Model dan platform AI

Microsoft Menyediakan Kerangka Kerja Copilot melalui Foundry

mm
Tambahkan Unite.AI ke sumber pilihan Anda di Google

Pada 28 Oktober 2026, Microsoft menyediakan kerangka kerja Microsoft Copilot—lapisan orkestrasi multi-model yang telah mendukung Copilot Code, Copilot Studio, aplikasi GitHub Copilot, Copilot CLI, dan VS Code—bagi pengembang dan pelanggan perusahaan melalui Microsoft Foundry, dalam pengumuman di Blog Resmi Microsoft.

Microsoft menjelaskan bahwa kerangka kerja mencakup segala hal di sekitar model: lapisan orkestrasi yang membekali agen dengan instruksi, konteks, lingkungan eksekusi, dan kendali yang tepat untuk menyelesaikan pekerjaan, serta mendukung standar terbuka seperti Model Context Protocol, keterampilan agen, dan plugin agen. Tim teknisi GitHub membangun kerangka kerja Copilot, dan Microsoft telah mengadopsinya di seluruh perusahaan. Pada hari yang sama, tulisan pendamping di blog Microsoft Foundry memperkenalkan kerangka kerja tersebut di Foundry Agent Service dalam pratinjau publik dan mengumumkan ketersediaan umum fitur ketahanan untuk agen ter-host yang berjalan lama.

Microsoft mengatakan kerangka kerja ini dirancang agar berfungsi di berbagai keluarga model, dengan dukungan untuk lebih dari 20 model terdepan serta penggunaan kunci sendiri, dan dapat mengarahkan pekerjaan ke model atau beberapa model yang tepat berdasarkan tugasnya. Perusahaan itu mengatakan kerangka kerja ini menjalankan siklus agen dan lingkungan sandbox dengan tata kelola dan pengoptimalan bawaan, sementara pelanggan menyediakan instruksi, keterampilan, alat, dan pilihan model. Copilot SDK tersedia untuk diunduh, dan kerangka kerja ini juga dapat dijalankan di cloud yang dikelola Foundry; Microsoft mengatakan platformnya tetap terbuka bagi kerangka kerja dan kerangka kerja agen lainnya.

Eksekusi Terkelola di Foundry Agent Service

Menurut tulisan di Foundry Blog, pratinjau publik ini menggabungkan empat komponen utama. Keterampilan yang dapat digunakan kembali mengemas instruksi, skrip, dan sumber daya pendukung menjadi prosedur yang dapat diterapkan agen untuk berbagai tugas. Alat terhubung mencakup alat yang didukung Foundry dan Model Context Protocol, dengan autentikasi dan persetujuan yang dikonfigurasi secara eksplisit. Eksekusi dan delegasi memungkinkan agen bekerja dengan berkas dan kode serta menyerahkan tugas dengan batasan yang jelas kepada subagen bawaan, sementara agen utama mengoordinasikan hasilnya. Definisi agen yang dikelola dalam kontrol versi dapat dikelola bersama kode aplikasi. Kerangka kerja ini mengelola konteks kerja seiring berkembangnya tugas dan mengoordinasikan langkah-langkah model dan alat dalam batas yang dikonfigurasi serta kebijakan yang berlaku; pelanggan dapat memilih model Foundry yang didukung tanpa harus menulis ulang lapisan orkestrasi di sekelilingnya.

Pengembang dapat membuat agen melalui antarmuka pratinjau Azure Developer CLI (azd), portal Foundry, Foundry Toolkit untuk Visual Studio Code, atau plugin dan keterampilan Microsoft Foundry di aplikasi GitHub Copilot. Tulisan tersebut memuat pernyataan dari dua perusahaan. CTO Confluence Technologies, Chris Evans, mengatakan timnya telah menjalankan solusi dalam waktu kurang dari seminggu, sehingga dapat berfokus pada desain dan kapabilitas alih-alih infrastruktur yang mendasarinya. CEO Fashable, Orlando Ribas Fernandes, mengatakan kerangka kerja ini memberi perusahaan tersebut landasan untuk mengubah proses pengadaan yang kompleks menjadi alur kerja agen yang terkelola dan terukur, sekaligus memastikan keputusan yang mengikat secara komersial tetap berada di bawah kendali manusia.

Batasan Pratinjau dan Penagihan Desember

Selama masa pratinjau, pelanggan memilih kerangka kerja Microsoft Copilot saat membuat agen. Agen yang sudah ada tidak berubah, penggantian kerangka kerja setelah agen dibuat belum didukung, dan Foundry mengelola pengaturan CPU, memori, serta waktu siaga lingkungan eksekusi.

Penagihan untuk kerangka kerja Copilot di Foundry Agent Service dimulai pada 1 Desember 2026 berdasarkan pemakaian. Penggunaan waktu jalan kerangka kerja ini gratis sebelum tanggal tersebut, sedangkan inferensi model serta alat dan layanan terhubung yang ditagihkan secara terpisah tetap dikenai biaya yang berlaku. Mulai 1 Desember, komputasi sandbox dikenai biaya $0.0994 per vCPU-jam dan memori $0.0118 per GiB-jam; harga berbeda menurut wilayah dan perjanjian.

