ms-ai-architect/skills/ms-ai-engineering/references/agent-orchestration/foundry-agent-service-ga.md

Azure AI Foundry Agent Service (GA)

Last updated: 2026-02 Status: GA (mai 2025) Category: Agent Orchestration & Automation

---

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.

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.

Den kritiske verdien: produksjonsklar fra dag én med innebygd enterprise-sikkerhet (Microsoft Entra, RBAC, content filtering), persistent conversation state, server-side tool orchestration og full sporbarhet — uten å måtte bygge og drifte noe av dette selv.

Hva er Foundry Agent Service?

Foundry Agent Service er limet som kobler sammen de fire kjernekomponentene i Microsoft Foundry:

Komponent	Rolle
AI-modeller	GPT-4o, o3, Llama, Grok, DeepSeek m.fl.
Verktøy og rammeverk	Code Interpreter, File Search, MCP, OpenAPI, Azure Functions
Governance og compliance	Microsoft Entra, RBAC, content filters, audit logs
Orkestrering	Connected Agents, Workflows, Agent Catalog

En agent i Foundry har tre kjernekomponenter:

1. Modell (LLM): Driver resonnering og språkforståelse
2. Instruksjoner: Definerer agentens mål, atferd og begrensninger
3. Verktøy: Lar agenten hente kunnskap eller utføre handlinger

GA-milepæler (mai 2025)

Feature	Status
Foundry Agent Service kjerne	GA
Connected Agents (multi-agent)	GA
Agent tracing og debugging	GA
Logic Apps-triggerintegrasjon	GA
Bing Custom Search tool	GA
MCP tool (Model Context Protocol)	GA (juni 2025)
Deep Research tool (o3-deep-research)	GA (juni 2025)
Hosted agents (containerized)	Preview
Multi-Agent Workflows (YAML)	Preview
Memory Store API	Preview

Kjernefunksjoner

1. Persistent Conversation Threads

Foundry Agent Service støtter persistent samtalestate via threads, messages og runs:

Komponent	Beskrivelse
Thread	Konversasjonssesjon mellom agent og bruker. Lagrer meldinger og håndterer automatisk truncation for å passe i modellens context window.
Message	Individuelle meldinger i en thread — kan inneholde tekst, bilder og filer. Lagres som en strukturert liste.
Run	Aktivering av agenten på en thread. Agenten prosesserer meldingshistorikken, kaller modeller og verktøy, og legger til nye meldinger.
Run Steps	Detaljert liste over hvert steg agenten tok i en run — nyttig for debugging og audit.

Nøkkelegenskaper:

• Opptil 100 000 meldinger per thread
• Automatisk context-truncation
• Vedvarende på tvers av sesjoner (cross-session continuity)
• BYO Storage: thread-data kan lagres i Azure Cosmos DB du kontrollerer
• State eksponert via PersistentAgentsClient (.NET) og azure-ai-agents (Python)

# Opprett thread og kjør agent (Python SDK)
from azure.ai.projects import AIProjectClient
from azure.ai.agents.models import MessageRole
from azure.identity import DefaultAzureCredential

project_client = AIProjectClient(
    endpoint=os.environ["PROJECT_ENDPOINT"],
    credential=DefaultAzureCredential(),
)

thread = project_client.agents.threads.create()
message = project_client.agents.messages.create(
    thread_id=thread.id,
    role=MessageRole.USER,
    content="Analyser årsrapporten og gi en sammendrag",
)
run = project_client.agents.runs.create_and_process(
    thread_id=thread.id, agent_id=agent.id
)

2. Feilhåndtering og resiliens

Foundry Agent Service har innebygd server-side tool orchestration med automatisk retry:

• Automatisk verktøy-retry: Tool calls re-kjøres ved midlertidige feil uten manuell håndtering
• Run status tracking: States inkluderer queued, in_progress, requires_action, completed, failed, cancelled, expired
• Exponential backoff: Anbefalt klientstrategi ved 429 rate limit-feil
• Tool depth protection: Connected agents har maks dybde 2 for å unngå cascading failures
• Content filtering: Innebygde content safety filters på alle outputs

