docs(ms-ai-architect): KB-refresh LOW 46/52 — migration-patterns: seksjon 6 korrigert (Agent Framework = egen SDK agent-framework, ikke SK-namespace) + Copilot Credits + api_version

skills/ms-ai-advisor/references/architecture/migration-patterns.md

@@ -1,6 +1,6 @@
 # Migration Patterns - Microsoft AI Platforms
 
-**Last updated:** 2026-01 (research via microsoft-learn MCP)
+**Last updated:** 2026-06-24 (research via microsoft-learn MCP)
 
 ---
 
@@ -84,7 +84,7 @@ Denne referansen dekker vanlige migrasjonsveier mellom Microsoft AI-plattformer
    ```
 
    **Viktige endringer:**
-   - `api_version` er påkrevd (bruk nyeste stable: `2024-10-21`)
+   - `api_version` er påkrevd (bruk en gjeldende stable api_version — verifiser nyeste; `2024-10-21` er et fungerende eksempel, og Foundry anbefaler v1 `/openai/v1/`-surface fremover)
    - `model` parameter er **deployment name** i Azure, ikke OpenAI model name
    - Endpoint URL endres til Azure-format
 
@@ -314,9 +314,9 @@ Denne referansen dekker vanlige migrasjonsveier mellom Microsoft AI-plattformer
 - Vurder parallell drift ved høy business-kritikalitet
 
 #### Kostnadsforskjeller
-- Copilot Studio: Per session pricing (billed sessions)
+- Copilot Studio: Copilot Credits-basert forbruk (felles valuta fra 1. sep 2025; erstattet messages/sessions). Eldre lisenser kjøpt før 1. jan 2024 kan fortsatt bruke billed sessions.
-- PVA classic: Per session pricing (samme modell)
+- Rater: classic answer 1 · generative answer 2 · agent action 5 · tenant graph grounding 10 Copilot Credits. M365 Copilot-lisensierte brukere belastes ikke (B2E fair use).
-- Nytt: Generative AI-funksjoner har tilleggskostnad (per message)
+- PVA classic: samme Copilot Credits-modell etter konvertering
 
 #### Vanlige fallgruver
 - ❌ Ikke teste Power Automate flows grundig nok
@@ -454,7 +454,7 @@ Denne referansen dekker vanlige migrasjonsveier mellom Microsoft AI-plattformer
 
 #### Kostnadsforskjeller
 - **Custom bot:** EC2/App Service ($100-500/mnd) + utviklertid
-- **Copilot Studio:** Per session pricing ($200-1000/mnd avhengig av volum)
+- **Copilot Studio:** Copilot Credits-basert forbruk, pay-as-you-go eller prepaid packs ($200-1000/mnd avhengig av volum)
 - **ROI:** Typisk break-even etter 6-12 mnd grunnet redusert vedlikehold
 
 ---
@@ -655,149 +655,112 @@ Denne referansen dekker vanlige migrasjonsveier mellom Microsoft AI-plattformer
 
 ### 6. Semantic Kernel → Microsoft Agent Framework
 
-**Scenario:** Du bruker Semantic Kernel for AI orchestration og ønsker å oppgradere til Microsoft Agent Framework for multi-agent capabilities.
+**Scenario:** Du bruker Semantic Kernel (eller AutoGen) for AI-orchestrering og ønsker å migrere til **Microsoft Agent Framework** for multi-agent capabilities.
+
+> **Produktavklaring (viktig):** Microsoft Agent Framework er en **egen, ny multi-språk SDK** — pakke `agent-framework` (importeres som `agent_framework`) i Python, `Microsoft.Agents.AI` i .NET — *ikke* et namespace inni `semantic-kernel`. Den er den **direkte etterfølgeren til BÅDE Semantic Kernel og AutoGen**, bygget av de samme teamene: AutoGens enkle agent-abstraksjoner + Semantic Kernels enterprise-funksjoner (session-state, type-sikkerhet, middleware, telemetri) + nye graf-baserte `Workflow`-er for eksplisitt multi-agent-orkestrering. SK og AutoGen har hver sin offisielle migrasjonsguide (kilder nederst). Ikke forveksle dette med Semantic Kernels *interne* «Agent Framework RC»-migrasjon (som bare endret `ChatCompletionAgent`-konstruktøren innenfor `semantic-kernel`) — det er en SK-intern endring, ikke denne SDK-en.
 
