feat(ms-ai-architect): Spor 1 — Port-1-substrat migrert på 4 ikke-advisor-skills (243 Source + 327 Type + 325 TOC + stale-verified poison fjernet) [skip-docs]
Steg 9 (R4): unified migrate-corpus.mjs --write over engineering/governance/ infrastructure/security. 327 filer mutert, verified=null, prosa byte-identisk (fra første ## seksjon), advisor urørt (0 endringer). To applier-fixes oppdaget under kjøring (TDD, RED→GREEN): - insertHeaderFields: anker faller nå tilbake når en meta-linje selv passerer 500B (2 filer pakket et avsnitt i **Status:** → Type/Source landet utenfor scan-vinduet, applierens post-write-assertion fanget + restaurerte). - normalizeStaleVerified: fjerner nå ALLE stale non-date **Verified:** i 500B-vinduet, inkl. stray body-dup rett under --- (9 mlops-genaiops-filer var ellers falskt "verified"/fresh, droppet fra worklist). Operatør-godkjent utvidelse av carve-out; kun stray metadata-linjer, aldri prosa. test-transform-criterion: precondition oppdatert til post-migrasjons-sannhet (fila bærer nå Source). Suite 728/728 grønn.
This commit is contained in:
parent
ed92d65385
commit
ddce43d8b2
330 changed files with 4643 additions and 83 deletions
|
|
@ -3,9 +3,23 @@
|
|||
**Last updated:** 2026-06-18
|
||||
**Status:** GA (1. mai 2026)
|
||||
**Category:** Agent Orchestration & Automation
|
||||
**Type:** reference
|
||||
**Source:** https://learn.microsoft.com/copilot/microsoft-365/agent-essentials/m365-agents-blueprint
|
||||
|
||||
---
|
||||
|
||||
## Innhold
|
||||
|
||||
- [Introduksjon](#introduksjon)
|
||||
- [Kjernekomponenter](#kjernekomponenter)
|
||||
- [Arkitekturmønstre](#arkitekturmønstre)
|
||||
- [Beslutningsveiledning](#beslutningsveiledning)
|
||||
- [Integrasjon med Microsoft-stakken](#integrasjon-med-microsoft-stakken)
|
||||
- [Offentlig sektor (Norge)](#offentlig-sektor-norge)
|
||||
- [Kostnad og lisensiering](#kostnad-og-lisensiering)
|
||||
- [For arkitekten (Cosmo)](#for-arkitekten-cosmo)
|
||||
- [Kilder og verifisering](#kilder-og-verifisering)
|
||||
|
||||
## Introduksjon
|
||||
|
||||
Microsoft Agent 365 er Microsofts enterprise control plane for AI-agenter på tvers av hele Microsoft 365-økosystemet. Plattformen gir IT-administratorer sentralisert kontroll over agent-identitet, livssyklusstyring, sikkerhet og compliance for agenter bygget med Copilot Studio, Agent Builder, SharePoint eller Microsoft Agent Framework.
|
||||
|
|
|
|||
|
|
@ -3,9 +3,23 @@
|
|||
**Last updated:** 2026-06-24 | Verified: MCP 2026-06-24
|
||||
**Status:** GA
|
||||
**Category:** Agent Orchestration & Automation
|
||||
**Type:** reference
|
||||
**Source:** https://learn.microsoft.com/azure/foundry/guardrails/guardrails-overview
|
||||
|
||||
---
|
||||
|
||||
## Innhold
|
||||
|
||||
- [Introduksjon](#introduksjon)
|
||||
- [Kjernekomponenter](#kjernekomponenter)
|
||||
- [Arkitekturmønstre](#arkitekturmønstre)
|
||||
- [Beslutningsveiledning](#beslutningsveiledning)
|
||||
- [Integrasjon med Microsoft-stakken](#integrasjon-med-microsoft-stakken)
|
||||
- [Offentlig sektor (Norge)](#offentlig-sektor-norge)
|
||||
- [Kostnad og lisensiering](#kostnad-og-lisensiering)
|
||||
- [For arkitekten (Cosmo)](#for-arkitekten-cosmo)
|
||||
- [Kilder og verifisering](#kilder-og-verifisering)
|
||||
|
||||
## Introduksjon
|
||||
|
||||
Autonome AI-agenter representerer et paradigmeskifte fra deterministisk programvarelogikk til probabilistisk beslutningstaking. Når agenter får tilgang til eksterne systemer, kan modifisere data, og tar selvstendige beslutninger, introduseres operasjonelle risikoer som krever nye styringsmekanismer. Et robust governance framework balanserer autonomi mot kontroll — det lar agenter operere effektivt innenfor definerte sikkerhetssoner samtidig som kritiske handlinger undergis menneskelig godkjenning.