3. MCP-støtte (Model Context Protocol)

Fra juni 2025 støtter Foundry Agent Service Model Context Protocol (MCP) — en åpen standard for verktøyintegrasjon via JSON-RPC:

Bruksmønster:

// Definer MCP-verktøy (C# SDK)
MCPToolDefinition mcpTool = new(mcpServerLabel, mcpServerUrl);
mcpTool.AllowedTools.Add("search_azure_rest_api_code");

PersistentAgent agent = agentClient.Administration.CreateAgent(
   model: deploymentName,
   name: "mcp-agent",
   instructions: "Bruk tilgjengelige MCP-verktøy for å svare på spørsmål.",
   tools: [mcpTool]);

Autentiseringsmetoder for MCP-servere:

• Uautentisert (dev/test)
• Key-based (x-functions-key header)
• Microsoft Entra (Project Managed Identity eller OAuth passthrough)

Integrering via Azure Functions:

• MCP-server kan hostes på Azure Functions og eksponeres som https://{app}.azurewebsites.net/runtime/webhooks/mcp
• Støtter både synkrone (MCP) og asynkrone (Azure Queue) meldingsmønstre

NB for offentlig sektor: Foundry Agent Service kobler kun til offentlig tilgjengelige MCP-endepunkter. Interne endepunkter krever eksponering via API Gateway eller Azure Application Proxy.

4. A2A-protokollstøtte

Foundry Agent Service støtter Agent-to-Agent (A2A) interoperabilitet:

• A2APreviewTool: Koble Foundry-agenter til A2A-kompatible remote agenter
• Agenter fra ulike rammeverk (Semantic Kernel, AutoGen, LangGraph) kan kommunisere via A2A
• Kombineres med Agent Registry (Microsoft Entra) for enterprise discovery og audit

// A2A-verktøy i Foundry-agent
A2APreviewTool a2aTool = new()
{
    ProjectConnectionId = connection.Id,
    BaseUri = new Uri("https://remote-agent/a2a")
};
PromptAgentDefinition agentDef = new(model: "gpt-4o")
{
    Instructions = "Du er en hjelpsom assistent.",
    Tools = { a2aTool }
};

Se separat KB agent-to-agent-communication.md for fullstendig A2A-dokumentasjon.

Agenttyper og verktøy

Innebygde verktøy

Verktøy	Type	Formål	Tilgjengelighet
Code Interpreter	Action	Kjøre Python-kode i sandkasse, generere filer og visualiseringer	GA
File Search	Knowledge	RAG over opplastede filer via Azure AI Search	GA (ikke tilgjengelig i Italy North, Brazil South)
Grounding with Bing Search	Knowledge	Webgrunnlag via Bing	GA
Bing Custom Search	Knowledge	Webgrunnlag begrenset til definerte domener	GA
SharePoint	Knowledge	Tilgang til interne dokumenter via SharePoint	Preview
Azure Functions	Action	Kalle serverless-funksjoner (synkron via MCP eller asynkron via Queue)	GA
Azure Logic Apps	Action/Trigger	Over 1400 forhåndsbygde koblinger, event-trigget invokasjon	GA
OpenAPI tool	Action	Kalle HTTP-endepunkter beskrevet med OpenAPI 3.0-spec	GA
MCP tool	Action/Knowledge	Koble til MCP-servere (remote)	GA (juni 2025)
Deep Research tool	Knowledge	Flerstegs research via o3-deep-research + Bing	GA (juni 2025)
Fabric Data Agent	Knowledge	Chat med strukturert data i Microsoft Fabric	GA
Morningstar tool	Knowledge	Finansdata fra Morningstar	GA

Hosted agents (Preview)

Containeriserte agenter som kjøres på Foundry-administrert infrastruktur:

Rammeverk	Python	C#
Microsoft Agent Framework	✅	✅
LangGraph	✅	❌
Custom code	✅	✅

Multi-agent mønstre

Connected Agents (GA — mai 2025)