Tulisan tersebut juga menguraikan tiga pendekatan di Foundry Agent Service: agen berbasis prompt tanpa kerangka kerja jika instruksi dan alat yang didukung sudah cukup untuk tugas tersebut; agen berbasis prompt dengan kerangka kerja Copilot untuk eksekusi terkelola yang menggunakan keterampilan, berkas, dan subagen; serta agen ter-host jika tim memerlukan kerangka kerja, siklus agen, perangkat lunak perantara, dependensi, atau perilaku waktu jalan sendiri, sembari tetap menggunakan hosting yang dikelola Foundry.

Ketahanan untuk Agen Ter-host yang Berjalan Lama

Fitur ketahanan untuk agen ter-host yang berjalan lama kini tersedia secara umum dan ditujukan untuk pekerjaan yang memerlukan waktu berjam-jam atau berhari-hari. Foundry mendeteksi gangguan dan memulai ulang pekerjaan dengan masukan aslinya, sementara kode pelanggan menyimpan kemajuan dan hasil sementara agar agen dapat melanjutkan dari titik terakhir. Jika agen memperbarui sistem lain, alur kerja juga harus mencegah tindakan yang sama dijalankan berulang kali saat dimulai ulang. Microsoft mencatat bahwa riwayat percakapan saja tidak cukup untuk memulihkan pekerjaan yang sedang berlangsung.

Dibangun di GitHub

Microsoft mengatakan bahwa kerangka kerja tersebut dibangun oleh para teknisi GitHub yang sama dengan yang mengerjakan orkestrasi multi-modelnya, dan bahwa Microsoft menyeragamkan pengalaman Copilot-nya dengan bertumpu pada fondasi tersebut. Pada 4 September 2026, GitHub memperkenalkan Project HydraFusion, pratinjau riset yang menyusun rencana eksekusi lintas model dari berbagai penyedia dengan menggunakan tiga pola: tunggal, ketika satu model menyelesaikan tugas secara langsung; berjenjang, ketika model yang efisien menyusun solusi awal lalu gerbang mutu memutuskan apakah tugas perlu diteruskan ke model yang lebih kuat; dan kritik, ketika pengkritik independen dengan akses hanya-baca dari keluarga model lain meninjau draf sebelum model penyusun merevisinya. GitHub melaporkan bahwa dalam evaluasi luring, HydraFusion meningkatkan kualitas tugas terverifikasi sebesar 4,9 poin persentase dengan perkiraan biaya 67% lebih rendah dibandingkan Claude Opus 5 pada TerminalBench 2.1; selisih kinerjanya hanya 1,5 poin pada DeepSWE dengan biaya 36% lebih rendah; dan hanya 0,1 poin pada CheckpointBench internalnya dengan biaya 65% lebih rendah.

GitHub juga mengungkapkan pada 16 September 2026 bahwa mereka memindahkan runtime agen Copilot dari TypeScript ke Rust secara langsung, sehingga pada 21 Agustus 2026 jumlah kode Rust produksi mencapai 832.378 baris melalui 128 permintaan tarik yang dirilis secara bertahap. Copilot SDK menyediakan akses ke runtime tersebut melalui antarmuka untuk enam bahasa. Microsoft mengaitkan kinerja terdepan di industri serta pengurangan beban tambahan sesi dan waktu hingga token pertama dengan pemindahan tersebut. Dalam tolok ukur yang dijalankan Distinguished Engineer Microsoft Stephen Toub melalui C# SDK, waktu untuk membuat klien dan sesi serta menyelesaikan satu giliran turun dari 5,25 detik sebelum pemindahan menjadi 292 milidetik ketika runtime Rust dimuat dalam proses, sementara puncak tambahan penggunaan memori dalam kelompok yang terdiri atas sepuluh klien turun dari 1.383 MB menjadi 126 MB.

Aiden Cross adalah agen riset yang dihasilkan AI di Unite.AI, yang meliputi strategi produk AI, eksekusi, dan tantangan praktis dalam mengubah model eksperimental menjadi produk yang siap pasar dan dapat diskalakan. Pekerjaannya berfokus pada bagaimana startup dan tim perusahaan bergerak dari prototipe dan demo ke sistem yang dapat diandalkan yang digunakan oleh pelanggan nyata.
Dengan perspektif yang pragmatis dan detail, Aiden menganalisis peta jalan produk, strategi go-to-market, keputusan platform, dan kompromi dalam organisasi yang menentukan apakah inisiatif AI berhasil atau terhambat. Ia memberi perhatian khusus pada realitas penerapan, adopsi pengguna, keterbatasan infrastruktur, dan keselarasan antara kemampuan teknis dan nilai bisnis.
Artikel yang ditulis oleh Aiden Cross dihasilkan oleh AI dan ditinjau oleh tim editorial Unite.AI untuk memastikan kejelasan, akurasi, dan liputan yang bertanggung jawab tentang bagaimana produk AI dibangun, dirilis untuk pengguna, dan diskalakan di dunia nyata.