|
||||
|
|
|
|||
|
|
@ -3,9 +3,23 @@
|
|||
**Last updated:** 2026-02
|
||||
**Status:** GA
|
||||
**Category:** Agent Orchestration & Automation
|
||||
**Type:** reference
|
||||
|
||||
---
|
||||
|
||||
## Innhold
|
||||
|
||||
- [Introduksjon](#introduksjon)
|
||||
- [Kjernekomponenter](#kjernekomponenter)
|
||||
- [Action Audit Logging](#action-audit-logging)
|
||||
- [Decision Trail Documentation](#decision-trail-documentation)
|
||||
- [Retention Policies](#retention-policies)
|
||||
- [Regulatory Alignment](#regulatory-alignment)
|
||||
- [Compliance Reporting](#compliance-reporting)
|
||||
- [Norsk offentlig sektor](#norsk-offentlig-sektor)
|
||||
- [Beslutningsrammeverk](#beslutningsrammeverk)
|
||||
- [For Cosmo](#for-cosmo)
|
||||
|
||||
## Introduksjon
|
||||
|
||||
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.
|
||||
|
|
|
|||
|
|
@ -3,9 +3,24 @@
|
|||
**Last updated:** 2026-02
|
||||
**Status:** GA
|
||||
**Category:** Agent Orchestration & Automation
|
||||
**Type:** reference
|
||||
|
||||
---
|
||||
|
||||
## Innhold
|
||||
|
||||
- [Introduksjon](#introduksjon)
|
||||
- [Kjernekomponenter](#kjernekomponenter)
|
||||
- [Model Selection per Task](#model-selection-per-task)
|
||||
- [Token Optimization for Agents](#token-optimization-for-agents)
|
||||
- [Request Deduplication](#request-deduplication)
|
||||
- [Resource Pooling](#resource-pooling)
|
||||
- [Cost Attribution per Agent](#cost-attribution-per-agent)
|
||||
- [Foundry Control Plane Kostnadsoptimalisering](#foundry-control-plane-kostnadsoptimalisering)
|
||||
- [Norsk offentlig sektor](#norsk-offentlig-sektor)
|
||||
- [Beslutningsrammeverk](#beslutningsrammeverk)
|
||||
- [For Cosmo](#for-cosmo)
|
||||
|
||||
## Introduksjon
|
||||
|
||||
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.
|
||||
|
|
|
|||
|
|
@ -3,9 +3,24 @@
|
|||
**Last updated:** 2026-02
|
||||
**Status:** GA
|
||||
**Category:** Agent Orchestration & Automation
|
||||
**Type:** reference
|
||||
|
||||
---
|
||||
|
||||
## Innhold
|
||||
|
||||
- [Introduksjon](#introduksjon)
|
||||
- [Kjernekomponenter](#kjernekomponenter)
|
||||
- [Plugin Discovery Mechanisms](#plugin-discovery-mechanisms)
|
||||
- [Capability Advertisement](#capability-advertisement)
|
||||
- [Dependency Management](#dependency-management)
|
||||
- [Version Compatibility](#version-compatibility)
|
||||
- [Distribution Patterns](#distribution-patterns)
|
||||
- [Governance for Agent Ecosystems](#governance-for-agent-ecosystems)
|
||||
- [Norsk offentlig sektor](#norsk-offentlig-sektor)
|
||||
- [Beslutningsrammeverk](#beslutningsrammeverk)
|
||||
- [For Cosmo](#for-cosmo)
|
||||
|
||||
## Introduksjon
|
||||
|
||||
AI-agentøkosystemer representerer en paradigme-endring fra isolerte AI-løsninger til sammenkoblede plattformer der agenter, plugins og tredjepartsintegrasjoner kan oppdages, distribueres og kombineres dynamisk. Microsoft 365 Copilot-økosystemet er det mest modne eksemplet, med en unified app-modell der agenter er apps som distribueres gjennom Microsoft 365 admin center, sideloades for testing, eller publiseres i Microsoft Commercial Marketplace.
|
||||
|
|
|
|||
|
|
@ -3,9 +3,23 @@
|
|||
**Last updated:** 2026-06-24 | Verified: MCP 2026-06
|
||||
**Status:** GA (Azure AI Evaluation SDK), Preview (Agent-specific evaluators)
|
||||
**Category:** Agent Orchestration & Automation
|
||||
**Type:** reference
|
||||
**Source:** https://learn.microsoft.com/azure/foundry/concepts/observability
|
||||
|
||||
---
|
||||
|
||||
## Innhold
|
||||
|
||||
- [Introduksjon](#introduksjon)
|
||||
- [Kjernekomponenter](#kjernekomponenter)
|
||||
- [Arkitekturmønstre](#arkitekturmønstre)
|
||||
- [Beslutningsveiledning](#beslutningsveiledning)
|
||||
- [Integrasjon med Microsoft-stakken](#integrasjon-med-microsoft-stakken)
|
||||
- [Offentlig sektor (Norge)](#offentlig-sektor-norge)
|
||||
- [Kostnad og lisensiering](#kostnad-og-lisensiering)
|
||||
- [For arkitekten (Cosmo)](#for-arkitekten-cosmo)
|
||||
- [Kilder og verifisering](#kilder-og-verifisering)
|
||||
|
||||
## 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 Microsoft Foundry som håndterer både pre-deployment testing (batch evaluation) og post-deployment monitoring (continuous evaluation).