Primæragenten delegerer til spesialiserte subagenter via naturlig språk — ingen ekstern orkestrator nødvendig:

Arkitektureksempel:

Primæragent (Kontraktsgjennomgang)
├── Subagent 1: clause-summarizer (File Search + Code Interpreter)
├── Subagent 2: compliance-validator (File Search + OpenAPI)
└── Subagent 3: risk-scorer (Azure Functions)

Begrensninger:

• Maks dybde: 2 nivåer (primær → subagent, ikke sub-sub-agenter)
• Connected agents kan ikke bruke lokale funksjoner direkte (bruk OpenAPI tool eller Azure Functions)
• Sitater fra subagenter kan ikke garanteres å propagere til primærsvar

# Opprett Connected Agent-oppsett (Python)
connected_agent = ConnectedAgentTool(
    id=stock_agent.id,
    name=stock_agent.name,
    description="Henter børskurs for selskaper"
)
main_agent = project_client.agents.create_agent(
    model=os.environ["MODEL_DEPLOYMENT_NAME"],
    name="research-agent",
    instructions="Bruk tilgjengelige verktøy for markedsanalyse.",
    tools=connected_agent.definitions,
)

Multi-Agent Workflows (Preview)

YAML-basert deklarativ konfigurasjon for komplekse, stateful orkestreringer:

• Visuell designer i Foundry-portalen
• Versjonering og change logs
• Koordinering av multiple agenter med kontekst og state

Orchestration-mønstre

Mønster	Beskrivelse	Brukstilfelle
Supervisor (Connected Agents)	Primæragent router til spesialiserte subagenter	Modulære workflows, dokumentanalyse
Peer-to-Peer (A2A)	Agenter kommuniserer direkte uten sentral koordinering	Tight-coupled systemer, lav latens
Hierarkisk (Workflows)	YAML-definert hierarki med explicit state	Komplekse prosesser, compliance-krav
Event-drevet (Logic Apps)	Agenter trigges av hendelser (e-post, ticket, fil)	Automatiserte forretningsprosesser

Integrasjon med Semantic Kernel

Semantic Kernel integrerer med Foundry Agent Service via AzureAIAgent-klassen:

GA-krav (Semantic Kernel)

Plattform	Minimumsversjon	Pakke
.NET	SK 1.53.1+	Azure.AI.Agents.Persistent 1.0.0
Python	SK 1.31.0+	azure-ai-agents 1.0.0+

NB: Foundry-prosjekter opprettet etter 19. mai 2025 bruker nytt endpoint-format. Pre-GA-prosjekter brukte connection string.

# Semantic Kernel AzureAIAgent (Python)
from semantic_kernel.agents import AzureAIAgent
from azure.identity import DefaultAzureCredential

async with (
    DefaultAzureCredential() as creds,
    AzureAIAgent.create_client(credential=creds) as client,
):
    agent = await AzureAIAgent.create(
        client=client,
        id=agent_id,
        kernel=kernel,
    )
    # Kjør agent
    response = await agent.invoke(messages, thread=thread)

// Semantic Kernel AzureAIAgent (.NET)
PersistentAgentsClient agentsClient = AzureAIAgent.CreateAgentsClient(
    "<endpoint>", new DefaultAzureCredential());

PersistentAgent definition = await agentsClient.Administration.CreateAgentAsync(...);
AzureAIAgent agent = new(definition, agentsClient);

Semantic Kernel Orchestration-støtte:

• GroupChatOrchestration — group chat pattern mellom agenter
• SequentialOrchestration — kjede agenter i sekvens
• HandoffOrchestration — agent A overlater kontroll til agent B
• Kombineres med A2A for cross-framework interoperabilitet

Prising

Foundry Agent Service følger en pay-as-you-go-modell uten fast månedsavgift for selve agenttjenesten:

