Nota
O acceso a esta páxina require autorización. Pode tentar iniciar sesión ou modificar os directorios.
O acceso a esta páxina require autorización. Pode tentar modificar os directorios.
El Scheduler de Tareas Duraderas, combinado con el modelo de programación de Tareas Duraderas, proporciona la infraestructura subyacente para una ejecución duradera, gestión del estado, verificación de puntos y coordinación distribuida, de modo que no tenga que hacerlo el código del agente.
Con el modelo de programación Durable Task, puede crear flujos de trabajo resilientes y con estado utilizando construcciones estándar de programación (como bucles, condicionales y manejo de errores) en .NET, Python, Java y JavaScript/TypeScript, mientras que el tiempo de ejecución conserva el estado y se recupera de fallos automáticamente.
Aunque el modelo de programación de Durable Task no es un framework de agentes en sí mismo, funciona con cualquier framework de agentes de IA, incluido Microsoft Agent Framework, LangChain o llamadas directas a la API de LLM. Esta separación de preocupaciones le permite centrarse en la lógica del agente mientras Durable Task controla la ejecución confiable a escala.
En este artículo, aprenderá lo siguiente:
- Desafíos de producción que la ejecución duradera resuelve para los agentes de IA
- Patrones de flujo de trabajo agéntico admitidos por el modelo de programación Durable Task
- Comparación del stack tecnológico de Durable Task con otras opciones de flujo de trabajo con agentes en Azure
Los desafíos de producción que la ejecución duradera resuelve
Los agentes de IA que realizan trabajo real en producción suelen ser de larga duración, con estado y dependen de herramientas y servicios externos. Las interacciones humanas en el bucle, las cadenas de razonamiento de varios pasos y los flujos de trabajo aumentados por herramientas pueden mantener activa una sesión de agente durante horas, días o incluso semanas. Durante ese tiempo, el agente acumula estado, incluyendo historial de conversaciones, resultados intermedios y decisiones pendientes, que deben preservarse en cada paso.
El procesamiento de grandes volúmenes de tokens LLM es costoso y lento. Los proveedores de modelos pueden imponer límites de velocidad que limitan a tu agente en mitad del flujo de trabajo. Si se produce un error de infraestructura, como un reinicio de la máquina virtual o una interrupción de la red, durante el desarrollo de una tarea de agente de varios pasos, los tokens ya consumidos y el tiempo que ya se ha invertido se pierden.
Las interrupciones en los flujos de trabajo de agentes de larga duración, ya sean desde reinicios de computo, implementaciones, eventos de reducción de escala o fallos transitorios de infraestructura, incrementarán estos costos. Sin un mecanismo de recuperación, una sesión del agente bloqueado debe reiniciarse desde el principio, volver a consumir todos los tokens invertidos anteriormente y repetir todo el trabajo completado anteriormente.
La ejecución duradera resuelve estos desafíos. El tiempo de ejecución de Durable Task verifica automáticamente cada transición de estado en un flujo de trabajo de agente (respuestas LLM, resultados de llamadas a herramientas y decisiones de flujo de control) hacia almacenamiento duradero. Cuando se produce un error, la ejecución se reanuda automáticamente en una máquina virtual correcta desde el último punto de control en lugar de reiniciarse desde cero. Las llamadas LLM completadas no se repiten, preservando tanto el gasto de tokens como el tiempo de reloj de pared. Las políticas de reintento integradas con aplazamiento configurable gestionan los fallos transitorios de las API de LLM, las herramientas externas y los servicios posteriores sin necesidad de código adicional.
Patrones de flujo de trabajo agencial
Durable Task admite una gama de patrones de flujo de trabajo agente que se dividen en dos categorías generales:
- Flujos de trabajo deterministas: el código define el flujo de control. Puede escribir la secuencia de pasos ( incluida la bifurcación, el paralelismo y el control de errores) mediante construcciones de programación estándar. Se llama a LLM como un paso dentro del flujo de trabajo, pero no controla el flujo general.
- Flujos de trabajo dirigidos por agentes (bucles de agentes): El LLM controla el flujo de control. El agente decide qué herramientas llamar, en qué orden y cuándo se completa la tarea. Usted proporciona herramientas e instrucciones, pero el agente determina la ruta de ejecución durante el tiempo de ejecución.
Ambas categorías se benefician de la ejecución duradera y se pueden combinar en la misma aplicación. Para obtener un vistazo detallado a los patrones admitidos con ejemplos de código, consulte Patrones de aplicación agentic.
Comparación de las opciones de flujo de trabajo agente en Azure
Existen varias opciones para crear flujos de trabajo autónomos en Azure además de la pila técnica Durable Task. Cada opción tiene diferentes ventajas y desventajas en función de sus requisitos para el flujo de control, la compatibilidad con lenguajes de programación, la integración del marco de inteligencia artificial, el hospedaje, la administración de estados y la audiencia de destino. La tabla siguiente le ayuda a decidir cuál se adapta a sus necesidades.
| Capacidad | Tarea Duradera | flujos de trabajo basados en grafos de Microsoft Agent Framework | Bucle del agente de Logic Apps |
|---|---|---|---|
| Flujo de control | Definido por código (imperativo) | Definido por código (gráficos) | Diseñador / declarativo (JSON) |
| Lenguajes de programación | .NET, Python, Java, TypeScript/JavaScript | .NET, Python | Diseñador visual/JSON |
| Compatibilidad con el marco de inteligencia artificial | Cualquier framework (Semantic Kernel, LangChain, AutoGen, etc.) o llamadas directas a la API de modelos | Optimizado para Microsoft Agent Framework | Conectores de IA integrados |
| Hospedaje | Azure Functions (a través de Durable Functions) o cualquier host (mediante SDK de Durable Task) | Cualquiera, con soporte de primera clase para Agentes Alojados de Foundry | Azure Logic Apps managed service (Consumption or Standard SKU) |
| Almacenamiento de estado | Programador de tareas duraderas (administrado) | Lleva el tuyo propio (extensible mediante el gestor de puntos de control) | Tiempo de ejecución de Logic Apps (administrado) |
| Flujos de trabajo dirigidos por agentes | Compile el suyo propio mediante orquestaciones y entidades, o use la extensión Durable Task para Microsoft Agent Framework | Integrado | Sí, a través de la acción Bucle del agente |
| Audiencia de destino | Desarrolladores de back-end | Desarrolladores de aplicaciones | Desarrolladores de integración/ usuarios con poco código |
| Tareas de larga duración | Primera clase (horas / días / semanas / eterna) | La compatibilidad se logra mediante el control de los puntos de comprobación del estado del flujo de trabajo por parte del desarrollador. | Compatible solo con flujos de trabajo con estado (hasta 90 días) |
| Recuperación ante errores | Automático | Manual | Automático |
| Observabilidad | Historial de ejecución en el panel de Durable Task Scheduler, OpenTelemetry | OpenTelemetry, visualización personalizada | diagnósticos de Azure Monitor/Logic Apps |