|
||||
|
|
|
|||
|
|
@ -3,9 +3,23 @@
|
|||
**Last updated:** 2026-02
|
||||
**Status:** GA / Preview (continuous evaluation)
|
||||
**Category:** Agent Orchestration & Automation
|
||||
**Type:** reference
|
||||
|
||||
---
|
||||
|
||||
## Innhold
|
||||
|
||||
- [Introduksjon](#introduksjon)
|
||||
- [Kjernekomponenter](#kjernekomponenter)
|
||||
- [Human Feedback Collection](#human-feedback-collection)
|
||||
- [Continuous Evaluation med Microsoft Foundry](#continuous-evaluation-med-microsoft-foundry)
|
||||
- [Performance Monitoring og Drift-deteksjon](#performance-monitoring-og-drift-deteksjon)
|
||||
- [Retraining og Continuous Improvement](#retraining-og-continuous-improvement)
|
||||
- [Implementeringsmønstre](#implementeringsmønstre)
|
||||
- [Norsk offentlig sektor](#norsk-offentlig-sektor)
|
||||
- [Beslutningsrammeverk](#beslutningsrammeverk)
|
||||
- [For Cosmo](#for-cosmo)
|
||||
|
||||
## Introduksjon
|
||||
|
||||
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.
|
||||
|
|
|
|||
|
|
@ -3,9 +3,25 @@
|
|||
**Last updated:** 2026-02
|
||||
**Status:** GA
|
||||
**Category:** Agent Orchestration & Automation
|
||||
**Type:** reference
|
||||
|
||||
---
|
||||
|
||||
## Innhold
|
||||
|
||||
- [Introduksjon](#introduksjon)
|
||||
- [Kjernekomponenter](#kjernekomponenter)
|
||||
- [Latency-anatomi for agentsystemer](#latency-anatomi-for-agentsystemer)
|
||||
- [Response Streaming](#response-streaming)
|
||||
- [Request Batching](#request-batching)
|
||||
- [Prefetching Strategies](#prefetching-strategies)
|
||||
- [Semantic Caching med APIM](#semantic-caching-med-apim)
|
||||
- [Async-Awaitable Patterns](#async-awaitable-patterns)
|
||||
- [Model Selection for Latency](#model-selection-for-latency)
|
||||
- [Norsk offentlig sektor](#norsk-offentlig-sektor)
|
||||
- [Beslutningsrammeverk](#beslutningsrammeverk)
|
||||
- [For Cosmo](#for-cosmo)
|
||||
|
||||
## Introduksjon
|
||||
|
||||
Responstid er en kritisk kvalitetsfaktor for AI-agenter. Brukere forventer sub-sekund initial respons og fullstendige svar innen få sekunder. I multi-agent-systemer akkumuleres latency gjennom hver orkestreringsbeslutning, modellkall, verktøyinvokasjon og data-retrieval. Uten bevisst optimalisering kan en agent som involverer 3-4 LLM-kall raskt nå 15-30 sekunders total responstid, noe som er uakseptabelt for interaktive scenarier.
|
||||
|
|
|
|||
|
|
@ -3,9 +3,23 @@
|
|||
**Last updated:** 2026-06-24 | Verified: MCP 2026-06
|
||||
**Status:** GA (Managed Memory in Foundry Agent Service: Preview)
|
||||
**Category:** Agent Orchestration & Automation
|
||||
**Type:** reference
|
||||
**Source:** https://learn.microsoft.com/azure/foundry/agents/concepts/what-is-memory
|
||||
|
||||
---
|
||||
|
||||
## Innhold
|
||||
|
||||
- [Introduksjon](#introduksjon)
|
||||
- [Kjernekomponenter](#kjernekomponenter)
|
||||
- [Arkitekturmønstre](#arkitekturmønstre)
|
||||
- [Beslutningsveiledning](#beslutningsveiledning)
|
||||
- [Integrasjon med Microsoft-stakken](#integrasjon-med-microsoft-stakken)
|
||||
- [Offentlig sektor (Norge)](#offentlig-sektor-norge)
|
||||
- [Kostnad og lisensiering](#kostnad-og-lisensiering)
|
||||
- [For arkitekten (Cosmo)](#for-arkitekten-cosmo)
|
||||
- [Kilder og verifisering](#kilder-og-verifisering)
|
||||
|
||||
## Introduksjon
|
||||
|
||||
Agent memory og context management er grunnleggende for å bygge AI-agenter som leverer personaliserte, kontekstbevisste opplevelser over tid. Uten minnehåndtering er alle Large Language Models (LLMs) stateless — hver interaksjon starter fra blanke ark, uten kjennskap til tidligere samtaler eller brukerpreferanser.
|
||||
|
|
|
|||
|
|
@ -3,9 +3,24 @@
|
|||
**Last updated:** 2026-02
|
||||
**Status:** GA / Preview (Agent 365)
|
||||
**Category:** Agent Orchestration & Automation
|
||||
**Type:** reference
|
||||
|
||||
---
|
||||
|
||||
## Innhold
|
||||
|
||||
- [Introduksjon](#introduksjon)
|
||||
- [Kjernekomponenter](#kjernekomponenter)
|
||||
- [Distributed Tracing for Agents](#distributed-tracing-for-agents)
|
||||
- [Agent Event Logging](#agent-event-logging)
|
||||
- [Performance Profiling](#performance-profiling)
|
||||
- [Error Categorization](#error-categorization)
|
||||
- [Debugging Tools](#debugging-tools)
|
||||
- [Observability SDK Integration](#observability-sdk-integration)
|
||||
- [Norsk offentlig sektor](#norsk-offentlig-sektor)
|
||||
- [Beslutningsrammeverk](#beslutningsrammeverk)
|
||||
- [For Cosmo](#for-cosmo)
|
||||
|
||||
## Introduksjon
|
||||
|
||||
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.