Kostnadselement	Modell	Estimat
LLM inference	Per token (input + output) for valgt modell	Varierer per modell (GPT-4o: ca. 37–148 NOK/1M tokens)
Code Interpreter	Per sesjon (aktiv i 1 time som default)	Ca. 0,55 USD per sesjon
File Search / Vector Storage	Per GB lagret per dag	Ca. 0,10 USD/GB/dag
Thread/Message storage	Inkludert i tjenesten	Gratis
BYO Cosmos DB	Egne Cosmos DB-priser	Varierer
Azure Logic Apps-triggers	Per kjøring	Ca. 0,00017 USD per kjøring
MCP server hosting (Azure Functions)	Consumption-plan	Fra gratis nivå

Faktureringsprinsipper:

1. Du betaler for inference av base-modellen per agent (hvis du har 3 agenter med GPT-4o, betaler du for alle 3)
2. Code Interpreter: Per sesjon, ikke per kall — ett aktivt thread-run i 45 min = én sesjon
3. Ingen egne rate limits på Agent Service API — throttling skjer på modellnivå

Viktig for budsjett:

• Bruk azd down eller slett ressurser ved test for å unngå løpende kostnader
• Sett opp Azure Cost Management-varsler på Foundry-ressurser
• Container Registry (Basic) og Application Insights påløper ved hosted agents

Se: azure.microsoft.com/pricing/details/ai-foundry

Regional tilgjengelighet

Foundry Agent Service er tilgjengelig i følgende Azure-regioner (per februar 2026):

Region	Status
Norway East	Tilgjengelig
Sweden Central	Tilgjengelig
West Europe	Tilgjengelig
Germany West Central	Tilgjengelig
France Central	Tilgjengelig
Switzerland North	Tilgjengelig
UK South	Tilgjengelig
East US / East US 2	Tilgjengelig
... (19 regioner totalt)	Se docs for full liste

Viktig for norsk offentlig sektor:

• Norway East er støttet — dette er foretrukket region for virksomheter med krav til datasuverenitet
• Sweden Central er alternativ region innenfor EØS
• Ikke alle verktøy er tilgjengelige i alle regioner — sjekk tool-by-region-matrisen i dokumentasjonen
• File Search er ikke tilgjengelig i Italy North og Brazil South
• Code Interpreter er ikke tilgjengelig i alle regioner

Sjekk regional verktøytilgjengelighet: learn.microsoft.com/azure/ai-foundry/agents/concepts/tool-best-practice#tool-support-by-region-and-model

Enterprise-sikkerhet og governance

Funksjon	Beskrivelse
Microsoft Entra ID	Identitet og RBAC for agenter og ressurser
Content filtering	Innebygde content safety filters og prompt injection-beskyttelse (XPIA)
Network isolation	Private endpoints og virtual network-integrasjon
BYO Storage	Bruk eget Azure Cosmos DB og Azure AI Search — data forlater ikke din kontroll
Audit logs	Full sporbarhet av agent-kjøringer via Application Insights
Tracing	End-to-end OpenTelemetry-instrumentering
Encryption	Data kryptert i transit og at rest

Offentlig sektor (Norge)

GDPR og personvern

Krav	Foundry Agent Service-implementasjon
Datasuverenitet	Norway East-region, BYO Cosmos DB for thread-lagring
Behandlingsgrunnlag	Logg threadId + runId for å spore behandlinger
Slettingsrett	DELETE /threads/{threadId} for sletting av konversasjonshistorikk
Dataportabilitet	Eksporter meldingshistorikk via GET /threads/{id}/messages
Personvern by design	Deklarér data-kategorier i agentens instruksjoner og dokumentasjon

AI Act (EU Forordning 2024)

Krav	Implementasjon
Transparens	Agentens navn og formål må kommuniseres til bruker
Human oversight	Bruk Logic Apps triggers med godkjenningssteg for høyrisiko-handlinger
Sporbarhet	Application Insights + Run Steps for full auditabilitet
Risikovurdering	DPIA for agenter som behandler persondata (bruk /architect:dpia)

Forvaltningsloven § 11a (Automatiserte vedtak)

Agenter som bidrar til vedtaksprosesser må:

1. Logge alle agent-runs med runId og threadId
2. Muliggjøre manuell overstyring via human-in-the-loop i workflow
3. Vedlegge agent-konversasjonshistorikk som saksgrunnlag

