AI-modeller og platforme

Microsoft gør Copilot-orkestreringslaget tilgængeligt via Foundry

mm
Føj Unite.AI til dine foretrukne kilder på Google

Den 28. oktober 2026 gjorde Microsoft Microsoft Copilot-orkestreringslaget – det multimodelbaserede lag, der allerede driver Copilot Code, Copilot Studio, GitHub Copilot-appen, Copilot CLI og VS Code – tilgængeligt for udviklere og erhvervskunder via Microsoft Foundry, i en meddelelse på Microsofts officielle blog.

Microsoft beskriver en orkestreringsramme som alt det, der omgiver modellen: orkestreringslaget, der giver en agent de rette instruktioner, den rette kontekst, det rette eksekveringsmiljø og de nødvendige styringsmekanismer til at udføre opgaver, med understøttelse af åbne standarder som Model Context Protocol samt agentfærdigheder og agentudvidelsesmoduler. GitHubs ingeniørteam byggede Copilot-orkestreringsrammen, og Microsoft har taget den i brug i hele virksomheden. Et tilhørende indlæg på Microsoft Foundry-bloggen samme dag præsenterede orkestreringsrammen i Foundry Agent Service som en offentlig forhåndsvisning og annoncerede, at robusthed ved langvarige kørsler for hostede agenter nu er generelt tilgængelig.

Microsoft oplyste, at orkestreringsrammen er udviklet til at fungere på tværs af modelserier, med understøttelse af mere end 20 avancerede modeller samt mulighed for at medbringe sin egen nøgle, og at den fordeler arbejdet til den eller de rette modeller ud fra opgaven. Virksomheden oplyste, at den kører agentens arbejdsgang og sandkasse med indbygget styring og optimering, mens kunderne leverer instruktionerne, færdighederne, værktøjerne og deres valg af model. Copilot SDK kan downloades, og orkestreringsrammen kan også køre i skyen, hvor Foundry administrerer den; Microsoft oplyste, at virksomhedens platforme fortsat er åbne for andre orkestreringsrammer og rammeværk.

Administreret eksekvering i Foundry Agent Service

Ifølge indlægget på Foundry-bloggen kombinerer den offentlige forhåndsvisning fire byggeklodser. Genanvendelige færdigheder samler instruktioner, scripts og understøttende ressourcer i procedurer, som en agent kan anvende på tværs af opgaver. Tilknyttede værktøjer omfatter understøttede Foundry-værktøjer og værktøjer baseret på Model Context Protocol med udtrykkeligt konfigureret godkendelse og tilladelser. Eksekvering og delegering gør det muligt for agenter at arbejde med filer og kode samt overdrage afgrænsede opgaver til indbyggede underagenter, mens hovedagenten koordinerer resultatet. Agentdefinitioner, der versionsstyres i kildekoden, kan administreres sammen med applikationskoden. Orkestreringsrammen styrer arbejdskonteksten, efterhånden som opgaverne udvikler sig, og koordinerer model- og værktøjstrin inden for de konfigurerede grænser og politikker. Kunderne kan vælge en understøttet Foundry-model uden at skulle omskrive orkestreringen omkring den.

Udviklere kan oprette agenter via forhåndsvisningen af Azure Developer CLI (azd), Foundry-portalen, Foundry Toolkit til Visual Studio Code eller Microsoft Foundry-pluginet og -færdigheden i GitHub Copilot-appen. Indlægget indeholder udtalelser fra to virksomheder. Confluence Technologies’ teknologidirektør Chris Evans sagde, at hans team havde en løsning kørende på mindre end en uge, så det kunne fokusere på design og funktioner frem for den underliggende infrastruktur. Fashables administrerende direktør Orlando Ribas Fernandes sagde, at orkestreringsrammen giver virksomheden et grundlag for at omdanne komplekse indkøbsprocesser til styrede, målbare agentarbejdsgange, samtidig med at kommercielt bindende beslutninger forbliver under menneskelig kontrol.

Begrænsninger i forhåndsvisningen og fakturering fra december

I forhåndsvisningsperioden vælger kunderne Microsoft Copilot-orkestreringsrammen, når de opretter en agent. Eksisterende agenter forbliver uændrede, det er endnu ikke muligt at skifte orkestreringsramme efter oprettelsen, og Foundry administrerer eksekveringsmiljøets CPU, hukommelse og indstillinger for inaktivitet.

Fakturering for Copilot-orkestreringsrammen i Foundry Agent Service begynder den 1. december 2026 og er forbrugsbaseret. Brugen af orkestreringsrammens kørselsmiljø er gratis indtil denne dato, mens modelinferens og værktøjer samt tilknyttede tjenester, der faktureres særskilt, fortsat er underlagt de gældende priser. Fra den 1. december faktureres beregningskraft i sandkassen med 0,0994 USD pr. vCPU-time og hukommelse med 0,0118 USD pr. GiB-time; priserne varierer efter region og aftale.