|
||||
|
|
|
|||
|
|
@ -3,9 +3,24 @@
|
|||
**Last updated:** 2026-02
|
||||
**Status:** GA
|
||||
**Category:** Agent Orchestration & Automation
|
||||
**Type:** reference
|
||||
|
||||
---
|
||||
|
||||
## Innhold
|
||||
|
||||
- [Introduksjon](#introduksjon)
|
||||
- [Kjernekomponenter](#kjernekomponenter)
|
||||
- [Intent Classification Routing](#intent-classification-routing)
|
||||
- [Agent Capability Matching](#agent-capability-matching)
|
||||
- [Semantic Kernel Handoff Pattern](#semantic-kernel-handoff-pattern)
|
||||
- [Load Balancing Strategies](#load-balancing-strategies)
|
||||
- [Fallback Routing](#fallback-routing)
|
||||
- [Specialization Hierarchies](#specialization-hierarchies)
|
||||
- [Norsk offentlig sektor](#norsk-offentlig-sektor)
|
||||
- [Beslutningsrammeverk](#beslutningsrammeverk)
|
||||
- [For Cosmo](#for-cosmo)
|
||||
|
||||
## Introduksjon
|
||||
|
||||
Intelligent routing mellom spesialiserte agenter er en av de mest kritiske arkitekturbeslutningene i multi-agent-systemer. Istedenfor å bygge en "god nok til alt"-agent, deler man ansvarsområder mellom spesialiserte agenter som hver mestrer sitt domene. En router-agent eller orkestrator analyserer innkommende forespørsler og dirigerer dem til riktig spesialist basert på intent-klassifisering, kontekstuell matching og kapabilitets-deklarasjoner.
|
||||
|
|
|
|||
|
|
@ -3,9 +3,24 @@
|
|||
**Last updated:** 2026-02
|
||||
**Status:** GA
|
||||
**Category:** Agent Orchestration & Automation
|
||||
**Type:** reference
|
||||
|
||||
---
|
||||
|
||||
## Innhold
|
||||
|
||||
- [Introduksjon](#introduksjon)
|
||||
- [Kjernekomponenter](#kjernekomponenter)
|
||||
- [Agent Prompt Injection](#agent-prompt-injection)
|
||||
- [Tool Abuse Prevention](#tool-abuse-prevention)
|
||||
- [Credential Handling](#credential-handling)
|
||||
- [Data Exfiltration Risks](#data-exfiltration-risks)
|
||||
- [Agent Impersonation Attacks](#agent-impersonation-attacks)
|
||||
- [Red Teaming](#red-teaming)
|
||||
- [Norsk offentlig sektor](#norsk-offentlig-sektor)
|
||||
- [Beslutningsrammeverk](#beslutningsrammeverk)
|
||||
- [For Cosmo](#for-cosmo)
|
||||
|
||||
## Introduksjon
|
||||
|
||||
AI-agenter introduserer unike sikkerhetstrusler som ikke finnes i tradisjonelle applikasjoner. Agenter tar dynamiske beslutninger basert på brukerinput, har ofte brede tilganger til systemer og data, og deres probabilistiske natur gjør atferden vanskelig å forutsi fullstendig. Angrepsflaten utvides betydelig: prompt injection kan manipulere agentens oppførsel, verktøymisbruk kan utnyttes til uautoriserte handlinger, og agent-til-agent-kommunikasjon kan spre kompromittering gjennom systemet.
|
||||
|
|
|
|||
|
|
@ -3,9 +3,27 @@
|
|||
**Last updated:** 2026-06-18 | Verified: 2026-06-18
|
||||
**Status:** Stabil (protokollspesifikasjon v1.0) / Preview (Microsofts A2A-SDK + Agent Framework A2A-pakker)
|
||||
**Category:** Agent Orchestration & Automation
|
||||
**Type:** reference
|
||||
**Source:** https://learn.microsoft.com/azure/foundry/agents/concepts/agent-to-agent-authentication
|
||||
|
||||
---
|
||||
|
||||
## Innhold
|
||||
|
||||
- [Introduksjon](#introduksjon)
|
||||
- [Protokolldesign](#protokolldesign)
|
||||
- [Agent Cards — Discovery og Kapabilitetsannonsering](#agent-cards--discovery-og-kapabilitetsannonsering)
|
||||
- [Task-livssyklus](#task-livssyklus)
|
||||
- [A2A vs MCP — Komplementære Protokoller](#a2a-vs-mcp--komplementære-protokoller)
|
||||
- [Microsoft-implementasjoner](#microsoft-implementasjoner)
|
||||
- [Sikkerhet](#sikkerhet)
|
||||
- [Multi-vendor Interoperabilitet](#multi-vendor-interoperabilitet)
|
||||
- [Norsk Offentlig Sektor](#norsk-offentlig-sektor)
|
||||
- [For Cosmo — Beslutningsveiledning](#for-cosmo--beslutningsveiledning)
|
||||
- [Arkitekturmønster](#arkitekturmønster)
|
||||
- [Installasjon og SDK-er](#installasjon-og-sdk-er)
|
||||
- [Kilder og verifisering](#kilder-og-verifisering)
|
||||
|
||||
## Introduksjon
|
||||
|
||||
Agent2Agent (A2A) er en åpen standardprotokoll for kommunikasjon og samarbeid mellom autonome AI-agenter på tvers av rammeverk, leverandører og organisasjonsgrenser. Protokollen ble lansert av Google i april 2025 og donert til Linux Foundation i juni 2025, der den nå forvaltes som et nøytralt open source-prosjekt.
