpenAIChatCompletion(
@ -448,7 +448,7 @@ Kernel agentKernel = sharedKernel.Clone(); // Rebruk AI service connections
- Bruk **Magentic orchestration** med human-in-the-loop for komplekse workflows
- Implementer **Microsoft Agent Framework** for enterprise features (Entra, observability)
- Bygg custom managers for spesialiserte orchestration patterns
- Integrer med Azure AI Foundry evaluations for kvalitetstesting av agenter
- Integrer med Microsoft Foundry evaluations for kvalitetstesting av agenter
**Enterprise** (large-scale deployment):
- Vurder **Microsoft Agent Framework** over Semantic Kernel for standardized observability

2
skills/ms-ai-engineering/references/agent-orchestration/tool-use-and-function-calling-patterns.md
View file

@ -399,7 +399,7 @@ def update_citizen_record(ssn: str, field: str, value: str) -> str:
| **Azure OpenAI** | Function calling | Azure-abonnement + OpenAI deployment |
| **Semantic Kernel** | Plugins, auto-invocation | Open source (MIT), krever AI-modell |
| **Agent Framework** | ChatAgent, tools | Open source, krever AI-modell |
| **Foundry Agent Service** | Managed agents, built-in tools | Azure AI Foundry-lisens |
| **Foundry Agent Service** | Managed agents, built-in tools | Microsoft Foundry-lisens |
| **Copilot Studio** | Actions, Plugins | Power Apps/Power Automate Premium eller Copilot Studio-lisens |
**Kostnadsestimat (NOK, Azure OpenAI gpt-4o):**