 #### Hvorfor migrere?
-- Multi-agent orchestration (AutoGen integrering)
+- Multi-agent orchestration via typede, graf-baserte workflows (samler SK + AutoGen i én orkestrator)
-- Bedre plugin management
+- Forenklet agent-oppretting — **ingen `Kernel`-objekt**; agenten bygges direkte på en `ChatClient`
-- Unified API for agents
+- `@tool`-dekoratør (eller bare en Python-funksjon) i stedet for plugin + Kernel-boilerplate
-- Alignment med Microsoft 365 Agents SDK
+- Alignment med Microsoft 365 Agents SDK (`ChatClientAgent`/`AIAgent`)
+- Gradvis migrering mulig — eksisterende SK `KernelFunction` kan gjenbrukes (se kompatibilitet under)
 
 #### Migrasjonssteg
 
-1. **Forberedelse (Uke 1)**
+1. **Forberedelse (Uke 1) — installer Agent Framework:**
-
-   **Installer Agent Framework:**
    ```bash
-   # Python
+   # Python — meta-pakken installerer core + vanlige providers
-   pip install semantic-kernel[agents] --upgrade
+   pip install agent-framework --pre
+   # ...eller bare de providerne du trenger (core trekkes inn automatisk):
+   pip install --pre agent-framework-foundry agent-framework-openai
 
-   # .NET
+   # .NET (provider-pakke; core = Microsoft.Agents.AI)
-   dotnet add package Microsoft.SemanticKernel.Agents
+   dotnet add package Microsoft.Agents.AI.Foundry --prerelease
    ```
 
-2. **Kodeendringer (Uke 1-2)**
+2. **Kodeendringer (Uke 1–2) — agent-oppretting uten Kernel:**
 
    **Før (Semantic Kernel):**
    ```python
-   from semantic_kernel import Kernel
+   from semantic_kernel.agents import ChatCompletionAgent
    from semantic_kernel.connectors.ai.open_ai import AzureChatCompletion
 
-   kernel = Kernel()
+   agent = ChatCompletionAgent(
-   kernel.add_service(
+       service=AzureChatCompletion(),
-       AzureChatCompletion(
+       name="Support",
-           deployment_name="gpt-4o",
+       instructions="Answer in one sentence.",
-           endpoint=endpoint,
-           api_key=api_key
-       )
-   )
-
-   # Kjør funksjon
-   result = await kernel.invoke(
-       function_name="MyPlugin-MyFunction",
-       input="Hello world"
    )
    ```
 
    **Etter (Agent Framework):**
    ```python
-   from semantic_kernel.agents import ChatCompletionAgent
+   from agent_framework import Agent
-   from semantic_kernel.agents import AgentThread
+   from agent_framework.foundry import FoundryChatClient
-   from semantic_kernel import Kernel
+   from azure.identity import AzureCliCredential
 
-   # Opprett agent (erstatter kernel)
+   # Ingen Kernel — agenten bygges direkte på en ChatClient
-   agent = ChatCompletionAgent(
+   agent = Agent(
-       service_id="agent-gpt4o",
+       client=FoundryChatClient(credential=AzureCliCredential()),
-       kernel=kernel,
+       instructions="You are a helpful assistant",
-       name="MyAgent",
-       instructions="You are a helpful assistant"
    )
+   # ...eller via convenience-metoden:
+   # agent = FoundryChatClient(credential=AzureCliCredential()).as_agent(instructions=...)
 
-   # Opprett thread (erstatter direkte invoke)
+   thread = agent.get_new_thread()
-   thread = AgentThread()
+   response = await agent.run("Hello world", thread)
-
+   print(response.text)
-   # Få respons
-   async for response in agent.invoke(
-       thread=thread,
-       messages=[{"role": "user", "content": "Hello world"}]
-   ):
-       print(response.message.content)
    ```
 
    **Nøkkelforskjeller:**
-   - `Kernel` object eksisterer fortsatt, men wrappes av `Agent`
+   - **Ingen `Kernel`-objekt** — agenten bygges på en `ChatClient` (Foundry/OpenAI/Azure OpenAI). Dette er hovedforskjellen fra SK.
-   - `invoke()` returnerer nå `AgentResponseItem` (ikke bare string)
+   - Invokering: `invoke`/`invoke_stream` → `run(..., stream=True/False)`; returtyper `AgentResponse` / `AgentResponseUpdate` (tekst i `response.text`).
-   - Threads må håndteres eksplisitt (bedre for multi-turn conversations)
+   - Thread opprettes av agenten: `thread = agent.get_new_thread()` (ikke manuell type-instansiering).
 
-3. **Plugin migration (Uke 2)**
+3. **Tool-registrering (Uke 2) — `@tool` i stedet for plugin + Kernel:**
-
-   **Semantic Kernel plugins fungerer fortsatt!**
    ```python
-   # Register plugin (samme som før)
+   from typing import Annotated
-   kernel.add_plugin(
+   from agent_framework import tool
-       MyPlugin(),
-       plugin_name="MyPlugin"
-   )
 
-   # Agent Framework bruker samme plugins automatisk
+   @tool(name="weather_tool", description="Retrieves weather information")
-   agent = ChatCompletionAgent(
+   def get_weather(location: Annotated[str, "The location to get the weather for."]) -> str:
-       kernel=kernel,  # Plugins er tilgjengelige via kernel
+       """Get the weather for a given location."""
-       name="PluginAgent"
+       return f"The weather in {location} is sunny."
-   )
+
+   agent = chat_client.as_agent(tools=get_weather)
    ```
+   En vanlig Python-funksjon fungerer også direkte (funksjonsnavn → tool-navn, docstring → beskrivelse). Ingen `Plugin`-klasse eller `Kernel` kreves.
 