For Cosmo: Beslutningsveiledning

Velg Foundry Agent Service når

Scenario	Begrunnelse
Du trenger produksjonsklar agent fra dag én	Innebygd enterprise-sikkerhet, compliance, skalering
Persistent conversation state er nødvendig	Threads håndterer state automatisk
Multi-agent workflow uten custom orkestrator	Connected Agents med naturlig-språk routing
Regulerte virksomheter (offentlig sektor, helse, finans)	Content filtering, audit logs, Entra-integrasjon
Rike verktøy ut-av-boksen	Code Interpreter, File Search, MCP, Logic Apps (1400+ koblinger)
Semantic Kernel / Microsoft Agent Framework	Native integrasjon via AzureAIAgent
Integrasjon med eksisterende Azure-infrastruktur	Logic Apps triggers, Azure Functions, Cosmos DB, AI Search

Velg Copilot Studio i stedet når

Scenario	Begrunnelse
Innholdsforvaltere og forretningsbrukere bygger agenten	Lav-kode/no-kode oppsett
Agent primært skal svare på spørsmål (Q&A)	Enkel knowledge base-integrasjon
Microsoft 365-integrasjon er primærkrav	Teams, Outlook, SharePoint out-of-box
Power Platform-workflows er kjernen	Dypere Power Automate-integrasjon
Citizen developers	Ingen programmeringskrav

Velg Microsoft Agent Framework over Foundry Agent Service når

Scenario	Begrunnelse
POC / eksperimentell utvikling	Raskere iterasjon uten production constraints
Custom orchestration patterns	Mer fleksibel enn Connected Agents
LangGraph Python-workflows	Støttet via hosted agents, men bedre i Agent Framework direkte

Migrasjon fra preview til GA

Breaking changes ved GA (19. mai 2025):

Pre-GA	GA
Tilkobling via connection_string	Tilkobling via endpoint URL
azure.ai.projects.models imports	azure.ai.agents.models imports
AIProjectClient.get_agents_client()	PersistentAgentsClient(endpoint, credential)
AgentsClient.CreateAgentAsync()	PersistentAgentsClient.Administration.CreateAgentAsync()
SK Python < 1.31.0	SK Python >= 1.31.0
SK .NET < 1.53.1	SK .NET >= 1.53.1
Azure.AI.Projects beta	Azure.AI.Agents.Persistent 1.0.0

Migrasjonsguide (Semantic Kernel):

• .NET: https://learn.microsoft.com/semantic-kernel/support/migration/azureagent-foundry-ga-migration-guide
• Python: Samme URL, velg Python-fanen

Spørsmål å stille

1. Trenger du persistent state? → Ja: Foundry Agent Service (threads). Nei: Vurder stateless Responses API
2. Antall agenter og orkestreringslogikk? → 1-5 enkle: Connected Agents. Kompleks YAML-logikk: Workflows (preview)
3. Hvem bygger agenten? → Utviklere: Foundry Agent Service. Forretningsbrukere: Copilot Studio
4. Krav til datasuverenitet? → Norway East + BYO Cosmos DB
5. Budget-sensitivitet? → Dimensjoner Code Interpreter-bruk (per sesjon) og vector storage nøye
6. Finnes det eksisterende Logic Apps-workflows? → Bruk triggers for event-drevet agent-aktivering

Røde flagg

• "Vi vil ikke ha noe på Azure" → Foundry Agent Service er Azure-eksklusivt
• "Vi trenger on-premises" → Microsoft Agent Framework med private hosting
• "Agenten trenger å kalle interne MCP-servere" → Krever offentlig tilgjengelig endpoint eller API Gateway
• "Vi har ikke Microsoft Entra" → Foundry krever Entra for RBAC og identitet
• "Sub-agenter må kunne ha egne sub-agenter" → Connected Agents har maks dybde 2

Modenhetsnivåer

Nivå 1: POC (0-3 måneder)

• Enkel agent med 1-2 verktøy (File Search eller Code Interpreter)
• REST API quickstart eller Foundry-portalen
• Standard Microsoft-lagring (ikke BYO Cosmos DB)

