Microsoft நிறுவனம், Azure AI Foundry-ன் Prompt Flow புதிய அம்சங்களைப் பெறுவது 20 ஏப்ரல் 2026 அன்று நிறுத்தப்படும் என்றும், 20 ஏப்ரல் 2027 அன்று அது நிறுத்தப்படும் (retired) என்றும் அறிவித்துள்ளது. டெவலப்பர்கள் தங்கள் பணிச்சுமைகளை (workloads) Microsoft Agent Framework-க்கு மாற்றும்படி இது வலியுறுத்துகிறது. இந்த காலக்கெடு முக்கியமானது, ஏனெனில் Prompt Flow-வை இயக்கும் runtime images விரைவில் பாதுகாப்பு புதுப்பிப்புகளை (security updates) இழக்கும், இது அந்தச் சேவையைப் தொடர்ந்து பயன்படுத்தும் எந்தவொரு நிறுவனத்திற்கும் இணக்கச் சிக்கல்களை (compliance headaches) உருவாக்கும்.

Prompt Flow என்பது large-language-model (LLM) பைப்லைன்களுக்கான (pipelines) Azure AI Foundry-ன் ஒரு விஷுவல் ஆர்கெஸ்ட்ரேட்டர் (visual orchestrator) ஆகும். ஒரு "flow" என்பது அடிப்படையில் உள்ளீடுகள் (inputs), வெளியீடுகள் (outputs) மற்றும் நோட்களின் (nodes) வரிசையை விவரிக்கும் ஒரு flow.dag.yaml கோப்பைக் கொண்ட ஒரு ஃபோல்டர் ஆகும். விஷுவல் எடிட்டர் பயனர்களைக் கூறுகளை இழுத்து விட (drag and drop) அனுமதித்தது, ஆனால் பதிப்பு-கட்டுப்பாட்டு அமைப்புகள் (version-control systems) உண்மையில் கண்காணிப்பது அந்த அடிப்படையிலுள்ள YAML கோப்பைத்தான்.

இந்த மாற்றம் ஏன் முக்கியமானது

  • இணக்க அபாயம் (Compliance risk) – பாதுகாப்பு புதுப்பிப்புகள் இல்லையென்றால், runtime images-களில் கண்டறியப்படும் எந்தவொரு பாதிப்பும் (vulnerability) சரிசெய்யப்படாமல் அப்படியே இருக்கும். குறிப்பாக, அங்கீகரிக்கப்பட்ட விவரங்களை (credentials) கையாளும் போது, பராமரிக்கப்படாத குறியீடுகளை (unmaintained code) ஒழுங்குமுறை அமைப்புகள் (regulators) பெரும்பாலும் இணக்கமற்றவை (non-compliant) என்று வகைப்படுத்துகின்றன.

நீங்கள் இன்னும் தெரிந்து கொள்ள வேண்டிய முக்கியக் கருத்துக்கள்

நீங்கள் Prompt Flow-வை கைவிடத் திட்டமிட்டாலும், அது ஊக்குவித்த முறைகள் (patterns) இப்போதும் மதிப்புமிக்கவை. அவற்றைப் புரிந்துகொள்வது Agent Framework-க்கு மாறுவதை எளிதாக்கும்.

  • ஃபோல்டர் அடிப்படையிலான வரையறை (Folder-based definition) – flow-வின் YAML கோப்பு ஒவ்வொரு நோட், அதன் வகை மற்றும் அதன் தரவு ஒப்பந்தங்களை (data contracts) பட்டியலிடுகிறது. இந்த கோப்பைச் மூலக் கட்டுப்பாட்டில் (source control) வைத்திருங்கள்; இதுவே உண்மையான ஒற்றை ஆதாரம் (single source of truth) ஆகும்.
  • நிச்சயமான பணிகளுக்கான (deterministic work) Python நோட்கள் – பார்சிங் (parsing), சரிபார்ப்பு (validation) அல்லது ஒரே உள்ளீட்டிற்கு ஒரே முடிவைத் தர வேண்டிய எந்தவொரு தர்க்கத்திற்கும் (logic) Python படிகளைப் பயன்படுத்தவும். இது நிச்சயமற்ற (nondeterministic) LLM அழைப்புகளைத் தனிமைப்படுத்துகிறது மற்றும் அடுத்தகட்டச் சோதனையை (downstream testing) எளிதாக்குகிறது.
  • ரகசியங்களுக்கான (secrets) Connection objects – அங்கீகரிக்கப்பட்ட விவரங்கள் (credentials) குறியீட்டில் இல்லாமல், ஒரு தனிப்பயன் இணைப்புப் புலத்தில் (connection field) இருக்கும். இந்த வடிவமைப்பு, flow வரையறையை மாற்றாமலேயே மேம்பாட்டு சாவிகளை (development keys) உற்பத்திச் சாவிகளாக (production keys) மாற்ற அனுமதிக்கிறது.
  • மதிப்பீட்டுத் தரவுத்தொகுப்புகள் (Evaluation datasets) – Prompt Flow-வின் மிக வலிமையான அம்சம் அதன் உள்ளமைக்கப்பட்ட மதிப்பீட்டு லூப் (evaluation loop) ஆகும். யதார்த்தமான உள்ளீடுகளை எதிர்பார்க்கப்படும் வெளியீடுகளுடன் இணைக்கும் ஒரு JSONL கோப்பை எந்தவொரு கட்டமைப்பிலும் (framework) மீண்டும் பயன்படுத்தலாம்; அதை இடமாற்றத்தக்க சோதனைத் தரவாக (portable test data) கருதவும்.
  • அமைப்பு நிலை அளவீடுகள் (System-level metrics) – ஒரு தனி நோட்டின் வெளியீட்டை மட்டும் அளவிடுவது தவறாக வழிநடத்தலாம். முழு பைப்லைனும் இயங்கிய பிறகு மட்டுமே வெளிப்படும் பின்னடைவுகளைக் (regressions) கண்டறிய, நிச்சயமான சரிபார்ப்புகளுடன் (எ.கா., regex matches) முனையிலிருந்து முனையம் வரையிலான (end-to-end) அளவீடுகளை இணைக்கவும்.