|
||||
|
|
|
|||
|
|
@ -3,9 +3,23 @@
|
|||
**Last updated:** 2026-04 | Verified: MCP 2026-04
|
||||
**Status:** GA
|
||||
**Category:** Agent Orchestration & Automation
|
||||
**Type:** reference
|
||||
**Source:** https://learn.microsoft.com/semantic-kernel/frameworks/agent/agent-orchestration
|
||||
|
||||
---
|
||||
|
||||
## Innhold
|
||||
|
||||
- [Introduksjon](#introduksjon)
|
||||
- [Kjernekomponenter](#kjernekomponenter)
|
||||
- [Arkitekturmønstre](#arkitekturmønstre)
|
||||
- [Beslutningsveiledning](#beslutningsveiledning)
|
||||
- [Integrasjon med Microsoft-stakken](#integrasjon-med-microsoft-stakken)
|
||||
- [Offentlig sektor (Norge)](#offentlig-sektor-norge)
|
||||
- [Kostnad og lisensiering](#kostnad-og-lisensiering)
|
||||
- [For arkitekten (Cosmo)](#for-arkitekten-cosmo)
|
||||
- [Kilder og verifisering](#kilder-og-verifisering)
|
||||
|
||||
## Introduksjon
|
||||
|
||||
Agent-to-agent communication i Microsoft-økosystemet handler om å få autonome AI-agenter til å samarbeide på tvers av plattformer, rammeverk og organisasjonsgrenser. I stedet for å bygge én monolittisk agent som kan alt, kan du orkestrere flere spesialiserte agenter som kommuniserer strukturert og sikkert.
|
||||
|
|
|
|||
|
|
@ -3,9 +3,23 @@
|
|||
**Last updated:** 2026-02
|
||||
**Status:** GA
|
||||
**Category:** Agent Orchestration & Automation
|
||||
**Type:** reference
|
||||
**Source:** https://learn.microsoft.com/azure/azure-functions/durable/durable-functions-overview
|
||||
|
||||
---
|
||||
|
||||
## Innhold
|
||||
|
||||
- [Introduksjon](#introduksjon)
|
||||
- [Kjernekomponenter](#kjernekomponenter)
|
||||
- [Arkitekturmønstre](#arkitekturmønstre)
|
||||
- [Beslutningsveiledning](#beslutningsveiledning)
|
||||
- [Integrasjon med Microsoft-stakken](#integrasjon-med-microsoft-stakken)
|
||||
- [Offentlig sektor (Norge)](#offentlig-sektor-norge)
|
||||
- [Kostnad og lisensiering](#kostnad-og-lisensiering)
|
||||
- [For arkitekten (Cosmo)](#for-arkitekten-cosmo)
|
||||
- [Kilder og verifisering](#kilder-og-verifisering)
|
||||
|
||||
## Introduksjon
|
||||
|
||||
Autonomous Workflow Automation representerer et paradigmeskift i hvordan organisasjoner bygger intelligente arbeidsprosesser. Der tradisjonelle workflows krever eksplisitt programmering av hvert steg, tillater autonome workflows at AI-agenter tar beslutninger, tilpasser seg kontekst, og orkestrerer komplekse oppgaver med minimal menneskelig intervensjon.
|
||||
|
|
|
|||
|
|
@ -3,9 +3,29 @@
|
|||
**Last updated:** 2026-06-19 | Verified: MCP 2026-06-19
|
||||
**Status:** Copilot Studio — GA (2026-05-07); Foundry Agent Service — Preview (sep 2025)
|
||||
**Category:** Agent Orchestration & Automation
|
||||
**Type:** reference
|
||||
**Source:** https://learn.microsoft.com/microsoft-copilot-studio/guidance/agent-tools
|
||||
|
||||
---
|
||||
|
||||
## Innhold
|
||||
|
||||
- [Introduksjon](#introduksjon)
|
||||
- [Hva er CUA?](#hva-er-cua)
|
||||
- [Hvordan det fungerer](#hvordan-det-fungerer)
|
||||
- [Copilot Studio-integrasjon](#copilot-studio-integrasjon)
|
||||
- [Foundry Agent Service](#foundry-agent-service)
|
||||
- [Browser Automation (Playwright) — relatert kapabilitet](#browser-automation-playwright--relatert-kapabilitet)
|
||||
- [Bruksområder](#bruksområder)
|
||||
- [Begrensninger](#begrensninger)
|
||||
- [Sikkerhetsmodell](#sikkerhetsmodell)
|
||||
- [CUA vs RPA — Sammenligning](#cua-vs-rpa--sammenligning)
|
||||
- [Status og tilgjengelighet](#status-og-tilgjengelighet)
|
||||
- [Norsk offentlig sektor — Relevans](#norsk-offentlig-sektor--relevans)
|
||||
- [For Cosmo: Beslutningsveiledning](#for-cosmo-beslutningsveiledning)
|
||||
- [Kostnadsestimat](#kostnadsestimat)
|
||||
- [Kilder og verifisering](#kilder-og-verifisering)
|
||||
|
||||
## Introduksjon
|
||||
|
||||
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.
