La inteligencia artificial generativa ha dejado de ser un experimento de laboratorio para convertirse en una capacidad de negocio. En apenas dos años hemos pasado de las primeras pruebas de concepto con modelos de lenguaje a arquitecturas agénticas: sistemas que razonan, invocan herramientas, orquestan procesos y se integran con los sistemas corporativos existentes.
En ese recorrido, Microsoft ha consolidado un stack de IA coherente y de nivel empresarial, pensado para llevar estos modelos a producción de forma gobernada, segura y observable. Esos tres atributos son, precisamente, los que separan una demo llamativa de una solución de la que una organización puede responsabilizarse.
Soy Emiliano Montesdeoca, Microsoft MVP en Developer Technologies, y en este artículo de Intelequia quiero ofrecer una visión de arquitecto: qué piezas componen hoy ese stack, cómo encajan y cuál elegir según tu escenario. La novedad más relevante es que Microsoft Agent Framework se ha convertido en el sucesor de Semantic Kernel, unificando además lo mejor de AutoGen en un único marco.
De la fragmentación a la convergencia
Hasta hace poco, una organización que quería incorporar IA a sus aplicaciones se encontraba con varias herramientas que se solapaban: Semantic Kernel para la orquestación de prompts y funciones, AutoGen para escenarios multi-agente, y SDKssueltos de cada proveedor de modelos. La pregunta recurrente era “¿por dónde empiezo ycuándo uso cada cosa?”.
La respuesta de Microsoft ha sido converger: fusionar la experiencia de Semantic Kernel y AutoGen en un único SDK de nivel productivo, Microsoft Agent Framework.
Semantic Kernel: el punto de partida
Semantic Kernel (SK) fue durante años la puerta de entrada recomendada para integrar modelos de lenguaje en aplicaciones empresariales. Es un marco de orquestación cuyos conceptos clave son el kernel (el coordinador central), los plugins o funciones reutilizables que el modelo puede invocar, la memoria para escenarios de recuperación de información (RAG) y los planners que descomponen un objetivo en pasos.
Con la llegada de Agent Framework, Semantic Kernel entra en modo mantenimiento: seguirá recibiendo correcciones de errores y actualizaciones de seguridad durante al menos un año tras la disponibilidad general de Agent Framework, pero no incorporará nuevas funcionalidades.
Esto no obliga a migrar con prisas. Si tu equipo ya es productivo con Semantic Kernel, puede continuar con tranquilidad y planificar una migración por fases. Para proyectos nuevos, en cambio, la recomendación oficial es empezar directamente con Agent Framework.
Microsoft Agent Framework: la evolución recomendada
Microsoft Agent Framework es el nuevo marco unificado para construir, orquestar y desplegar agentes de IA y flujos multi-agente, disponible de forma general para .NET y Python. Combina la orquestación en lenguaje natural de Semantic Kernel con las capacidades multi-agente de AutoGen, y añade lo que un entorno corporativo exige:
Orquestación multi-agente nativa, con patrones secuencial, concurrente, group chat y handoff.
Flujos de trabajo con streaming, puntos de control (checkpointing) y human-in-the-loop.
Observabilidad integrada mediante OpenTelemetry para trazabilidad y depuración.
Guardrails y middleware para validar entradas y salidas.
Integración con Azure AI Foundry y soporte de protocolos abiertos como MCP (Model Context Protocol) y A2A (Agent-to-Agent).
El salto conceptual es importante: pasamos de “llamar a un modelo” a coordinar un proceso de negocio asistido por IA, en el que varios agentes especializados colaboran, comparten estado y dejan traza de cada decisión.
El ecosistema alrededor
Agent Framework no vive aislado. Se apoya en un ecosistema que cubre desde la llamada más simple a un modelo hasta la gobernanza en producción:
Microsoft.Extensions.AI: abstracciones comunes que estandarizan cómo tu aplicación, habla con cualquier proveedor de modelos, desacoplándola del proveedor concreto.
Azure AI Foundry: la plataforma unificada para descubrir, desplegar, evaluar y gobernarmmodelos y agentes, con catálogo de modelos, content safety y observabilidad. Es el “plano de control” de tu IA en producción.
Model Context Protocol (MCP): un estándar abierto para conectar agentes con herramientas, datos y sistemas externos sin integraciones ad-hoc, evitando el lock-in.
Azure OpenAI Service: acceso a los modelos dentro de tu propio tenant de Azure, con las garantías de identidad, red, cumplimiento y residencia del dato que exige la empresa.
GitHub Copilot y Copilot Studio: IA en el desarrollo (productividad de los equipos) e IA en el producto (copilotos low-code para usuarios de negocio).
¿Qué elegir según tu escenario?
- Proyecto nuevo con lógica agéntica → Microsoft Agent Framework.
- Base de código existente en Semantic Kernel → mantener y migrar por fases, sin urgencia.
- Solo llamadas a modelos → Microsoft.Extensions.AI + Azure OpenAI.
- Gobernanza y despliegue centralizado de modelos → Azure AI Foundry.
- Conectar agentes con herramientas externas → MCP.
- Copiloto para usuarios de negocio → Copilot Studio.
Consideraciones enterprise
Adoptar IA en producción va mucho más allá de que “el modelo responda bien”. Los ejes que marcan la diferencia son la seguridad e identidad (autenticación con Microsoft Entra ID y managed identities en lugar de claves), la gobernanza del dato (residencia, content safety, trazabilidad), la observabilidad, los guardrails frente a alucinaciones y prompt injection, el control de coste y el cumplimiento normativo (RGPD, EU AI Act).
Conclusión
Microsoft ha simplificado un panorama que hace un año resultaba confuso. Semantic Kernel sigue siendo válido pero está en modo mantenimiento; Microsoft Agent Framework es la evolución oficial y la opción recomendada para cualquier proyecto agéntico nuevo; y a su alrededor un ecosistema maduro cubre todo el ciclo, desde el modelo hasta la gobernanza.
La tecnología ya está lista. El reto es de arquitectura y adopción: diseñar soluciones seguras, observables y sostenibles en coste. En Intelequia acompañamos a las organizaciones en ese camino, desde la definición de la arquitectura hasta la puesta en producción. Si estás evaluando cómo incorporar agentes de IA a tu negocio, hablemos.