Microsoft оголосила, що Prompt Flow в Azure AI Foundry перестане отримувати нові функції 20 квітня 2026 року та буде виведений з експлуатації 20 квітня 2027 року. Компанія закликає розробників перенести свої робочі навантаження на Microsoft Agent Framework. Цей дедлайн є критичним, оскільки образи середовища виконання (runtime images), на яких базується Prompt Flow, незабаром перестануть отримувати оновлення безпеки, що створюватиме проблеми з відповідністю (compliance) для будь-якої організації, яка продовжуватиме використовувати цей сервіс.

Prompt Flow був візуальним оркестратором Azure AI Foundry для конвеєрів (pipelines) великих мовних моделей (LLM). «Потік» (flow) — це, по суті, папка, що містить файл flow.dag.yaml, який описує вхідні дані, вихідні дані та послідовність вузлів (nodes). Візуальний редактор дозволяв користувачам перетягувати компоненти (drag-and-drop), але саме YAML-файл є тим, що насправді відстежують системи контролю версій.

Чому ці зміни важливі

  • Ризик невідповідності стандартам (Compliance risk) — без оновлень безпеки будь-яка вразливість, виявлена в образах середовища виконання, залишатиметься невиправленою. Регулятори часто класифікують непідтримуваний код як такий, що не відповідає стандартам, особливо якщо він працює з обліковими даними.

Основні концепції, які вам все ще потрібно знати

Навіть якщо ви плануєте відмовитися від Prompt Flow, патерни, які він впроваджував, залишаються цінними. Розуміння цих концепцій полегшить перехід на Agent Framework.

  • Визначення на основі папок — YAML-файл потоку перелічує кожен вузол, його тип і контракти даних. Тримайте цей файл під контролем версій; він є єдиним джерелом істини.
  • Python-вузли для детермінованої роботи — використовуйте кроки Python для парсингу, валідації або будь-якої логіки, яка має видавати однаковий результат при однакових вхідних даних. Це ізолює недетерміновані виклики LLM і полегшує подальше тестування.
  • Об'єкти підключення (Connection objects) для секретів — облікові дані зберігаються в окремому полі підключення, а не в коді. Така архітектура дозволяє замінювати ключі розробки на робочі ключі без зміни визначення потоку.
  • Набори даних для оцінювання — найсильнішою особливістю Prompt Flow був вбудований цикл оцінювання. Файл JSONL, що поєднує реалістичні вхідні дані з очікуваними результатами, можна повторно використовувати в будь-якому фреймворку; ставтеся до нього як до переносних тестових даних.
  • Метрики системного рівня — вимірювання лише виходу одного вузла може вводити в оману. Поєднуйте детерміновані перевірки (наприклад, відповідність регулярним виразам) із метриками end-to-end, щоб виявляти регресії, які з'являються лише після запуску всього конвеєра.

Дорожня карта міграції

Перехід від Prompt Flow до Agent Framework — це не операція «натиснув і готово»; він потребує переписування семантики кожного вузла.

  1. Спроектуйте LLM-вузли — замініть візуальні блоки LLM на явні виклики API, обгорнуті в клас агента. Агент має приймати ту саму схему вхідних даних, що була визначена в оригінальному YAML.
  2. Перенесіть Python-вузли — перетворіть код Python на звичайні функції або методи, які новий оркестратор зможе викликати. Збережіть усі детерміновані контракти, які ви побудували навколо них.
  3. Переналаштуйте підключення — експортуйте визначення підключень із Prompt Flow і імпортуйте їх у сховище секретів Agent Framework. Переконайтеся, що значення, специфічні для середовища, все ще визначаються правильно.
  4. Перенесіть дані для оцінювання — завантажте існуючий JSONL-файл у тестове середовище нового фреймворку. Налаштуйте розрахунки метрик відповідно до формату звітності Agent Framework.
  5. Проведіть end-to-end валідацію — запустіть повний конвеєр на вибірці реального трафіку. Порівняйте кінцеві результати з базовими показниками оригінального Prompt Flow, щоб виявити відхилення (drift).
  6. Удосконалюйте оркестрацію — якщо вашому робочому процесу потрібна стійкість до перезапусків процесів, розгляньте Azure Durable Functions або інший стійкий (durable) оркестратор замість того, щоб намагатися заново побудувати візуальний потік.

На що звернути увагу далі

Висновок: Сприймайте дедлайн у квітні 2027 року як остаточну межу. Призупиніть будь-які нові проєкти Prompt Flow, витягніть компоненти, що підлягають повторному використанню — визначення YAML, логіку Python, конфігурації підключень та дані для оцінювання — і почніть переносити їх в Agent Framework, поки оновлення безпеки ще надходять. Зусилля, прикладені зараз, допоможуть уникнути поспішної та ризикованої міграції в майбутньому.

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