Microsoft hat angekündigt, dass Prompt Flow von Azure AI Foundry am 20. April 2026 keine neuen Funktionen mehr erhalten wird und am 20. April 2027 eingestellt wird. Entwickler werden aufgefordert, ihre Workloads auf das Microsoft Agent Framework zu migrieren. Die Frist ist entscheidend, da die Runtime-Images, die Prompt Flow antreiben, bald keine Sicherheitsupdates mehr erhalten werden, was Compliance-Probleme für alle Organisationen mit sich bringt, die den Dienst weiter betreiben.

Prompt Flow war der visuelle Orchestrator von Azure AI Foundry für Large-Language-Model (LLM)-Pipelines. Ein „Flow“ ist im Wesentlichen ein Ordner, der eine flow.dag.yaml-Datei enthält, welche die Inputs, Outputs und die Sequenz der Nodes beschreibt. Der visuelle Editor ermöglichte es Benutzern, Komponenten per Drag-and-Drop zu verschieben, aber die zugrunde liegende YAML-Datei ist das, was Versionskontrollsysteme tatsächlich erfassen.

Warum die Änderung wichtig ist

  • Compliance-Risiko – Ohne Sicherheitsupdates bleiben entdeckte Schwachstellen in den Runtime-Images ungepatcht. Regulierungsbehörden stufen nicht gewarteten Code oft als nicht konform ein, insbesondere wenn dieser mit Zugangsdaten (Credentials) umgeht.

Kernkonzepte, die Sie weiterhin kennen sollten

Auch wenn Sie planen, Prompt Flow aufzugeben, bleiben die darin geförderten Muster wertvoll. Das Verständnis dieser Muster wird den Übergang zum Agent Framework erleichtern.

  • Ordnerbasierte Definition – Die YAML-Datei des Flows listet jeden Node, seinen Typ und seine Datenverträge (Data Contracts) auf. Behalten Sie diese Datei unter Versionskontrolle; sie ist die einzige Quelle der Wahrheit (Single Source of Truth).
  • Python-Nodes für deterministische Aufgaben – Verwenden Sie Python-Schritte für das Parsing, die Validierung oder jede Logik, die bei gleichem Input das gleiche Ergebnis liefern muss. Dies isoliert die nicht-deterministischen LLM-Aufrufe und erleichtert das nachgelagerte Testen.
  • Connection-Objekte für Secrets – Zugangsdaten liegen in einem separaten Connection-Feld und nicht im Code. Dieses Design ermöglicht es Ihnen, Development-Keys gegen Production-Keys auszutauschen, ohne die Flow-Definition zu ändern.
  • Evaluations-Datensätze – Das stärkste Feature von Prompt Flow war seine integrierte Evaluationsschleife. Eine JSONL-Datei, die realistische Inputs mit erwarteten Outputs paart, kann in jedem Framework wiederverwendet werden; behandeln Sie sie als portable Testdaten.
  • Metriken auf Systemebene – Die Messung nur des Outputs eines einzelnen Nodes kann irreführend sein. Kombinieren Sie deterministische Prüfungen (z. B. Regex-Matches) mit End-to-End-Metriken, um Regressionen zu erkennen, die erst nach dem Durchlauf der gesamten Pipeline auftreten.

Migrations-Roadmap

Der Wechsel von Prompt Flow zum Agent Framework ist keine einfache „Click-and-Convert“-Operation; er erfordert eine Neuschreibung der Semantik jedes Nodes.

  1. LLM-Nodes mappen – Ersetzen Sie visuelle LLM-Blöcke durch explizite API-Aufrufe, die in eine Agent-Klasse gekapselt sind. Der Agent sollte dasselbe Input-Schema akzeptieren, das im ursprünglichen YAML definiert wurde.
  2. Python-Nodes übersetzen – Verschieben Sie Python-Code in reguläre Funktionen oder Methoden, die der neue Orchestrator aufrufen kann. Behalten Sie alle deterministischen Verträge bei, die Sie darum herum aufgebaut haben.
  3. Connections neu verknüpfen – Exportieren Sie die Connection-Definitionen aus Prompt Flow und importieren Sie diese in den Secret Store des Agent Frameworks. Überprüfen Sie, ob umgebungsspezifische Werte weiterhin korrekt aufgelöst werden.
  4. Evaluationsdaten portieren – Speisen Sie die vorhandene JSONL-Datei in das Test-Harness des neuen Frameworks ein. Passen Sie alle Metrikberechnungen an das Reporting-Format des Agent Frameworks an.
  5. End-to-End validieren – Führen Sie die gesamte Pipeline mit einer Stichprobe echten Traffics aus. Vergleichen Sie die finalen Outputs mit der ursprünglichen Prompt Flow Baseline, um Abweichungen (Drift) zu erkennen.
  6. Orchestrierung iterieren – Wenn Ihr Workflow Resilienz bei Prozess-Neustarts benötigt, ziehen Sie Azure Durable Functions oder einen anderen Durable Orchestrator in Betracht, anstatt einen visuellen Flow neu aufzubauen.

Was als Nächstes zu beachten ist

Fazit: Betrachten Sie die Frist im April 2027 als harten Stopp. Pausieren Sie alle neuen Prompt Flow-Projekte, extrahieren Sie die wiederverwendbaren Teile – YAML-Definitionen, Python-Logik, Connection-Konfigurationen und Evaluationsdaten – und beginnen Sie mit dem Neuaufbau im Agent Framework, solange noch Sicherheitsupdates fließen. Der heutige Aufwand verhindert eine überstürzte, riskante Migration in der Zukunft.

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