أعلنت Microsoft أن Prompt Flow التابع لـ Azure AI Foundry سيتوقف عن تلقي ميزات جديدة في 20 أبريل 2026 وسيتم إيقافه نهائيًا في 20 أبريل 2027. وتحث الشركة المطورين على نقل أعباء عملهم إلى Microsoft Agent Framework. ويعد هذا الموعد النهائي مهمًا لأن صور وقت التشغيل (runtime images) التي تشغل Prompt Flow ستفقد قريبًا التحديثات الأمنية، مما سيسبب مشكلات تتعلق بالامتثال لأي مؤسسة تستمر في تشغيل الخدمة.

كان Prompt Flow هو المنسق المرئي (visual orchestrator) لخطوط أنابيب النماذج اللغوية الكبيرة (LLM) في Azure AI Foundry. و"التدفق" (flow) هو في الأساس مجلد يحتوي على ملف flow.dag.yaml يصف المدخلات والمخرجات وتسلسل العقد (nodes). سمح المحرر المرئي للمستخدمين بسحب وإسقاط المكونات، ولكن ملف YAML الأساسي هو ما تتبعه أنظمة التحكم في الإصدارات (version-control systems) فعليًا.

لماذا يهم هذا التغيير

  • مخاطر الامتثال – بدون التحديثات الأمنية، ستظل أي ثغرة يتم اكتشافها في صور وقت التشغيل دون إصلاح. وغالبًا ما تصنف الجهات التنظيمية الكود غير المُصان على أنه غير ممتثل، خاصة عندما يتعامل مع بيانات الاعتماد (credentials).

المفاهيم الأساسية التي لا تزال بحاجة لمعرفتها

حتى أثناء تخطيطك للتخلي عن Prompt Flow، تظل الأنماط التي شجع عليها قيمة. وفهمها سيسهل عملية الانتقال إلى Agent Framework.

  • التعريف القائم على المجلدات – يسرد ملف YAML الخاص بالتدفق كل عقدة، ونوعها، وعقود البيانات الخاصة بها. احتفظ بهذا الملف تحت نظام التحكم في المصدر (source control)؛ فهو المصدر الوحيد للحقيقة.
  • عقد Python للأعمال الحتمية (deterministic) – استخدم خطوات Python للتحليل (parsing)، أو التحقق من الصحة، أو أي منطق يجب أن ينتج نفس النتيجة عند إعطائه نفس المدخلات. يؤدي هذا إلى عزل استدعاءات LLM غير الحتمية (nondeterministic) ويسهل الاختبارات اللاحقة.
  • كائنات الاتصال (Connection objects) للأسرار – تعيش بيانات الاعتماد في حقل اتصال منفصل، وليس في الكود. يتيح لك هذا التصميم استبدال مفاتيح التطوير بمفاتيح الإنتاج دون المساس بتعريف التدفق.
  • مجموعات بيانات التقييم – كانت أقوى ميزة في Prompt Flow هي حلقة التقييم المدمجة. يمكن إعادة استخدام ملف JSONL الذي يربط المدخلات الواقعية بالمخرجات المتوقعة في أي إطار عمل؛ تعامل معه كبيانات اختبار قابلة للنقل.
  • مقاييس على مستوى النظام – قد يكون قياس مخرجات عقدة واحدة فقط مضللاً. ادمج عمليات التحقق الحتمية (مثل مطابقة regex) مع المقاييس الشاملة (end-to-end metrics) لاكتشاف التراجعات (regressions) التي لا تظهر إلا بعد تشغيل خط الأنابيب بالكامل.

خارطة طريق الهجرة

الانتقال من Prompt Flow إلى Agent Framework ليس عملية "انقر وحوّل"؛ بل يتطلب إعادة كتابة دلالات (semantics) كل عقدة.

  1. رسم خرائط عقد LLM – استبدل كتل LLM المرئية باستدعاءات API صريحة مغلفة في فئة وكيل (agent class). يجب أن يقبل الوكيل نفس مخطط المدخلات (input schema) المحدد في ملف YAML الأصلي.
  2. ترجمة عقد Python – انقل كود Python إلى وظائف (functions) أو طرق (methods) عادية يمكن للمنسق الجديد استدعاؤها. حافظ على أي عقود حتمية قمت ببنائها حولها.
  3. إعادة توصيل الاتصالات – قم بتصدير تعريفات الاتصال من Prompt Flow واستوردها إلى مخزن الأسرار (secret store) الخاص بـ Agent Framework. تحقق من أن القيم الخاصة بالبيئة لا تزال تُحل بشكل صحيح.
  4. نقل بيانات التقييم – قم بتغذية ملف JSONL الحالي في أداة اختبار إطار العمل الجديد. قم بتعديل أي حسابات للمقاييس لتتوافق مع تنسيق التقارير في Agent Framework.
  5. التحقق من الصحة الشامل (end-to-end) – قم بتشغيل خط الأنابيب بالكامل على عينة من حركة المرور الحقيقية. قارن المخرجات النهائية بالخط المرجعي الأصلي لـ Prompt Flow لاكتشاف أي انحراف (drift).
  6. التكرار في التنسيق – إذا كانت سير العمل الخاصة بك تحتاج إلى المرونة عبر عمليات إعادة التشغيل، ففكر في Azure Durable Functions أو منسق مستدام آخر بدلاً من إعادة بناء تدفق مرئي.

ما يجب مراقبته لاحقًا

الخلاصة: تعامل مع الموعد النهائي في أبريل 2027 كوقف تام. أوقف أي مشاريع جديدة لـ Prompt Flow، واستخرج الأجزاء القابلة لإعادة الاستخدام — تعريفات YAML، ومنطق Python، وتكوينات الاتصال، وبيانات التقييم — وابدأ في إعادة بنائها في Agent Framework بينما لا تزال التحديثات الأمنية تتدفق. الجهد المبذول الآن يمنع عملية هجرة متسرعة ومحفوفة بالمخاطر لاحقًا.

المصدر: https://dev.to/multigrid/building-a-prompt-flow-in-azure-ai-foundry-2bbn