Primeros pasos con Microsoft Agent Framework: guía paso a paso

By Mirko Peters · 2026-08-13

¡Bienvenido de nuevo al blog del podcast! Si has seguido nuestros episodios recientes, sabrás que el mundo de la inteligencia artificial está pasando rápidamente de simples interfaces de chat a sistemas autónomos y sofisticados …

Automatically translated with AI from the original post. Read the English original

¡Bienvenido de nuevo al blog del podcast! Si has seguido nuestros episodios recientes, sabrás que el mundo de la inteligencia artificial está pasando rápidamente de simples interfaces de chat a sistemas autónomos y sofisticados. Ya no nos limitamos a pedirle a un modelo que complete una única instrucción; ahora orquestamos equipos de trabajadores digitales capaces de razonar, planificar y ejecutar tareas de varios pasos. Para salvar la distancia entre la ingeniería de prompts experimental y el despliegue de nivel empresarial, Microsoft ha presentado un conjunto de herramientas que cambia las reglas del juego. En esta entrada vamos a profundizar en el uso práctico de esta tecnología, desde la configuración inicial hasta la ejecución de tu primer flujo de trabajo autónomo.

Antes de entrar en la guía técnica, si quieres una base sólida de los conceptos subyacentes, asegúrate de escuchar nuestro episodio dedicado del podcast, Microsoft Agent Framework - Simply Explained. Ese episodio explica dónde encajan estas herramientas dentro del ecosistema más amplio de Microsoft, para que tengas el contexto estratégico antes de escribir tus primeras líneas de código.

Introducción a Microsoft Agent Framework

Microsoft Agent Framework es una arquitectura abierta y multilenguaje diseñada específicamente para crear agentes de IA de nivel de producción y flujos de trabajo colaborativos con varios agentes. A diferencia de las aplicaciones de chat tradicionales, que dependen por completo de una dinámica lineal de preguntas y respuestas, este framework permite a los desarrolladores crear componentes de runtime de larga duración. Estos componentes usan modelos de lenguaje de gran tamaño (LLM) para interpretar las entradas del usuario, invocar herramientas externas, mantener estados de sesión persistentes y generar respuestas muy precisas.

En esencia, el framework resuelve un gran reto de arquitectura: cómo hacer que varias entidades de IA trabajen juntas de forma fluida. Gracias a la coordinación modular, a flujos de trabajo deterministas y al soporte del Model Context Protocol (MCP), los desarrolladores pueden construir sistemas en los que agentes especializados, como un investigador, un analista y un jefe de proyecto, colaboran de forma autónoma. Tanto si estás creando bots de atención al cliente, asistentes automatizados para desarrollo o motores complejos de procesos de negocio, contar con un framework estructurado y con estado es esencial para que tus aplicaciones sigan siendo fiables, seguras y escalables.

Paso 1: configuración del repositorio

Todo proyecto de programación exitoso empieza con un espacio de trabajo limpio y la configuración de entorno adecuada. Para iniciar tu primer proyecto con Microsoft Agent Framework, el primer paso es preparar tu repositorio de desarrollo local.

En primer lugar, necesitarás clonar el repositorio oficial de laboratorio que se proporciona en las guías de primeros pasos. Abre tu terminal o la interfaz de línea de comandos y descarga el código fuente. Una vez clonado el repositorio, tu prioridad inmediata es verificar el entorno de programación. El framework admite principalmente Python y .NET, así que debes asegurarte de usar una versión compatible del runtime que elijas: normalmente Python 3.10 o superior para desarrolladores de Python, o el SDK de .NET más reciente para desarrolladores empresariales.

Dentro del repositorio, localiza el archivo de requisitos o el archivo de configuración del proyecto. Crea un entorno virtual para aislar tus dependencias e instala los paquetes necesarios. Dedicar tiempo a configurar bien tu espacio de trabajo local ahora te ahorrará conflictos de dependencias frustrantes más adelante, cuando empieces a incorporar clientes de modelos avanzados y componentes de middleware.

Paso 2: configuración de Azure AI Foundry

Una vez que tu repositorio local esté en marcha, necesitas conectar tu entorno local con la infraestructura de nube que dará soporte a los motores de razonamiento de tus agentes. Aquí es donde entra en juego Azure AI Foundry.

