Microsoft anunció que Prompt Flow de Azure AI Foundry dejará de recibir nuevas funciones el 20 de abril de 2026 y será retirado el 20 de abril de 2027. Se insta a los desarrolladores a migrar sus cargas de trabajo al Microsoft Agent Framework. El plazo es importante porque las imágenes de tiempo de ejecución (runtime images) que impulsan Prompt Flow pronto perderán las actualizaciones de seguridad, lo que creará problemas de cumplimiento para cualquier organización que mantenga el servicio activo.

Prompt Flow era el orquestador visual de Azure AI Foundry para pipelines de modelos de lenguaje extensos (LLM). Un "flow" es esencialmente una carpeta que contiene un archivo flow.dag.yaml que describe las entradas, salidas y la secuencia de nodos. El editor visual permitía a los usuarios arrastrar y soltar componentes, pero el archivo YAML subyacente es lo que los sistemas de control de versiones rastrean realmente.

Por qué es importante el cambio

  • Riesgo de cumplimiento – Sin actualizaciones de seguridad, cualquier vulnerabilidad descubierta en las imágenes de tiempo de ejecución permanecerá sin parchear. Los reguladores suelen calificar el código sin mantenimiento como no conforme, especialmente cuando maneja credenciales.

Conceptos básicos que aún debe conocer

Incluso mientras planea abandonar Prompt Flow, los patrones que fomentaba siguen siendo valiosos. Comprenderlos facilitará la transición al Agent Framework.

  • Definición basada en carpetas – El archivo YAML del flow enumera cada nodo, su tipo y sus contratos de datos. Mantenga este archivo bajo control de versiones; es la única fuente de verdad.
  • Nodos de Python para trabajo determinista – Utilice pasos de Python para el análisis (parsing), la validación o cualquier lógica que deba producir el mismo resultado ante la misma entrada. Esto aísla las llamadas no deterministas de los LLM y facilita las pruebas posteriores.
  • Objetos de conexión para secretos – Las credenciales residen en un campo de conexión separado, no en el código. Este diseño le permite intercambiar claves de desarrollo por claves de producción sin tocar la definición del flow.
  • Conjuntos de datos de evaluación – La característica más fuerte de Prompt Flow era su bucle de evaluación integrado. Un archivo JSONL que empareja entradas realistas con salidas esperadas puede reutilizarse en cualquier framework; trátelo como datos de prueba portátiles.
  • Métricas a nivel de sistema – Medir solo la salida de un único nodo puede ser engañoso. Combine comprobaciones deterministas (por ejemplo, coincidencias de regex) con métricas de extremo a extremo para detectar regresiones que aparecen solo después de que se ejecuta todo el pipeline.

Hoja de ruta de migración

Pasar de Prompt Flow al Agent Framework no es una operación de "clic y convertir"; requiere una reescritura de la semántica de cada nodo.

  1. Mapear nodos de LLM – Reemplace los bloques visuales de LLM con llamadas de API explícitas envueltas en una clase de agente. El agente debe aceptar el mismo esquema de entrada definido en el YAML original.
  2. Traducir nodos de Python – Traslade el código Python a funciones o métodos regulares que el nuevo orquestador pueda invocar. Preserve cualquier contrato determinista que haya construido a su alrededor.
  3. Reconfigurar conexiones – Exporte las definiciones de conexión de Prompt Flow e impórtelas en el almacén de secretos del Agent Framework. Verifique que los valores específicos del entorno se sigan resolviendo correctamente.
  4. Portar datos de evaluación – Introduzca el archivo JSONL existente en el entorno de pruebas (test harness) del nuevo framework. Ajuste cualquier cálculo de métricas para que coincida con el formato de reporte del Agent Framework.
  5. Validar de extremo a extremo – Ejecute el pipeline completo con una muestra de tráfico real. Compare los resultados finales con la línea base original de Prompt Flow para detectar desviaciones (drift).
  6. Iterar en la orquestación – Si su flujo de trabajo necesita resiliencia ante reinicios de procesos, considere Azure Durable Functions u otro orquestador duradero en lugar de reconstruir un flow visual.

Qué esperar a continuación

Conclusión: Considere el plazo de abril de 2027 como un límite definitivo. Detenga cualquier proyecto nuevo de Prompt Flow, extraiga las piezas reutilizables (definiciones YAML, lógica de Python, configuraciones de conexión y datos de evaluación) y comience a reconstruirlas en el Agent Framework mientras las actualizaciones de seguridad sigan llegando. El esfuerzo actual evitará una migración apresurada y arriesgada en el futuro.

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