A Microsoft anunciou que o Prompt Flow do Azure AI Foundry deixará de receber novos recursos em 20 de abril de 2026 e será descontinuado em 20 de abril de 2027. Ela insta os desenvolvedores a migrarem suas cargas de trabalho para o Microsoft Agent Framework. O prazo é importante porque as imagens de runtime que alimentam o Prompt Flow perderão em breve as atualizações de segurança, criando dores de cabeça de conformidade para qualquer organização que mantenha o serviço ativo.

O Prompt Flow era o orquestrador visual do Azure AI Foundry para pipelines de modelos de linguagem de grande escala (LLM). Um “flow” é essencialmente uma pasta que contém um arquivo flow.dag.yaml descrevendo entradas, saídas e a sequência de nós. O editor visual permitia que os usuários arrastassem e soltassem componentes, mas o arquivo YAML subjacente é o que os sistemas de controle de versão realmente rastreiam.

Por que a mudança é importante

  • Risco de conformidade – Sem atualizações de segurança, qualquer vulnerabilidade descoberta nas imagens de runtime permanecerá sem correção. Reguladores frequentemente classificam códigos sem manutenção como não conformes, especialmente quando lidam com credenciais.

Conceitos fundamentais que você ainda precisa conhecer

Mesmo que você planeje abandonar o Prompt Flow, os padrões que ele incentivava continuam sendo valiosos. Compreendê-los facilitará a transição para o Agent Framework.

  • Definição baseada em pastas – O arquivo YAML do flow lista cada nó, seu tipo e seus contratos de dados. Mantenha este arquivo sob controle de versão; ele é a única fonte de verdade.
  • Nós de Python para trabalho determinístico – Use etapas de Python para parsing, validação ou qualquer lógica que deva produzir o mesmo resultado com a mesma entrada. Isso isola as chamadas de LLM não determinísticas e facilita os testes subsequentes.
  • Objetos de conexão para segredos – As credenciais residem em um campo de conexão separado, não no código. Esse design permite trocar chaves de desenvolvimento por chaves de produção sem alterar a definição do flow.
  • Conjuntos de dados de avaliação – O recurso mais forte do Prompt Flow era seu loop de avaliação integrado. Um arquivo JSONL que combina entradas realistas com saídas esperadas pode ser reutilizado em qualquer framework; trate-o como dados de teste portáteis.
  • Métricas de nível de sistema – Medir apenas a saída de um único nó pode ser enganoso. Combine verificações determinísticas (ex: correspondências de regex) com métricas de ponta a ponta para detectar regressões que aparecem apenas após a execução de todo o pipeline.

Roteiro de migração

Mudar do Prompt Flow para o Agent Framework não é uma operação de "clicar e converter"; requer uma reescrita da semântica de cada nó.

  1. Mapear nós de LLM – Substitua os blocos visuais de LLM por chamadas de API explícitas encapsuladas em uma classe de agente. O agente deve aceitar o mesmo esquema de entrada definido no YAML original.
  2. Traduzir nós de Python – Transfira o código Python para funções ou métodos regulares que o novo orquestrador possa invocar. Preserve quaisquer contratos determinísticos que você construiu em torno deles.
  3. Reconectar conexões – Exporte as definições de conexão do Prompt Flow e importe-as para o armazenamento de segredos do Agent Framework. Verifique se os valores específicos de ambiente ainda são resolvidos corretamente.
  4. Portar dados de avaliação – Alimente o novo framework com o arquivo JSONL existente no seu ambiente de testes. Ajuste quaisquer cálculos de métricas para corresponder ao formato de relatório do Agent Framework.
  5. Validar de ponta a ponta – Execute o pipeline completo em uma amostra de tráfego real. Compare as saídas finais com a linha de base original do Prompt Flow para detectar desvios.
  6. Iterar na orquestração – Se o seu fluxo de trabalho precisar de resiliência durante reinicializações de processos, considere o Azure Durable Functions ou outro orquestrador durável em vez de reconstruir um flow visual.

O que observar a seguir

Conclusão: Trate o prazo de abril de 2027 como um limite definitivo. Pause quaisquer novos projetos de Prompt Flow, extraia as partes reutilizáveis — definições YAML, lógica Python, configurações de conexão e dados de avaliação — e comece a reconstruí-las no Agent Framework enquanto as atualizações de segurança ainda estão sendo disponibilizadas. O esforço agora evita uma migração apressada e arriscada no futuro.

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