Inicia sesión en el portal de Azure y ve a Azure AI Foundry. Aquí deberás crear un nuevo recurso y un espacio de proyecto dedicado para el flujo de trabajo de tu agente. Organizar tu trabajo en un proyecto específico te ayuda a gestionar los permisos, controlar el uso de tokens y supervisar de forma eficaz las rutas de ejecución de tu agente.

Después de crear tu proyecto, debes implementar los modelos y los servicios base necesarios. Según tu caso de uso, querrás desplegar LLM robustos, como los modelos GPT avanzados, capaces de manejar razonamiento complejo, gestión del estado y llamadas a herramientas. Además, debes configurar un Azure Search Service en este entorno. Este servicio de búsqueda es la base de las capacidades de recuperación de datos de tu agente, ya que le permite analizar datos empresariales de forma segura y devolver a la sesión del agente el contexto relevante.

Paso 3: Conectar Bing Search para la fundamentación

Un agente de IA solo es tan bueno como la información a la que puede acceder. Aunque los datos empresariales internos son fundamentales, muchos flujos de trabajo requieren conocimiento actualizado del mundo real, que está en la web abierta. Para lograrlo, necesitas proporcionar a tus agentes mecanismos de fundamentación fiables.

En este paso de la configuración del proyecto, conectarás Bing Search a tu proyecto de Azure AI Foundry. Al integrar la API de Bing Search como recurso de herramienta, das a tus agentes la capacidad de consultar la web de forma dinámica cuando la solicitud de un usuario requiera información en tiempo real.

Para configurar esta conexión, vincula tus credenciales de búsqueda en las variables de entorno o en los archivos de configuración, de modo que tus clientes de modelo puedan invocar la herramienta de búsqueda sin fricciones durante la ejecución. Cuando un agente recibe una consulta que no puede responder con sus pesos internos ni con su índice empresarial local, formula una consulta de búsqueda, obtiene los resultados en vivo, sintetiza la información y ofrece una respuesta precisa y fundamentada al usuario. Esta capacidad convierte un chatbot estándar en un asistente dinámico con capacidad de investigación.

Probar tu primer flujo de trabajo de agente

Con el repositorio configurado, Azure AI Foundry desplegado y la fundamentación con Bing Search conectada, por fin estás listo para crear y probar tu primer flujo de trabajo de agente.

Empieza escribiendo un script sencillo que inicialice una sesión de agente, defina una plantilla de prompt básica y registre tu herramienta de búsqueda. Puedes aprovechar el depurador visual DevUI que incluye el framework para visualizar tu flujo de trabajo en tiempo real. Esta interfaz gráfica es un recurso excelente durante la fase de pruebas: te permite observar cómo el agente interpreta la entrada, qué herramientas decide invocar y cómo gestiona el estado a lo largo de varios turnos de ejecución.

Ejecuta una consulta de prueba que requiera tanto razonamiento interno como recuperación externa desde la web. Revisa los registros de la consola o DevUI para comprobar que el agente pasa correctamente por los pasos del flujo de trabajo, ejecuta la llamada a Bing Search y da formato limpio a la salida final. Si aparece algún error, las funciones detalladas de puntos de control (checkpointing) y seguimiento del estado del framework te ayudarán a localizar exactamente dónde se desvió la ejecución.

Próximos pasos y recursos adicionales

¡Felicidades! Al configurar el repositorio, preparar Azure AI Foundry e integrar la fundamentación con Bing Search, has dado tus primeros pasos importantes en el desarrollo de IA de nivel empresarial con Microsoft Agent Framework. Pero esto solo es el principio.

A medida que avances, experimenta con patrones de orquestación de multiagentes. Prueba a introducir un segundo agente en tu flujo de trabajo, como un agente revisor que compruebe la salida de tu agente investigador principal antes de entregar la respuesta final al usuario. Consulta la documentación oficial de Microsoft para explorar los protocolos de comunicación Agent-to-Agent (A2A) y el Model Context Protocol (MCP), y así ampliar aún más las capacidades de tus agentes.

Para profundizar en el tema y asegurarte de que estás creando sistemas seguros, conformes y muy productivos, escucha nuestro desglose completo en audio visitando el episodio del podcast en Microsoft Agent Framework - Simply Explained. ¡Feliz programación, y nos vemos en el próximo episodio!