Azure Machine Learning

Обзор инфраструктуры Azure AI Foundry и Machine Learning

По состоянию на начало 2026 года Azure Machine Learning функционирует как специализированная инженерная основа в экосистеме Azure AI Foundry. Платформа эволюционировала в многоагентный слой оркестрации, построенный на открытом протоколе Agent-to-Agent (A2A), который обеспечивает стандартизированную коммуникацию между автономными агентами 📑.

Архитектура вычислений и оркестрации

Система использует SDK v2 для декларативного управления рабочими процессами, включая Azure AI Autopilot для оптимизации ресурсов в реальном времени.

• Управляемый инференс: Вход: Высоконагруженные запросы на прогнозирование → Процесс: Балансировка нагрузки между управляемыми конечными точками с автоматическим сине-зелёным развёртыванием → Выход: Масштабируемые низколатентные ответы моделей 📑.
• Абстракция вычислений: Управляемые кластеры масштабируются в зависимости от приоритета; однако конкретные предиктивные эвристики, используемые Azure Spot Instance Manager для прогнозирования прерываний, остаются нераскрытыми 🌑.
• Гибридная оркестрация (Azure Arc): Расширяет обучение и инференс на локальные кластеры Kubernetes, обеспечивая соблюдение требований к размещению данных при сохранении централизованного облачного управления 📑.

⠠⠉⠗⠑⠁⠞⠑⠙⠀⠃⠽⠀⠠⠁⠊⠞⠕⠉⠕⠗⠑⠲⠉⠕⠍

Жизненный цикл агентов и управление моделями

Стек 2026 года фокусируется на A2A-взаимодействии и агентной идентичности, выходя за рамки традиционной регистрации моделей.

• A2A-коммуникация: Вход: Делегирование задач от супервизорного агента специализированному суб-агенту → Процесс: Обмен контекстом и целями через протокол A2A JSON-RPC → Выход: Совместное решение задач различными стеками агентов 📑.
• Агентная идентичность: Каждому агенту Foundry назначается уникальная идентичность на базе Entra, обеспечивающая детализированный RBAC и аудируемость действий, инициированных агентами 📑.
• Каталог моделей (Foundry): Предоставляет бессерверные API для GPT-5 и Claude 4, интегрируя автоматизированную защиту контента и защиту Model Armor на уровне шлюза 📑.

Рекомендации по оценке

Техническим экспертам следует проверить следующие архитектурные характеристики:

• Миграция SDK v1: Провести аудит всех устаревших кодовых баз для обеспечения полного перехода на SDK v2/CLI v2 до даты вывода из эксплуатации 30 июня 2026 года, чтобы избежать сбоев в обслуживании 📑.
• Задержка передачи A2A: Провести бенчмаркинг накладных расходов на передачу состояния при взаимодействии агентов в разных проектах Foundry с использованием инструмента A2A 🧠.
• Логика ресурсов Autopilot: Запросить документацию по триггерам завершения 'Budget-Aware' в конвейерах Autopilot для предотвращения неожиданных остановок задач во время высоконагруженного обучения 🌑.