Nivå 2: Pilot (3-12 måneder)

• Connected Agents for modulær arkitektur
• MCP-integrasjon med interne systemer
• Application Insights for observability
• BYO Cosmos DB for thread storage

Nivå 3: Produksjon (12+ måneder)

• Multi-Agent Workflows med YAML
• Logic Apps triggers for event-drevet invokasjon
• Full audit compliance (GDPR, AI Act)
• VNet-integrasjon og private endpoints

Grenser og kvoter

Grense	Verdi
Maks filer per agent/thread	10 000
Maks filstørrelse	512 MB
Total opplastet filstørrelse	300 GB
Maks tokens for vector store-tilknytning	2 000 000 tokens
Maks meldinger per thread	100 000
Maks tegn per melding	1 500 000
Maks verktøy per agent	128
Connected agent maks dybde	2

Rate limiting skjer på modell-deployment-nivå, ikke Agent Service-nivå. Se Azure OpenAI kvoter for TPM/RPM-grenser per region og modell.

Kilder og verifisering

Microsoft Learn (Verified)

1. What is Foundry Agent Service?

   • https://learn.microsoft.com/azure/ai-foundry/agents/overview?view=foundry-classic
   • Confidence: Verified (offisiell oversikt, GA-dokumentasjon)

2. What's new in Foundry Agent Service (GA mai 2025)

   • https://learn.microsoft.com/azure/ai-foundry/agents/whats-new?view=foundry-classic
   • Confidence: Verified (changelog, mai–juni 2025)

3. Connected Agents

   • https://learn.microsoft.com/azure/ai-foundry/agents/how-to/connected-agents?view=foundry-classic
   • Confidence: Verified (multi-agent SDK guide og eksempler)

4. Foundry Agent Service limits, quotas, and regional support

   • https://learn.microsoft.com/azure/ai-foundry/agents/concepts/limits-quotas-regions?view=foundry
   • Confidence: Verified (komplett region- og grense-tabell)

5. MCP tool — Foundry Agent Service

   • https://learn.microsoft.com/azure/ai-foundry/agents/how-to/tools-classic/model-context-protocol-samples?view=foundry-classic
   • Confidence: Verified (C# og Python code samples)

6. Threads, runs, and messages

   • https://learn.microsoft.com/azure/ai-foundry/agents/concepts/threads-runs-messages?view=foundry-classic
   • Confidence: Verified (kjernekonsept-dokumentasjon)

7. AzureAIAgent Foundry GA Migration Guide (SK Python)

   • https://learn.microsoft.com/semantic-kernel/support/migration/azureagent-foundry-ga-migration-guide
   • Confidence: Verified (breaking changes og migrasjonsguide)

8. Transparency Note for Azure Agent Service

   • https://learn.microsoft.com/azure/ai-foundry/responsible-ai/agents/transparency-note?view=foundry-classic
   • Confidence: Verified (ansvarlig AI-rammeverk)

9. Foundry Agent Service FAQ (prising)

   • https://learn.microsoft.com/azure/ai-foundry/agents/faq?view=foundry-classic
   • Confidence: Verified (offisiell prisingsforklaring)

Confidence per seksjon

Seksjon	Confidence	Kilde
GA-milepæler og features	Verified	MS Learn whatsnew
Thread/message/run model	Verified	MS Learn threads-runs-messages
Connected Agents	Verified	MS Learn connected-agents (med kodeeksempler)
MCP-støtte	Verified	MS Learn MCP samples + Functions integration
A2A-protokoll	Verified	MS Learn agent framework
Regional tilgjengelighet	Verified	MS Learn limits-quotas-regions
Semantic Kernel integrasjon	Verified	SK migration guide + SK docs
Prising	Baseline	MS Learn FAQ + Azure pricing page (estimater i NOK)
GDPR/AI Act-mapping	Baseline	LLM kunnskap + NO compliance praksis

Total sources cited: 9 primærkilder fra MCP-research MCP calls: 4 (2x search-rounds med 4 parallelle kall, 2x fetch)