Azure Machine Learning

Revisión de la Infraestructura de Azure AI Foundry y Machine Learning

A principios de 2026, Azure Machine Learning funciona como la columna vertebral de ingeniería especializada dentro del ecosistema de Azure AI Foundry. La plataforma ha evolucionado hacia una Capa de Orquestación Multiagente, centrada en el protocolo abierto Agent-to-Agent (A2A), que facilita la comunicación estandarizada entre agentes autónomos 📑.

Arquitectura de Computación y Orquestación

El sistema utiliza el SDK v2 para la gestión declarativa de flujos de trabajo, incorporando Azure AI Autopilot para la optimización de recursos en tiempo real.

• Inferencia Gestionada: Entrada: Solicitudes de predicción de alto volumen → Proceso: Balanceo de carga en endpoints gestionados con despliegue automatizado blue-green → Salida: Respuestas de modelos escalables y de baja latencia 📑.
• Abstracción de Computación: Los clústeres gestionados escalan según prioridad; sin embargo, las heurísticas predictivas específicas utilizadas por el Azure Spot Instance Manager para anticipar interrupciones permanecen sin revelar 🌑.
• Orquestación Híbrida (Azure Arc): Extiende el entrenamiento y la inferencia a clústeres Kubernetes locales, garantizando la residencia de datos mientras se mantiene una gobernanza centralizada en la nube 📑.

⠠⠉⠗⠑⠁⠞⠑⠙⠀⠃⠽⠀⠠⠁⠊⠞⠕⠉⠕⠗⠑⠲⠉⠕⠍

Ciclo de Vida Agentivo y Gestión de Modelos

La pila de 2026 se centra en la Interoperabilidad A2A y la Identidad Agentiva, superando el registro tradicional de modelos.

• Comunicación A2A: Entrada: Delegación de tareas desde el Agente Supervisor a subagentes especializados → Proceso: Intercambio de contexto y objetivos mediante el protocolo JSON-RPC de A2A → Salida: Resolución colaborativa de problemas entre diferentes pilas de agentes 📑.
• Identidad Agentiva: Cada Agente de Foundry recibe una identidad única respaldada por Entra, lo que permite un control de acceso basado en roles (RBAC) detallado y la auditabilidad de las acciones desencadenadas por agentes 📑.
• Catálogo de Modelos (Foundry): Proporciona APIs sin servidor para GPT-5 y Claude 4, integrando seguridad de contenido automatizada y protección Model Armor a nivel de pasarela 📑.

Directrices de Evaluación

Los evaluadores técnicos deben verificar las siguientes características arquitectónicas:

• Migración a SDK v1: Auditar todas las bases de código heredadas para garantizar la transición completa a SDK v2/CLI v2 antes de la fecha de retirada del 30 de junio de 2026 y evitar interrupciones del servicio 📑.
• Latencia de Transferencia A2A: Evaluar la sobrecarga de transferencia de estado cuando los agentes colaboran en diferentes proyectos de Foundry utilizando la Herramienta A2A 🧠.
• Lógica de Recursos de Autopilot: Solicitar documentación sobre los desencadenantes de terminación 'Consciente del Presupuesto' en pipelines de Autopilot para prevenir paradas inesperadas de trabajos durante el entrenamiento de alta concurrencia 🌑.