|
||||
|
|
|
|||
|
|
@ -3,9 +3,24 @@
|
|||
**Last updated:** 2026-02
|
||||
**Status:** GA
|
||||
**Category:** Agent Orchestration & Automation
|
||||
**Type:** reference
|
||||
|
||||
---
|
||||
|
||||
## Innhold
|
||||
|
||||
- [Introduksjon](#introduksjon)
|
||||
- [Kjernekomponenter](#kjernekomponenter)
|
||||
- [Copilot Studio Agent Binding](#copilot-studio-agent-binding)
|
||||
- [Message Format Adaptation](#message-format-adaptation)
|
||||
- [Capability Exposure](#capability-exposure)
|
||||
- [User Context Passing](#user-context-passing)
|
||||
- [Session Management](#session-management)
|
||||
- [Declarative vs Custom Engine Integration](#declarative-vs-custom-engine-integration)
|
||||
- [Norsk offentlig sektor](#norsk-offentlig-sektor)
|
||||
- [Beslutningsrammeverk](#beslutningsrammeverk)
|
||||
- [For Cosmo](#for-cosmo)
|
||||
|
||||
## Introduksjon
|
||||
|
||||
Integrasjon av agenter med Microsoft Copilot-økosystemet -- Copilot Studio, Microsoft 365 Copilot og Copilot Chat -- gir agenter tilgang til millioner av brukere gjennom kjente grensesnitt i Teams, Outlook, Word og andre Microsoft 365-applikasjoner. Denne integrasjonen utnytter Copilots orkestrator, grunnmodeller og sikkerhetstjenester, slik at agenter arver enterprise-grade compliance, RAI-standarder og governance uten ekstra utviklingsarbeid.
|
||||
|
|
|
|||
|
|
@ -3,9 +3,23 @@
|
|||
**Last updated:** 2026-02
|
||||
**Status:** GA
|
||||
**Category:** Agent Orchestration & Automation
|
||||
**Type:** reference
|
||||
|
||||
---
|
||||
|
||||
## Innhold
|
||||
|
||||
- [Introduksjon](#introduksjon)
|
||||
- [Kjernekomponenter](#kjernekomponenter)
|
||||
- [Declarative Agent Benefits](#declarative-agent-benefits)
|
||||
- [Code-First Flexibility](#code-first-flexibility)
|
||||
- [Migration Paths](#migration-paths)
|
||||
- [Hybrid Approaches](#hybrid-approaches)
|
||||
- [Skill Abstraction Levels](#skill-abstraction-levels)
|
||||
- [Norsk offentlig sektor](#norsk-offentlig-sektor)
|
||||
- [Beslutningsrammeverk](#beslutningsrammeverk)
|
||||
- [For Cosmo](#for-cosmo)
|
||||
|
||||
## Introduksjon
|
||||
|
||||
Valget mellom deklarativ og imperativ agentdesign er en av de mest grunnleggende arkitekturbeslutningene for AI-agenter i Microsoft-økosystemet. Deklarative agenter konfigurerer atferd gjennom manifest-filer, instruksjoner og kunnskapskilder -- orkestratoren håndterer resonnering og utførelse. Imperative (code-first) agenter gir full kontroll over prompt engineering, orkestrering, verktøybruk og feilhåndtering gjennom eksplisitt kode.
|
||||
|
|
|
|||
|
|
@ -3,6 +3,8 @@
|
|||
**Last updated:** 2026-06-18 (currency-verifisert mot Learn)
|
||||
**Status:** GA — **ny agent-modell** (Prompt agents GA + Hosted agents preview)
|
||||
**Category:** Agent Orchestration & Automation
|
||||
**Type:** reference
|
||||
**Source:** https://learn.microsoft.com/azure/foundry/agents/overview
|
||||
|
||||
> **VIKTIG currency-korreksjon (verifisert 2026-06-18 mot learn.microsoft.com/azure/foundry/agents/overview):**
|
||||
> Dagens GA-modell for Foundry Agent Service har to agenttyper:
|
||||
|
|
@ -15,6 +17,23 @@
|
|||
|
||||
---
|
||||
|
||||
## Innhold
|
||||
|
||||
- [Introduksjon](#introduksjon)
|
||||
- [Hva er Foundry Agent Service?](#hva-er-foundry-agent-service)
|
||||
- [GA-modell og feature-status (per 2026-06)](#ga-modell-og-feature-status-per-2026-06)
|
||||
- [Kjernefunksjoner](#kjernefunksjoner)
|
||||
- [Agenttyper og verktøy](#agenttyper-og-verktøy)
|
||||
- [Multi-agent mønstre](#multi-agent-mønstre)
|
||||
- [Integrasjon med Semantic Kernel](#integrasjon-med-semantic-kernel)
|
||||
- [Prising](#prising)
|
||||
- [Regional tilgjengelighet](#regional-tilgjengelighet)
|
||||
- [Enterprise-sikkerhet og governance](#enterprise-sikkerhet-og-governance)
|
||||
- [Offentlig sektor (Norge)](#offentlig-sektor-norge)
|
||||
- [For Cosmo: Beslutningsveiledning](#for-cosmo-beslutningsveiledning)
|
||||
- [Grenser og kvoter](#grenser-og-kvoter)
|
||||
- [Kilder og verifisering](#kilder-og-verifisering)
|
||||
|
||||
## Introduksjon
|
||||
|
||||
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.