-4. **Multi-agent orchestration (Uke 2-4)**
+   **Kompatibilitet (gradvis migrering):** Eksisterende SK `KernelFunction`-instanser kan konverteres til Agent Framework-tools via `.as_agent_framework_tool` (krever `semantic-kernel` ≥ 1.38). Slik gjenbruker du eksisterende SK-plugins og VectorStore-integrasjoner (Azure AI Search, Qdrant, …) mens du migrerer modul for modul.
 
-   **Nytt i Agent Framework:**
+4. **Multi-agent orchestration (Uke 2–4):**
-   ```python
+   Agent Framework erstatter SKs `AgentGroupChat` med typede, **graf-baserte `Workflow`-er** som ruter data langs edges og aktiverer executors når input er klart — eksplisitt kontroll over kjørestier, checkpointing og human-in-the-loop. For konkrete, kjørbare workflow-eksempler, bruk de offisielle samples (lenker nederst); ikke anta SK `AgentGroupChat`-API-et.
-   from semantic_kernel.agents import AgentGroupChat
 
-   # Opprett flere agents
+5. **Testing (Uke 3–4)**
-   researcher = ChatCompletionAgent(
+   - Valider at konverterte SK `KernelFunction`-tools fungerer
-       kernel=kernel,
+   - Test single-agent `run`/streaming-kontrakten (`AgentResponse` / `AgentResponseUpdate`)
-       name="Researcher",
+   - Valider multi-agent workflows mot offisielle samples
-       instructions="You research topics thoroughly"
+   - Test error handling og retry-logikk
-   )
 
-   writer = ChatCompletionAgent(
+#### Viktige endringer vs. Semantic Kernel
-       kernel=kernel,
+- **Pakke/imports:** `semantic-kernel` → `agent-framework`; `from semantic_kernel…` → `from agent_framework…`
-       name="Writer",
+- **Ingen `Kernel`:** ett `Agent`-grunntype for de fleste tjenester (+ `CopilotStudioAgent`, `A2AAgent`)
-       instructions="You write engaging content"
+- **Invokering:** `invoke`/`invoke_stream` → `run(..., stream=…)`; `AgentResponse` / `AgentResponseUpdate`
-   )
+- **Tools:** `@kernel_function` + `Plugin` + `Kernel` → `@tool` (eller bare en funksjon)
-
-   # Orchestrer agents
-   chat = AgentGroupChat(
-       agents=[researcher, writer],
-       selection_strategy=SequentialSelectionStrategy()
-   )
-
-   # Kjør multi-agent workflow
-   async for response in chat.invoke(
-       messages=[{"role": "user", "content": "Write article about AI"}]
-   ):
-       print(f"{response.agent.name}: {response.message.content}")
-   ```
-
-5. **Testing (Uke 3-4)**
-   - Test at eksisterende Semantic Kernel plugins fungerer
-   - Valider multi-agent workflows
-   - Verifiser at thread state håndteres korrekt
-   - Test error handling og retry logic
-
-#### Breaking changes (Python 1.26.1+)
-- ❌ `agent.chat_history` er fjernet → Bruk `thread` i stedet
-- ❌ Import paths endret: `semantic_kernel.agents.autogen` → `semantic_kernel.agents`
-- ⚠️ `invoke()` returnerer `AgentResponseItem`, ikke `ChatMessageContent` direkte
 
 #### Rollback
-- Minimal risiko (Semantic Kernel fortsatt tilgjengelig)
+- Lav risiko — `semantic-kernel` kan kjøres parallelt under migreringen
-- Kan kjøre begge frameworks parallelt
+- `.as_agent_framework_tool`-broen gir inkrementell migrering, modul for modul
-- Pinne til eldre versjon ved behov: `semantic_kernel==1.25.0`
 
 #### Kostnadsforskjeller
-- Ingen prising-forskjell (samme LLM-forbruk)
+- Ingen prising-forskjell i seg selv (samme LLM-forbruk)
 - Mulig økning ved multi-agent workflows (flere LLM-kall)
 
+#### Kilder (offisiell migrasjon)
+- [Microsoft Agent Framework — overview](https://learn.microsoft.com/agent-framework/overview/)
+- [Migrasjon fra Semantic Kernel](https://learn.microsoft.com/agent-framework/migration-guide/from-semantic-kernel/)
+- [Migrasjon fra AutoGen](https://learn.microsoft.com/agent-framework/migration-guide/from-autogen/)
+
 ---
 
 ### 7. Basic RAG → Azure AI Search Enhanced RAG