Microsoft ने घोषणा की है कि Azure AI Foundry का Prompt Flow 20 अप्रैल 2026 को नए फीचर्स प्राप्त करना बंद कर देगा और 20 अप्रैल 2027 को इसे रिटायर (retired) कर दिया जाएगा। यह डेवलपर्स से अपने वर्कलोड को Microsoft Agent Framework पर ले जाने का आग्रह करता है। यह समयसीमा महत्वपूर्ण है क्योंकि Prompt Flow को चलाने वाली रनटाइम इमेज (runtime images) जल्द ही सुरक्षा अपडेट (security updates) खो देंगी, जिससे उन संगठनों के लिए अनुपालन (compliance) संबंधी समस्याएँ पैदा हो सकती हैं जो इस सेवा को चालू रखते हैं।
Prompt Flow, large-language-model (LLM) पाइपलाइनों के लिए Azure AI Foundry का विजुअल ऑर्केस्ट्रेटर (visual orchestrator) था। एक "flow" मूल रूप से एक फोल्डर है जिसमें flow.dag.yaml फ़ाइल होती है जो इनपुट, आउटपुट और नोड्स (nodes) के क्रम का वर्णन करती है। विजुअल एडिटर उपयोगकर्ताओं को कंपोनेंट्स को ड्रैग और ड्रॉप करने की सुविधा देता था, लेकिन वर्शन-कंट्रोल सिस्टम वास्तव में अंतर्निहित YAML फ़ाइल को ही ट्रैक करते हैं।
यह बदलाव क्यों महत्वपूर्ण है
- अनुपालन जोखिम (Compliance risk) – सुरक्षा अपडेट के बिना, रनटाइम इमेज में पाई जाने वाली कोई भी भेद्यता (vulnerability) अनपैच (unpatched) रह जाएगी। नियामक अक्सर बिना रखरखाव वाले कोड को गैर-अनुपालन (non-compliant) के रूप में चिह्नित करते हैं, विशेष रूप से तब जब वह क्रेडेंशियल्स (credentials) को संभालता है।
मुख्य अवधारणाएं जिन्हें आपको अभी भी जानने की आवश्यकता है
भले ही आप Prompt Flow को छोड़ने की योजना बना रहे हों, लेकिन इसके द्वारा प्रोत्साहित किए गए पैटर्न अभी भी मूल्यवान हैं। उन्हें समझने से Agent Framework में संक्रमण (transition) आसान हो जाएगा।
- फ़ोल्डर-आधारित परिभाषा (Folder-based definition) – फ्लो की YAML फ़ाइल प्रत्येक नोड, उसके प्रकार और उसके डेटा कॉन्ट्रैक्ट्स को सूचीबद्ध करती है। इस फ़ाइल को सोर्स कंट्रोल (source control) में रखें; यह सत्य का एकमात्र स्रोत (single source of truth) है।
- डिटरमिनिस्टिक कार्य के लिए Python नोड्स – पार्सिंग, वैलिडेशन या किसी भी ऐसे लॉजिक के लिए Python स्टेप्स का उपयोग करें जिसे समान इनपुट मिलने पर समान परिणाम देना चाहिए। यह नॉन-डिटरमिनिस्टिक (nondeterministic) LLM कॉल्स को अलग करता है और डाउनस्ट्रीम टेस्टिंग को आसान बनाता है।
- सीक्रेट्स के लिए कनेक्शन ऑब्जेक्ट्स – क्रेडेंशियल्स कोड में नहीं, बल्कि एक अलग कनेक्शन फ़ील्ड में रहते हैं। यह डिज़ाइन आपको फ्लो परिभाषा को बदले बिना डेवलपमेंट कीज़ (development keys) को प्रोडक्शन कीज़ (production keys) से बदलने की अनुमति देता है।