|
||||
|
|
|
|||
|
|
@ -3,9 +3,27 @@
|
|||
**Last updated:** 2026-06-19 | Verified: MCP 2026-06-19
|
||||
**Status:** Public Preview (announced MS Ignite november 2025)
|
||||
**Category:** Agent Orchestration & Automation
|
||||
**Type:** reference
|
||||
**Source:** https://learn.microsoft.com/azure/foundry/agents/concepts/workflow
|
||||
|
||||
---
|
||||
|
||||
## Innhold
|
||||
|
||||
- [Introduksjon](#introduksjon)
|
||||
- [Visuell Designer](#visuell-designer)
|
||||
- [Node-typer](#node-typer)
|
||||
- [Orkestreringsmønstre (Maler)](#orkestreringsmønstre-maler)
|
||||
- [Feilhåndtering](#feilhåndtering)
|
||||
- [Power Fx for Betingelser og Datatransformasjon](#power-fx-for-betingelser-og-datatransformasjon)
|
||||
- [Integrasjon med Foundry Agent Service og MCP](#integrasjon-med-foundry-agent-service-og-mcp)
|
||||
- [Foundry Workflows vs. Logic Apps vs. Power Automate](#foundry-workflows-vs-logic-apps-vs-power-automate)
|
||||
- [Deployment: API-endepunkter, Versjonering og A/B-testing](#deployment-api-endepunkter-versjonering-og-ab-testing)
|
||||
- [Overvåking: Tracing, Tokenbruk og Latensmetrikker](#overvåking-tracing-tokenbruk-og-latensmetrikker)
|
||||
- [Norsk offentlig sektor](#norsk-offentlig-sektor)
|
||||
- [For Cosmo: Beslutningsveiledning](#for-cosmo-beslutningsveiledning)
|
||||
- [Kilder og verifisering](#kilder-og-verifisering)
|
||||
|
||||
## Introduksjon
|
||||
|
||||
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.
|
||||
|
|
|
|||
|
|
@ -3,9 +3,23 @@
|
|||
**Last updated:** 2026-06-19 | Verified: MCP 2026-06-19
|
||||
**Status:** GA
|
||||
**Category:** Agent Orchestration & Automation
|
||||
**Type:** reference
|
||||
**Source:** https://learn.microsoft.com/agent-framework/user-guide/workflows/orchestrations/overview
|
||||
|
||||
---
|
||||
|
||||
## Innhold
|
||||
|
||||
- [Introduksjon](#introduksjon)
|
||||
- [Kjernekomponenter](#kjernekomponenter)
|
||||
- [Arkitekturmønstre](#arkitekturmønstre)
|
||||
- [Beslutningsveiledning](#beslutningsveiledning)
|
||||
- [Integrasjon med Microsoft-stakken](#integrasjon-med-microsoft-stakken)
|
||||
- [Offentlig sektor (Norge)](#offentlig-sektor-norge)
|
||||
- [Kostnad og lisensiering](#kostnad-og-lisensiering)
|
||||
- [For arkitekten (Cosmo)](#for-arkitekten-cosmo)
|
||||
- [Kilder og verifisering](#kilder-og-verifisering)
|
||||
|
||||
## Introduksjon
|
||||
|
||||
Multi-agent orchestration representerer en fundamental arkitektonisk tilnærming for å håndtere komplekse AI-oppgaver gjennom koordinering av flere spesialiserte agenter. I stedet for å bygge én monolittisk agent med mange verktøy og kunnskapsbaser, deler multi-agent-systemer problemet i mindre, spesialiserte enheter som kan samarbeide, parallellisere eller sekvensielt prosessere oppgaver.
