Windows AI Foundry — это комплексная платформа, созданная для того, чтобы разработчики могли интегрировать возможности искусственного интеллекта напрямую в приложения для Windows. В её основе лежит локальный запуск AI-моделей на устройствах Windows с использованием аппаратного ускорения для оптимальной производительности. Вместо зависимости от облачных сервисов платформа предоставляет набор инструментов, API и встроенных моделей, которые работают прямо на вашем ПК, ноутбуке или частном сервере.

Такой подход «local-first» позволяет создавать интеллектуальные, ориентированные на приватность приложения, максимально использующие возможности аппаратного обеспечения Windows. Даже если устройство не подключено к интернету, модели продолжают работать безопасно и конфиденциально. Нет внешних вызовов сервисов, скрытой передачи данных или зависимости от сторонних провайдеров. Всё остаётся на устройстве.

Зачем использовать Windows AI Foundry?

Windows AI Foundry создана для сценариев, где важны приватность, безопасность и возможность офлайн-работы. Типичные варианты использования включают:

• Суммаризацию текста и создание отчётов

• Семантический поиск для обнаружения контента

• Генерацию, масштабирование и улучшение изображений

• Апскейлинг видео

• Обнаружение объектов и сегментацию изображений

• Распознавание текста на изображениях и в сканированных документах

Если вам нужен безопасный экосистемный подход без отправки данных в большие языковые модели, размещённые в интернете, Windows AI Foundry предлагает инфраструктуру, адаптированную под конкретные сценарии и задачи, которые не взаимодействуют с внешним миром.

Локальное выполнение с Foundry Local

В центре экосистемы находится Foundry Local. Это ключевой механизм, позволяющий запускать AI-модели в вашей собственной инфраструктуре — на ПК, ноутбуке или частном сервере. Windows AI Foundry ориентирована на операционную систему Windows, тогда как Azure AI Foundry (также известная как Microsoft Foundry) является облачной альтернативой.

Если вашему приложению необходимо полностью оставаться на устройстве Windows по соображениям приватности или соответствия требованиям, Foundry Local — идеальный выбор. Он даёт полный контроль над выполнением моделей, их хранением и настройкой в локальной среде.

Встроенные модели и готовые API

Windows AI Foundry включает встроенные модели и готовые к использованию API. Например:

• Silica — небольшая языковая модель для генерации текста, оптимизированная под NPU

• Распознавание текста для извлечения текста из изображений и сканированных документов

• Описание изображений и семантический поиск

• Масштабирование, повышение резкости и удаление объектов на изображениях

• Идентификация объектов

Все эти сервисы работают полностью внутри операционной системы. Вам не нужно подключаться к интернету или использовать сторонние сервисы. Хотя здесь перечислены лишь несколько примеров, возможности практически безграничны. Вы можете выполнять многие из тех же операций, которые обычно реализуются в облачных сервисах, но локально в Windows AI Foundry.

Тонкая настройка и кастомизация моделей

Разработчики могут дообучать встроенные модели с помощью low-rank adaptation (LoRA). Windows AI Foundry интегрируется с Foundry Local, который является центральным элементом экосистемы. Разработчики могут просматривать, тестировать и развёртывать open-source модели, оптимизированные под CPU, GPU и NPU.

Эта гибкость позволяет выбирать подходящую модель под конкретный сценарий — будь то текст, изображения, аудио или код — и адаптировать её под собственные задачи.

ONNX и кросс-аппаратная совместимость

Ключевой концепцией Windows AI Foundry является ONNX (Open Neural Network Exchange). Windows ML выступает в роли рантайма инференса, упрощая развёртывание пользовательских ONNX-моделей на различном оборудовании.

Это означает, что модели, созданные Meta, Google, Microsoft и другими, могут взаимодействовать друг с другом. Вы не привязаны к одному провайдеру, а ваши модели остаются переносимыми и совместимыми между CPU, GPU и NPU.

