Microsoft એ જાહેરાત કરી છે કે Azure AI Foundry ના Prompt Flow માં 20 એપ્રિલ 2026 થી નવા ફીચર્સ મળવાનું બંધ થઈ જશે અને 20 એપ્રિલ 2027 ના રોજ તેને નિવૃત્ત (retire) કરી દેવામાં આવશે. તે ડેવલપર્સને તેમના વર્કલોડ્સ Microsoft Agent Framework પર સ્થાનાંતરિત કરવા વિનંતી કરે છે. આ ડેડલાઇન મહત્વની છે કારણ કે Prompt Flow ને સપોર્ટ કરતા રનટાઇમ ઇમેજીસ (runtime images) માં ટૂંક સમયમાં સિક્યુરિટી અપડેટ્સ મળવાનું બંધ થઈ જશે, જેનાથી જે કોઈપણ સંસ્થા આ સર્વિસ ચાલુ રાખશે તેને કમ્પ્લાયન્સ (compliance) સંબંધિત મુશ્કેલીઓ ઊભી થશે.
Prompt Flow એ લાર્જ-લેંગ્વેજ-મોડલ (LLM) પાઇપલાઇન્સ માટે Azure AI Foundry નું વિઝ્યુઅલ ઓર્કેસ્ટ્રેટર હતું. "flow" એ મૂળભૂત રીતે એક ફોલ્ડર છે જેમાં ઇનપુટ્સ, આઉટપુટ્સ અને નોડ્સના ક્રમનું વર્ણન કરતી flow.dag.yaml ફાઇલ હોય છે. વિઝ્યુઅલ એડિટર વપરાશકર્તાઓને ઘટકોને ડ્રેગ અને ડ્રોપ કરવાની સુવિધા આપતું હતું, પરંતુ વર્ઝન-કંટ્રોલ સિસ્ટમ્સ ખરેખર નીચેની YAML ફાઇલને જ ટ્રેક કરે છે.
આ ફેરફાર શા માટે મહત્વનો છે
- કમ્પ્લાયન્સ રિસ્ક (Compliance risk) – સિક્યુરિટી અપડેટ્સ વિના, રનટાઇમ ઇમેજીસમાં શોધાયેલી કોઈપણ નબળાઈ (vulnerability) અનપેચ્ડ (unpatched) રહી જાય છે. રેગ્યુલેટર્સ ઘણીવાર મેન્ટેન ન કરવામાં આવતા કોડને નોન-કમ્પ્લાયન્ટ (non-compliant) તરીકે લેબલ કરે છે, ખાસ કરીને જ્યારે તે ક્રેડેન્શિયલ્સ (credentials) હેન્ડલ કરતું હોય.
મુખ્ય ખ્યાલો જે તમારે હજુ પણ જાણવાની જરૂર છે
ભલે તમે Prompt Flow ને છોડવાનું આયોજન કરી રહ્યા હોવ, પરંતુ તેના દ્વારા પ્રોત્સાહિત કરવામાં આવેલા પેટર્ન મૂલ્યવાન રહે છે. તેમને સમજવાથી Agent Framework માં સંક્રમણ (transition) સરળ બનશે.
- ફોલ્ડર-આધારિત વ્યાખ્યા (Folder-based definition) – ફ્લોની YAML ફાઇલ દરેક નોડ, તેનો પ્રકાર અને તેના ડેટા કોન્ટ્રાક્ટ્સની યાદી આપે છે. આ ફાઇલને સોર્સ કંટ્રોલ હેઠળ રાખો; તે સિંગલ સોર્સ ઓફ ટ્રુથ (single source of truth) છે.
- ડિટરમિનિસ્ટિક કામ માટે Python નોડ્સ – પાર્સિંગ, વેલિડેશન અથવા કોઈપણ લોજિક માટે Python સ્ટેપ્સનો ઉપયોગ કરો જે સમાન ઇનપુટ આપતા સમાન પરિણામ આપવું જોઈએ. આ નોન-ડિટરમિનિસ્ટિક LLM કોલ્સને અલગ કરે છે અને ડાઉનસ્ટ્રીમ ટેસ્ટિંગ સરળ બનાવે છે.
- સિક્રેટ્સ માટે કનેક્શન ઓબ્જેક્ટ્સ – ક્રેડેન્શિયલ્સ કોડમાં નહીં, પરંતુ અલગ કનેક્શન ફિલ્ડમાં રહે છે. આ ડિઝાઇન તમને ફ્લો વ્યાખ્યાને અડક્યા વગર ડેવલપમેન્ટ કીઝને પ્રોડક્શન કીઝ સાથે બદલવાની મંજૂરી આપે છે.
- ઇવેલ્યુએશન ડેટાસેટ્સ (Evaluation datasets) – Prompt Flow નું સૌથી મજબૂત ફીચર તેનું ઇન-બિલ્ટ ઇવેલ્યુએશન લૂપ હતું. એક JSONL ફાઇલ જે વાસ્તવિક ઇનપુટ્સને અપેક્ષિત આઉટપુટ્સ સાથે જોડે છે, તેનો કોઈપણ ફ્રેમવર્કમાં ફરીથી ઉપયોગ કરી શકાય છે; તેને પોર્ટેબલ ટેસ્ટ ડેટા તરીકે ગણો.
