Microsoft a annoncé que Prompt Flow d'Azure AI Foundry cessera de recevoir de nouvelles fonctionnalités le 20 avril 2026 et sera retiré le 20 avril 2027. Elle incite les développeurs à migrer leurs charges de travail vers le Microsoft Agent Framework. Cette échéance est cruciale car les images d'exécution (runtime images) qui alimentent Prompt Flow perdront bientôt les mises à jour de sécurité, ce qui créera des problèmes de conformité pour toute organisation maintenant le service actif.

Prompt Flow était l'orchestrateur visuel d'Azure AI Foundry pour les pipelines de modèles de langage de grande taille (LLM). Un « flow » est essentiellement un dossier contenant un fichier flow.dag.yaml décrivant les entrées, les sorties et la séquence des nœuds. L'éditeur visuel permettait aux utilisateurs de faire glisser et déposer des composants, mais c'est le fichier YAML sous-jacent que les systèmes de contrôle de version suivent réellement.

Pourquoi ce changement est important

  • Risque de conformité – Sans mises à jour de sécurité, toute vulnérabilité découverte dans les images d'exécution reste non corrigée. Les régulateurs qualifient souvent le code non maintenu de non conforme, en particulier lorsqu'il gère des identifiants.

Concepts clés à connaître

Même si vous prévoyez d'abandonner Prompt Flow, les modèles qu'il encourageait restent précieux. Les comprendre facilitera la transition vers l'Agent Framework.

  • Définition basée sur des dossiers – Le fichier YAML du flow répertorie chaque nœud, son type et ses contrats de données. Conservez ce fichier sous contrôle de source ; il constitue la source unique de vérité.
  • Nœuds Python pour les tâches déterministes – Utilisez des étapes Python pour l'analyse (parsing), la validation ou toute logique devant produire le même résultat pour une même entrée. Cela permet d'isoler les appels LLM non déterministes et facilite les tests en aval.
  • Objets de connexion pour les secrets – Les identifiants résident dans un champ de connexion distinct, et non dans le code. Cette conception vous permet d'échanger les clés de développement par des clés de production sans modifier la définition du flow.
  • Jeux de données d'évaluation – La plus grande force de Prompt Flow était sa boucle d'évaluation intégrée. Un fichier JSONL associant des entrées réalistes à des sorties attendues peut être réutilisé dans n'importe quel framework ; traitez-le comme des données de test portables.
  • Métriques au niveau système – Mesurer uniquement la sortie d'un seul nœud peut être trompeur. Combinez des vérifications déterministes (par exemple, des correspondances regex) avec des métriques de bout en bout pour détecter les régressions qui n'apparaissent qu'une fois l'ensemble du pipeline exécuté.

Feuille de route de migration

Passer de Prompt Flow à l'Agent Framework n'est pas une opération de type « cliquer et convertir » ; cela nécessite une réécriture de la sémantique de chaque nœud.

  1. Mapper les nœuds LLM – Remplacez les blocs LLM visuels par des appels API explicites encapsulés dans une classe d'agent. L'agent doit accepter le même schéma d'entrée que celui défini dans le YAML d'origine.
  2. Traduire les nœuds Python – Transférez le code Python dans des fonctions ou des méthodes classiques que le nouvel orchestrateur peut invoquer. Préservez tous les contrats déterministes que vous avez construits autour d'eux.
  3. Recâbler les connexions – Exportez les définitions de connexion de Prompt Flow et importez-les dans le magasin de secrets (secret store) de l'Agent Framework. Vérifiez que les valeurs spécifiques à l'environnement se résolvent toujours correctement.
  4. Transférer les données d'évaluation – Injectez le fichier JSONL existant dans le banc d'essai (test harness) du nouveau framework. Ajustez les calculs de métriques pour qu'ils correspondent au format de rapport de l'Agent Framework.
  5. Valider de bout en bout – Exécutez l'intégralité du pipeline sur un échantillon de trafic réel. Comparez les sorties finales avec la référence (baseline) originale de Prompt Flow pour détecter toute dérive.
  6. Itérer sur l'orchestration – Si votre flux de travail nécessite une résilience lors des redémarrages de processus, envisagez Azure Durable Functions ou un autre orchestrateur durable plutôt que de reconstruire un flow visuel.

À surveiller ensuite

À retenir : Considérez l'échéance d'avril 2027 comme une date limite absolue. Suspendez tout nouveau projet Prompt Flow, extrayez les éléments réutilisables — définitions YAML, logique Python, configurations de connexion et données d'évaluation — et commencez à les reconstruire dans l'Agent Framework tant que les mises à jour de sécurité sont encore disponibles. Cet effort immédiat évitera une migration précipitée et risquée par la suite.

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