இடமாற்றத் திட்டம் (Migration roadmap)

Prompt Flow-விலிருந்து Agent Framework-க்கு மாறுவது என்பது ஒரு கிளிக் செய்து மாற்றும் (click-and-convert) செயல்முறை அல்ல; இது ஒவ்வொரு நோட்டின் பொருளையும் (semantics) மீண்டும் எழுதத் தேவைப்படும்.

  1. LLM நோட்களைப் பொருத்துதல் (Map LLM nodes) – விஷுவல் LLM பிளாக்குகளுக்குப் பதிலாக, ஒரு ஏஜென்ட் வகுப்பிற்குள் (agent class) சுற்றப்பட்ட தெளிவான API அழைப்புகளைப் பயன்படுத்தவும். ஏஜென்ட், அசல் YAML-இல் வரையறுக்கப்பட்ட அதே உள்ளீட்டுத் திட்டத்தை (input schema) ஏற்க வேண்டும்.
  2. Python நோட்களை மொழிபெயர்த்தல் (Translate Python nodes) – புதிய ஆர்கெஸ்ட்ரேட்டர் அழைக்கக்கூடிய வழக்கமான செயல்பாடுகள் அல்லது முறைகளுக்கு (functions or methods) Python குறியீட்டை மாற்றவும். அவற்றைச் சுற்றி நீங்கள் உருவாக்கிய எந்தவொரு நிச்சயமான ஒப்பந்தங்களையும் (deterministic contracts) அப்படியே வைத்திருக்கவும்.
  3. இணைப்புகளை மறுசீரமைத்தல் (Rewire connections) – Prompt Flow-விலிருந்து இணைப்பு வரையறைகளை ஏற்றுமதி (export) செய்து, அவற்றை Agent Framework-ன் ரகசியச் சேமிப்பகத்திற்குள் (secret store) இறக்குமதி (import) செய்யவும். சூழல் சார்ந்த மதிப்புகள் (environment-specific values) இன்னும் சரியாகத் தீர்மானிக்கப்படுகின்றனவா என்பதைச் சரிபார்க்கவும்.
  4. மதிப்பீட்டுத் தரவை இடமாற்றம் செய்தல் (Port evaluation data) – தற்போதுள்ள JSONL கோப்பை புதிய கட்டமைப்பின் சோதனை கருவியில் (test harness) உள்ளிடவும். Agent Framework-ன் அறிக்கையிடல் வடிவத்திற்கு ஏற்ப ஏதேனும் அளவீட்டு கணக்கீடுகளைச் சரிசெய்யவும்.
  5. முனையிலிருந்து முனையம் வரை சரிபார்த்தல் (Validate end-to-end) – உண்மையான டிராஃபிக்கின் ஒரு மாதிரியில் முழு பைப்லைனையும் இயக்கவும். மாற்றங்களைக் (drift) கண்டறிய இறுதி வெளியீடுகளை அசல் Prompt Flow அடிப்படையுடன் (baseline) ஒப்பிட்டுப் பார்க்கவும்.
  6. ஆர்கெஸ்ட்ரேஷனைத் திரும்பத் திரும்பச் செய்தல் (Iterate on orchestration) – உங்கள் பணிப்பாய்வு (workflow) செயல்முறை மறுதொடக்கம் செய்யப்படும்போது மீள்திறன் (resilience) தேவைப்பட்டால், ஒரு விஷுவல் flow-வை மீண்டும் உருவாக்குவதற்குப் பதிலாக Azure Durable Functions அல்லது மற்றொரு நிலையான ஆர்கெஸ்ட்ரேட்டைக் கருத்தில் கொள்ளவும்.

அடுத்து கவனிக்க வேண்டியவை

முக்கியக் குறிப்பு (Takeaway): ஏப்ரல் 2027 காலக்கெடுவை ஒரு இறுதியான எல்லையாகக் கருதவும். புதிய Prompt Flow திட்டங்களை நிறுத்திவிட்டு, மீண்டும் பயன்படுத்தக்கூடிய பகுதிகளை—YAML வரையறைகள், Python தர்க்கம், இணைப்பு உள்ளமைப்புகள் மற்றும் மதிப்பீட்டுத் தரவு—பிரித்தெடுத்து, பாதுகாப்பு புதுப்பிப்புகள் இன்னும் கிடைத்துக் கொண்டிருக்கும்போதே அவற்றை Agent Framework-இல் மீண்டும் உருவாக்கத் தொடங்கவும். இப்போது எடுக்கும் முயற்சி, பின்னர் அவசரமான மற்றும் ஆபத்தான இடமாற்றத்தைத் தவிர்க்க உதவும்.

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