Архитектура Foundry Local в общих чертах

Архитектура Foundry Local состоит из нескольких уровней:

• Аппаратный уровень: CPU, GPU и NPU на сервере, ноутбуке или ПК

• Опыт разработчика: инструменты командной строки, SDK или приложения для взаимодействия с моделями

• Управление моделями: получение, компиляция, загрузка и локальное кэширование моделей

• Слой коммуникации: HTTP или именованные каналы для связи с сервисом Foundry Local

• Рантайм: ONNX Runtime для выполнения моделей

• Кэш моделей: локальное хранилище загруженных или подключённых моделей

Такой дизайн позволяет моделям от разных провайдеров работать в единой среде, полностью в рамках локальной инфраструктуры.

Изучение моделей и API с помощью AI Dev Gallery

В Windows AI Foundry есть приложение из Microsoft Store под названием AI Dev Gallery. Оно предоставляет примеры моделей, API и готовые к запуску демонстрации, такие как:

• Классификация изображений

• Обнаружение объектов

• Сегментация изображений

• Транскрибация аудио

• Перевод текста

• Генерация и суммаризация текста

• Super-resolution изображений

Вы можете выбрать предустановленную модель, загрузить новую или загрузить модель с диска. Система подстраивается под конфигурацию вашего оборудования — CPU, GPU или NPU — и предлагает подходящие модели в зависимости от возможностей устройства.

Каждый пример можно экспортировать в Visual Studio Code вместе с исходным кодом, чтобы вы могли изучить, изменить и интегрировать его в собственное приложение.

Установка и использование Foundry Local

Установка Foundry Local максимально проста. Это похоже на установку обычного приложения. После установки он предоставляет интерфейс командной строки и локальный сервис для управления выполнением моделей.

Из командной строки вы можете просматривать список доступных моделей, загружать их, загружать в память и запускать. Модели кэшируются локально, поэтому после первой загрузки их можно использовать повторно без повторного скачивания.

Затем вы можете отправлять запросы в локально запущенную модель. Поскольку модель работает офлайн, она отвечает, опираясь на свои внутренние знания и данные обучения. Она не обращается к интернету или внешним сервисам, что делает её идеальной для приложений, чувствительных к приватности.

Windows AI Foundry vs. Azure AI Foundry

Windows AI Foundry предназначена для локального выполнения на устройствах Windows. Azure AI Foundry, в свою очередь, является облачным решением, предлагающим более широкий набор моделей, инструментов и сервисов.

Если вы хотите создать облачное AI-приложение с богатыми интеграциями, Azure AI Foundry — правильный выбор. Если же вам нужно самодостаточное приложение, которое полностью работает на локальном ПК или в частной инфраструктуре, Windows AI Foundry подойдёт лучше.

Итог

Windows AI Foundry приносит мощные AI-возможности прямо на устройства Windows. Благодаря локальному выполнению, встроенным моделям, совместимости с ONNX и аппаратному ускорению она позволяет создавать безопасные, приватные и офлайн-доступные AI-приложения.

Будь то генерация текста, анализ изображений, транскрибация аудио или семантический поиск, Windows AI Foundry предлагает гибкую экосистему, работающую на разных устройствах, моделях и типах оборудования — без отправки данных в облако.

Microsoft Entra Agent ID предназначен для предоставления возможностей идентификации специально для AI-агентов в рамках Microsoft Entra ID. По своей сути он вводит учетные записи идентичности, которые позволяют однозначно идентифицировать и аутентифицировать AI-агентов в экосистеме Microsoft.

Эти идентичности агентов формируют основу для безопасного и масштабируемого развертывания AI-агентов. Они помогают решать растущие проблемы безопасности и эксплуатации, связанные с использованием AI-агентов, обеспечивая каждому агенту корректную идентичность, соответствующий уровень доступа и управляемость.