- इवैल्यूएशन डेटासेट (Evaluation datasets) – Prompt Flow की सबसे मजबूत विशेषता इसका बिल्ट-इन इवैल्यूएशन लूप था। एक JSONL फ़ाइल जो वास्तविक इनपुट को अपेक्षित आउटपुट के साथ जोड़ती है, उसे किसी भी फ्रेमवर्क में पुन: उपयोग किया जा सकता है; इसे पोर्टेबल टेस्ट डेटा के रूप में मानें।
- सिस्टम-लेवल मेट्रिक्स – केवल एक सिंगल नोड के आउटपुट को मापना भ्रामक हो सकता है। उन रिग्रेशन (regressions) को पकड़ने के लिए डिटरमिनिस्टिक चेक (जैसे, regex मैच) को एंड-टू-एंड मेट्रिक्स के साथ जोड़ें, जो केवल पूरी पाइपलाइन चलने के बाद दिखाई देते हैं।
माइग्रेशन रोडमैप
Prompt Flow से Agent Framework पर जाना कोई "क्लिक-एंड-कन्वर्ट" ऑपरेशन नहीं है; इसके लिए प्रत्येक नोड के सिमेंटिक्स (semantics) को फिर से लिखने की आवश्यकता होती है।
- LLM नोड्स को मैप करें – विजुअल LLM ब्लॉक्स को एक एजेंट क्लास में लिप कॉल (wrapped) किए गए स्पष्ट API कॉल्स से बदलें। एजेंट को मूल YAML में परिभाषित समान इनपुट स्कीमा स्वीकार करना चाहिए।
- Python नोड्स को ट्रांसलेट करें – Python कोड को नियमित फ़ंक्शंस या मेथड्स में बदलें जिन्हें नया ऑर्केस्ट्रेटर कॉल कर सके। उनके आसपास बनाए गए किसी भी डिटरमिनिस्टिक कॉन्ट्रैक्ट को सुरक्षित रखें।
- कनेक्शन को फिर से जोड़ें (Rewire connections) – Prompt Flow से कनेक्शन डेफिनिशन को एक्सपोर्ट करें और उन्हें Agent Framework के सीक्रेट स्टोर में इम्पोर्ट करें। सत्यापित करें कि एनवायरनमेंट-विशिष्ट मान (environment-specific values) अभी भी सही ढंग से रिज़ॉल्व हो रहे हैं।
- इवैल्यूएशन डेटा पोर्ट करें – मौजूदा JSONL फ़ाइल को नए फ्रेमवर्क के टेस्ट हार्नेस (test harness) में डालें। Agent Framework के रिपोर्टिंग फॉर्मेट से मेल खाने के लिए किसी भी मेट्रिक कैलकुलेशन को एडजस्ट करें।
- एंड-टू-एंड वैलिडेट करें – वास्तविक ट्रैफिक के एक सैंपल पर पूरी पाइपलाइन चलाएं। ड्रिफ्ट (drift) का पता लगाने के लिए अंतिम आउटपुट की तुलना मूल Prompt Flow बेसलाइन से करें।
- ऑर्केस्ट्रेशन पर पुनरावृत्ति (Iterate) करें – यदि आपके वर्कफ़्लो को प्रोसेस रीस्टार्ट के दौरान लचीलेपन (resilience) की आवश्यकता है, तो विजुअल फ्लो को फिर से बनाने के बजाय Azure Durable Functions या किसी अन्य ड्यूरेबल ऑर्केस्ट्रेटर पर विचार करें।
आगे क्या ध्यान रखें
निष्कर्ष (Takeaway): अप्रैल 2027 की समयसीमा को एक अंतिम समयसीमा (hard stop) के रूप में मानें। किसी भी नए Prompt Flow प्रोजेक्ट को रोक दें, पुन: प्रयोज्य हिस्सों—YAML डेफिनिशन, Python लॉजिक, कनेक्शन कॉन्फ़िगरेशन और इवैल्यूएशन डेटा—को निकालें और सुरक्षा अपडेट मिलने के दौरान ही उन्हें Agent Framework में फिर से बनाना शुरू कर दें। अभी किया गया प्रयास बाद में जल्दबाजी और जोखिम भरे माइग्रेशन को रोकता है।
स्रोत: https://dev.to/multigrid/building-a-prompt-flow-in-azure-ai-foundry-2bbn