Microsoft heeft aangekondigd dat Prompt Flow van Azure AI Foundry op 20 april 2026 zal stoppen met het ontvangen van nieuwe functies en op 20 april 2027 zal worden uitgefaseerd. Het dringt ontwikkelaars aan om hun workloads te verplaatsen naar het Microsoft Agent Framework. De deadline is belangrijk omdat de runtime-images die Prompt Flow aandrijven binnenkort geen beveiligingsupdates meer zullen ontvangen, wat compliance-problemen veroorzaakt voor elke organisatie die de service in gebruik houdt.

Prompt Flow was de visuele orchestrator van Azure AI Foundry voor large-language-model (LLM) pipelines. Een "flow" is in feite een map die een flow.dag.yaml-bestand bevat waarin de inputs, outputs en de volgorde van nodes worden beschreven. De visuele editor stelde gebruikers in staat om componenten te slepen en neer te zetten, maar het onderliggende YAML-bestand is wat versiebeheersystemen daadwerkelijk bijhouden.

Waarom de verandering belangrijk is

  • Compliance-risico – Zonder beveiligingsupdates blijft elke kwetsbaarheid die in de runtime-images wordt ontdekt onbehandeld. Toezichthouders bestempelen niet-onderhouden code vaak als niet-compliant, vooral wanneer deze omgaat met inloggegevens (credentials).

Kernconcepten die je nog steeds moet kennen

Zelfs als je van plan bent om Prompt Flow te verlaten, blijven de patronen die het aanmoedigde waardevol. Het begrijpen ervan zal de overgang naar het Agent Framework vergemakkelijken.

  • Mapgebaseerde definitie – Het YAML-bestand van de flow bevat een lijst van elke node, het type en de datacontracten. Houd dit bestand onder versiebeheer; het is de single source of truth.
  • Python-nodes voor deterministisch werk – Gebruik Python-stappen voor het parsen, valideren of voor elke logica die bij dezelfde input hetzelfde resultaat moet produceren. Dit isoleert de niet-deterministische LLM-aanroepen en maakt testen in de volgende fasen (downstream) gemakkelijker.
  • Connection-objecten voor secrets – Inloggegevens (credentials) staan in een apart connection-veld, niet in de code. Dit ontwerp stelt je in staat om ontwikkelingssleutels te vervangen door productiesleutels zonder de flow-definitie aan te passen.
  • Evaluatie-datasets – De sterkste functie van Prompt Flow was de ingebouwde evaluatieloop. Een JSONL-bestand dat realistische inputs koppelt aan verwachte outputs kan in elk framework worden hergebruikt; behandel het als verplaatsbare testdata.
  • Metrieken op systeemniveau – Het meten van alleen de output van een enkele node kan misleidend zijn. Combineer deterministische controles (bijv. regex-matches) met end-to-end metrieken om regressies op te sporen die pas verschijnen nadat de volledige pipeline is uitgevoerd.

Migratieroadmap

De overstap van Prompt Flow naar het Agent Framework is geen kwestie van een druk op de knop; het vereist een herschrijving van de semantiek van elke node.

  1. Breng LLM-nodes in kaart – Vervang visuele LLM-blokken door expliciete API-aanroepen die zijn ingekapseld in een agent-class. De agent moet hetzelfde inputschema accepteren als dat in het oorspronkelijke YAML-bestand is gedefinieerd.
  2. Vertaal Python-nodes – Verplaats Python-code naar reguliere functies of methoden die de nieuwe orchestrator kan aanroepen. Behoud alle deterministische contracten die je eromheen hebt gebouwd.
  3. Herstel verbindingen – Exporteer de connection-definities uit Prompt Flow en importeer ze in de secret store van het Agent Framework. Controleer of omgevingsspecifieke waarden nog steeds correct worden opgehaald.
  4. Migreer evaluatiedata – Voer het bestaande JSONL-bestand in de testomgeving van het nieuwe framework. Pas eventuele metriekberekeningen aan zodat ze overeenkomen met het rapportageformaat van het Agent Framework.
  5. Valideer end-to-end – Voer de volledige pipeline uit op een steekproef van echt verkeer. Vergelijk de uiteindelijke outputs met de oorspronkelijke Prompt Flow-baseline om afwijkingen (drift) op te sporen.
  6. Itereer op orchestratie – Als je workflow veerkracht nodig heeft bij het herstarten van processen, overweeg dan Azure Durable Functions of een andere duurzame orchestrator in plaats van het opnieuw opbouwen van een visuele flow.

Waar je op moet letten

Conclusie: Beschouw de deadline van april 2027 als een harde stop. Pauzeer alle nieuwe Prompt Flow-projecten, extraheer de herbruikbare onderdelen — YAML-definities, Python-logica, connection-configuraties en evaluatiedata — en begin met het opnieuw opbouwen ervan in het Agent Framework zolang de beveiligingsupdates nog beschikbaar zijn. De inspanning van nu voorkomt een gehaaste, risicovolle migratie later.

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