Зачем нужен Microsoft Entra Agent ID

По мере того как организации создают и внедряют AI-агентов, особенно в больших масштабах, возникают новые вызовы. Когда один агент разворачивается в нескольких экземплярах, становится критически важно отличать действия AI-агентов от действий пользователей, рабочих нагрузок или клиентов.

Microsoft Entra Agent ID создан именно для решения этой задачи. Он предотвращает ситуацию, при которой AI-агенты случайно получают повышенные привилегии или доступ к чувствительным системам, к которым они не должны иметь доступа. Это особенно важно в средах, где агенты быстро создаются и удаляются.

Идентичности агентов также обеспечивают масштабируемое управление учетными записями. Большое количество AI-агентов может быть создано и уничтожено без ущерба для безопасности или операционной прозрачности. Каждый агент получает доступ, строго соответствующий его назначению.

Возможности, которые дают идентичности агентов

Идентичности агентов могут использоваться для:

• безопасного доступа к веб-сервисам;

• аутентификации входящих сообщений;

• поддержки автономных и делегированных сценариев доступа;

• обеспечения четкого разделения между AI-агентами и человеческими учетными записями.

Назначая агентам собственные идентичности, организации получают видимость, контроль и средства управления тем, как агенты взаимодействуют с системами и сервисами.

Понятие агентных blueprint’ов

Идентичности агентов создаются на основе blueprint’ов. Blueprint — это родительский шаблон, который лежит в основе агентных идентичностей в рамках тенанта. Каждый созданный агент имеет агентную идентичность, а сама идентичность формируется из blueprint’а.

Blueprint’ы определяют, каким образом создаются и управляются идентичности агентов. Несколько агентов могут быть связаны с одним blueprint’ом, что позволяет обеспечить единообразное поведение идентичностей для однотипных агентов. Использование blueprint’ов не является обязательным для всех агентов, но они дают дополнительную структуру и контроль при масштабировании.

Управление идентичностями агентов в Microsoft Entra

В административной среде Microsoft Entra доступна отдельная функция Agent ID, которая предоставляет полную видимость всех агентных идентичностей в тенанте. В этом интерфейсе администраторы могут просматривать:

• все идентичности агентов;

• статус агентов (активен или неактивен);

• Object ID и связь с blueprint’ами;

• владельцев и спонсоров;

• информацию о том, использует ли агент идентичность.

Централизованный обзор позволяет применять политики управления, защищать агентов по умолчанию и управлять полным жизненным циклом идентичностей с помощью встроенных механизмов Entra.

Контроль blueprint’ов и управление жизненным циклом

Для каждого blueprint’а отображается количество связанных агентных идентичностей, дата создания и уровень предоставленного доступа. Администраторы могут:

• отключить blueprint, чтобы запретить создание новых агентных идентичностей;

• сохранить работоспособность уже существующих идентичностей;

• просмотреть разрешения администраторского и пользовательского согласия;

• назначить владельцев и спонсоров;

• изучить журналы аудита и входов в систему.

Отключение blueprint’а не отключает существующих агентов, а лишь предотвращает создание новых идентичностей на его основе.

Коллекции агентов и управление

Идентичности агентов также могут быть организованы в коллекции, которые могут быть как преднастроенными, так и пользовательскими. Примеры таких коллекций:

• глобальная коллекция, доступная всем идентичностям в тенанте;

• карантинная коллекция для изолированных или ограниченных агентов.

Коллекции усиливают управление, позволяя группировать агентов по назначению, уровню доверия или операционному состоянию.

Интеграция с платформами Microsoft

Microsoft Entra Agent ID тесно интегрирован с такими платформами, как:

• Microsoft Copilot Studio;

• Power Platform Admin Center;

• Microsoft 365 Admin Center;

• Azure AI Foundry.