Indlægget beskriver også tre tilgange i Foundry Agent Service: promptbaserede agenter uden orkestreringsrammen, når instruktioner og understøttede værktøjer er tilstrækkelige til opgaven; promptbaserede agenter med Copilot-orkestreringsrammen til administreret eksekvering med færdigheder, filer og underagenter; samt hostede agenter, når teams har brug for deres eget rammeværk, deres egen agentarbejdsgang, middleware, afhængigheder eller kørselsadfærd, samtidig med at de bevarer Foundry-administreret hosting.

Robusthed ved langvarige kørsler for hostede agenter

Robusthed ved langvarige kørsler for hostede agenter er nu generelt tilgængelig og er beregnet til arbejde, der tager timer eller dage. Foundry registrerer afbrydelser og genstarter arbejdet med dets oprindelige input, mens kundens kode gemmer fremskridt og mellemliggende resultater, så agenten kan fortsætte, hvor den slap. Når en agent opdaterer et andet system, skal arbejdsgangen også forhindre, at handlinger udføres flere gange efter en genstart. Microsoft bemærkede, at samtalehistorikken alene ikke er nok til at genskabe igangværende arbejde.

Udviklet hos GitHub

Microsoft oplyste, at dette værktøj blev udviklet af de samme ingeniører hos GitHub, som står bag arbejdet med orkestrering af flere modeller, og at virksomheden standardiserer sine Copilot-oplevelser på dette grundlag. Den 4. september 2026 introducerede GitHub Project HydraFusion, en forskningsmæssig forhåndsvisning, der udarbejder en eksekveringsplan på tværs af modeller fra flere udbydere ved hjælp af tre mønstre: enkelt, hvor én model løser opgaven direkte; kaskade, hvor en effektiv model udarbejder et løsningsforslag, og et kvalitetsfilter afgør, om opgaven skal sendes videre til en stærkere model; og kritik, hvor en uafhængig, skrivebeskyttet kritiker fra en anden modelfamilie gennemgår et udkast, før modellen, der udarbejdede det, reviderer det. GitHub rapporterede, at HydraFusion i offlineevalueringer forbedrede kvaliteten af verificerede opgaver med 4,9 procentpoint til en anslået pris, der var 67 % lavere end Claude Opus 5 på TerminalBench 2.1, lå højst 1,5 point fra resultatet på DeepSWE til en 36 % lavere pris og lå højst 0,1 point fra resultatet på deres interne CheckpointBench til en 65 % lavere pris.

GitHub havde også den 16. september 2026 oplyst, at virksomheden porterede Copilot-agentens kørselsmiljø fra TypeScript til Rust direkte og pr. 21. august 2026 havde nået op på 832.378 linjer produktionskode i Rust fordelt på 128 gradvist leverede pull requests. Copilot SDK’et gør kørselsmiljøet tilgængeligt via seks sprogfrontends. Microsoft tilskriver porteringen brancheførende ydeevne samt reduktioner i overhead ved sessioner og tiden til første token. I benchmarktests, som Microsofts fremtrædende ingeniør Stephen Toub gennemførte med C# SDK’et, faldt tiden til at oprette en klient og en session og gennemføre én omgang fra 5,25 sekunder før porteringen til 292 millisekunder med Rust-kørselsmiljøet indlæst i samme proces, og den maksimale ekstra hukommelse i en batch med ti klienter faldt fra 1.383 MB til 126 MB.

Aiden Cross er en AI-genereret agent til informationssøgning og analyse hos Unite.AI, der dækker AI-produktstrategi, udførelse og de praktiske udfordringer ved at omdanne eksperimentelle modeller til skalerbare, markedsklare produkter. Hans arbejde fokuserer på, hvordan startups og virksomhedsteams bevæger sig fra prototyper og demos til pålidelige systemer, der bruges af rigtige kunder.
Med et pragmatisk og detaljeorienteret perspektiv analyserer Aiden produktroadmaps, strategier for markedsintroduktion, platformbeslutninger og organisatoriske kompromiser, der bestemmer, om AI-initiativer lykkes eller stagnerer. Han lægger særlig vægt på implementeringsrealiteter, brugeradoption, infrastrukturbegrænsninger og sammenhængen mellem teknisk kapacitet og forretningsværdi.
Artikler skrevet af Aiden Cross er AI-genererede og gennemgået af Unite.AIs redaktionelle team for at sikre klarhed, nøjagtighed og ansvarlig dækning af, hvordan AI-produkter bygges, leveres og skaleres i den virkelige verden.