- સિસ્ટમ-લેવલ મેટ્રિક્સ – માત્ર એક જ નોડના આઉટપુટને માપવું ભ્રામક હોઈ શકે છે. આખી પાઇપલાઇન ચાલ્યા પછી જ દેખાતા રિગ્રેશન્સ (regressions) પકડવા માટે ડિટરમિનિસ્ટિક ચેક્સ (દા.ત., regex matches) ને એન્ડ-ટુ-એન્ડ મેટ્રિક્સ સાથે જોડો.
માઇગ્રેશન રોડમેપ
Prompt Flow થી Agent Framework પર જવું એ માત્ર 'ક્લિક-એન્ડ-કન્વર્ટ' ઓપરેશન નથી; તે દરેક નોડના સેમેન્ટિક્સ (semantics) ને ફરીથી લખવાની જરૂરિયાત ધરાવે છે.
- LLM નોડ્સને મેપ કરો – વિઝ્યુઅલ LLM બ્લોક્સને એજન્ટ ક્લાસમાં લપેરેલા (wrapped) સ્પષ્ટ API કોલ્સ સાથે બદલો. એજન્ટ એ જ ઇનપુટ સ્કીમા સ્વીકારવો જોઈએ જે મૂળ YAML માં વ્યાખ્યાયિત કરવામાં આવી હતી.
- Python નોડ્સનું ભાષાંતર કરો – Python કોડને નિયમિત ફંક્શન્સ અથવા મેથડ્સમાં ફેરવો જેને નવું ઓર્કેસ્ટ્રેટર ઇનવોક (invoke) કરી શકે. તમે તેમની આસપાસ બનાવેલા કોઈપણ ડિટરમિનિસ્ટિક કોન્ટ્રાક્ટ્સને જાળવી રાખો.
- કનેક્શન્સને ફરીથી જોડો (Rewire connections) – Prompt Flow માંથી કનેક્શન વ્યાખ્યાઓને એક્સપોર્ટ કરો અને તેને Agent Framework ના સિક્રેટ સ્ટોરમાં ઇમ્પોર્ટ કરો. એન્વાયરમેન્ટ-સ્પેસિફિક વેલ્યુઝ હજુ પણ યોગ્ય રીતે રિઝોલ્વ થાય છે તેની ખાતરી કરો.
- ઇવેલ્યુએશન ડેટા પોર્ટ કરો – હાલની JSONL ફાઇલને નવા ફ્રેમવર્કના ટેસ્ટ હાર્નેસમાં ફીડ કરો. Agent Framework ના રિપોર્ટિંગ ફોર્મેટ સાથે મેળ ખાવા માટે કોઈપણ મેટ્રિક ગણતરીઓને એડજસ્ટ કરો.
- એન્ડ-ટુ-એન્ડ વેલિડેશન કરો – વાસ્તવિક ટ્રાફિકના સેમ્પલ પર સંપૂર્ણ પાઇપલાઇન ચલાવો. ડ્રિફ્ટ (drift) શોધવા માટે અંતિમ આઉટપુટ્સની સરખામણી મૂળ Prompt Flow બેઝલાઇન સાથે કરો.
- ઓર્કેસ્ટ્રેશન પર ઇટરેટ કરો – જો તમારા વર્કફ્લોને પ્રોસેસ રીસ્ટાર્ટ દરમિયાન રેઝિલિયન્સ (resilience) ની જરૂર હોય, તો વિઝ્યુઅલ ફ્લો ફરીથી બનાવવાને બદલે Azure Durable Functions અથવા અન્ય ડ્યુરેબલ ઓર્કેસ્ટ્રેટરનો વિચાર કરો.
આગળ શું ધ્યાન રાખવું
મુખ્ય વાત (Takeaway): એપ્રિલ 2027 ની ડેડલાઇનને 'હાર્ડ સ્ટોપ' તરીકે ગણો. કોઈપણ નવા Prompt Flow પ્રોજેક્ટ્સને સ્થગિત કરો, પુનઃઉપયોગી ભાગો—YAML વ્યાખ્યાઓ, Python લોજિક, કનેક્શન કોન્ફિગ્સ અને ઇવેલ્યુએશન ડેટા—તેમને અલગ તારવો અને સિક્યુરિટી અપડેટ્સ હજુ પણ મળી રહ્યા હોય તે દરમિયાન Agent Framework માં તેમને ફરીથી બનાવવાનું શરૂ કરો. અત્યારે કરવામાં આવેલો પ્રયાસ પછીથી ઉતાવળિયા અને જોખમી માઇગ્રેશનને અટકાવશે.
સ્ત્રોત: https://dev.to/multigrid/building-a-prompt-flow-in-azure-ai-foundry-2bbn