|
||||
|
|
|
|||
|
|
@ -3,9 +3,24 @@
|
|||
**Last updated:** 2026-02
|
||||
**Status:** GA
|
||||
**Category:** Agent Orchestration & Automation
|
||||
**Type:** reference
|
||||
|
||||
---
|
||||
|
||||
## Innhold
|
||||
|
||||
- [Introduksjon](#introduksjon)
|
||||
- [Kjernekomponenter](#kjernekomponenter)
|
||||
- [Isolasjonsmodeller for Azure OpenAI](#isolasjonsmodeller-for-azure-openai)
|
||||
- [Tenant Data Isolation](#tenant-data-isolation)
|
||||
- [Permission Enforcement](#permission-enforcement)
|
||||
- [Audit Segregation](#audit-segregation)
|
||||
- [Cross-Tenant Attack Prevention](#cross-tenant-attack-prevention)
|
||||
- [Resource Quotas](#resource-quotas)
|
||||
- [Norsk offentlig sektor](#norsk-offentlig-sektor)
|
||||
- [Beslutningsrammeverk](#beslutningsrammeverk)
|
||||
- [For Cosmo](#for-cosmo)
|
||||
|
||||
## Introduksjon
|
||||
|
||||
Multi-tenant agentarkitektur er en fundamental utfordring for organisasjoner som tilbyr AI-agenter til flere kunder, avdelinger eller forretningsenheter. Korrekt isolasjon sikrer at data, konfigurasjoner og agentoppførsel ikke lekker mellom tenants, samtidig som man opprettholder kostnadseffektivitet og skalerbarhet.
|
||||
|
|
|
|||
|
|
@ -3,11 +3,25 @@
|
|||
**Last updated:** 2026-06-18 | Verified: 2026-06-18
|
||||
**Status:** GA — Microsoft Agent Framework 1.0 (3. apr 2026), orchestration patterns GA
|
||||
**Category:** Agent Orchestration & Automation
|
||||
**Type:** reference
|
||||
**Source:** https://learn.microsoft.com/agent-framework/overview/agent-framework-overview
|
||||
|
||||
> **Produksjonsklart rammeverk (juni 2026):** Microsoft Agent Framework (MAF) 1.0 nådde GA 3. april 2026 og er det produksjonsklare, open-source rammeverket (.NET + Python) som Semantic Kernel og AutoGen har konvergert inn i. SK og AutoGen er nå i vedlikeholds-/migrasjonsmodus (migration guides finnes); ny utvikling bør bygge på MAF. De fem orkestreringsmønstrene — Sequential, Concurrent, Handoff, Group Chat og Magentic — er **stabile (GA)** i MAF 1.0 med streaming, checkpointing, human-in-the-loop og pause/resume.
|
||||
|
||||
---
|
||||
|
||||
## Innhold
|
||||
|
||||
- [Introduksjon](#introduksjon)
|
||||
- [Kjernekomponenter](#kjernekomponenter)
|
||||
- [Arkitekturmønstre](#arkitekturmønstre)
|
||||
- [Beslutningsveiledning](#beslutningsveiledning)
|
||||
- [Integrasjon med Microsoft-stacken](#integrasjon-med-microsoft-stacken)
|
||||
- [Offentlig sektor (Norge)](#offentlig-sektor-norge)
|
||||
- [Kostnad og Lisensiering](#kostnad-og-lisensiering)
|
||||
- [For arkitekten (Cosmo)](#for-arkitekten-cosmo)
|
||||
- [Kilder og verifisering](#kilder-og-verifisering)
|
||||
|
||||
## Introduksjon
|
||||
|
||||
Semantic Kernel Agent Framework og Microsoft Agent Framework representerer neste generasjon av agentic AI-utvikling på Microsoft-stacken. Semantic Kernel Agent Framework bygger på det etablerte Semantic Kernel-økosystemet og utvider det med multi-agent orchestration patterns, mens Microsoft Agent Framework forener kapabilitetene fra Semantic Kernel og AutoGen i ett unified framework.
|
||||
|
|
|
|||
|
|
@ -3,9 +3,23 @@
|
|||
**Last updated:** 2026-06-19 | Verified: MCP 2026-06-19
|
||||
**Status:** GA
|
||||
**Category:** Agent Orchestration & Automation
|
||||
**Type:** reference
|
||||
**Source:** https://learn.microsoft.com/semantic-kernel/frameworks/agent/agent-functions
|
||||
|
||||
---
|
||||
|
||||
## Innhold
|
||||
|
||||
- [Introduksjon](#introduksjon)
|
||||
- [Kjernekomponenter](#kjernekomponenter)
|
||||
- [Arkitekturmønstre](#arkitekturmønstre)
|
||||
- [Beslutningsveiledning](#beslutningsveiledning)
|
||||
- [Integrasjon med Microsoft-stakken](#integrasjon-med-microsoft-stakken)
|
||||
- [Offentlig sektor (Norge)](#offentlig-sektor-norge)
|
||||
- [Kostnad og lisensiering](#kostnad-og-lisensiering)
|
||||
- [For arkitekten (Cosmo)](#for-arkitekten-cosmo)
|
||||
- [Kilder og verifisering](#kilder-og-verifisering)
|
||||
|
||||
## Introduksjon
|
||||
|
||||
Function calling og tool use er fundamentale mekanismer som lar AI-agenter utvide sine kapabiliteter utover ren språkgenerering. Ved å kalle predefinerte funksjoner kan agenter hente data fra eksterne kilder, utføre beregninger, oppdatere databaser, og samhandle med andre systemer — alt på en kontrollert og sikker måte.
|
||||
|
|
|
|||
Loading…
Add table
Add a link
Reference in a new issue