Copilot Studio ориентирован на создание и настройку агентов, в то время как детали, связанные с идентичностью — такие как Agent ID, привязка к blueprint’ам и параметры управления — обрабатываются через административные центры. Такое разделение обеспечивает четкое разграничение между функциональностью агента и управлением его идентичностью.

Итог

Microsoft Entra Agent ID — это учетная запись идентичности в Microsoft Entra ID, которая предоставляет AI-агентам уникальные возможности идентификации и аутентификации. Он играет ключевую роль в обеспечении безопасности, масштабируемости и управляемости AI-агентов в экосистеме Microsoft.

Используя идентичности агентов и blueprint’ы, организации могут безопасно разворачивать AI-агентов с контролируемым доступом, прозрачной ответственностью и корпоративным уровнем защиты. Помимо безопасности, агентные идентичности обеспечивают аутентифицированное взаимодействие, делегированный доступ и интеграцию с веб-сервисами, что делает их фундаментальным элементом современной архитектуры AI-агентов.

В этой статье рассматривается сравнение TOON и JSON с точки зрения их назначения, структуры, эффективности использования токенов и применения в современных приложениях, особенно в контексте больших языковых моделей (LLM).

Что такое TOON?

TOON — это token-oriented object notation (объектная нотация, ориентированная на токены), разработанная специально для AI-приложений. Её основная цель — снизить количество токенов при работе с запросами и ответами LLM. TOON представляет собой компактное, человекочитаемое кодирование модели данных JSON и оптимизирован для эффективного взаимодействия с языковыми моделями.

TOON был создан Йоханом Шокпличем при участии Джейсона и Дугласа Крокфорда в рамках более широкой экосистемы JSON. По состоянию на декабрь 2025 года TOON является относительно новым форматом и в основном используется в AI-среде.

Что такое JSON?

JSON (JavaScript Object Notation) — это открытый стандарт файлового формата и формат обмена данными. Он широко используется для передачи данных между системами, представления структурированных данных, хранения конфигурационных файлов и взаимодействия между API и сервисами.

JSON — универсальный формат с широкой поддержкой на разных платформах, языках программирования и инструментах.

Ключевые характеристики

Характеристики TOON

• Эффективен с точки зрения токенов и оптимизирован для LLM

• Структурированный и компактный

• Человекочитаемый

• Поддерживает вложенность

• Разработан специально для AI-приложений

Характеристики JSON

• Человекочитаемый и понятный

• Поддерживает глубоко вложенные объекты

• Универсально принят и широко поддерживается

• Подходит для конфигурационных файлов и обмена данными

• Открытый стандарт с развитой экосистемой инструментов

Ограничения

Ограничения TOON

• Ограниченная универсальная поддержка по состоянию на декабрь 2025 года

• Новый и пока малоизвестный формат

• Требует специального парсера

• Иногда испытывает сложности с глубоко вложенными структурами данных

Ограничения JSON

• Избыточность формата

• Повторяющиеся ключи

• Дублирование данных увеличивает размер и количество токенов

Расширения файлов

• TOON использует собственное расширение формата

• JSON использует расширение .json

Сравнение использования

TOON в основном используется для:

• Токено-эффективного ввода данных в LLM

• Токено-эффективного вывода данных из LLM

• Передачи компактных структурированных данных языковым моделям

JSON в основном используется для:

• Передачи данных между API и сервисами

• Управления конфигурациями

• Универсального представления и обмена данными

Поддержка структур данных

• TOON лучше всего подходит для плоских или табличных структур, но также поддерживает вложенность

• JSON хорошо подходит для иерархических и вложенных объектов

Совместимость

• TOON имеет ограниченную совместимость из-за недавнего появления

• JSON обладает широкой совместимостью с различными системами и платформами

Требования к парсеру

• TOON требует специального парсера для декодирования и интерпретации данных

• JSON является универсально распознаваемым форматом и не требует специальных парсеров

Эффективность использования токенов

С точки зрения использования токенов TOON даёт существенные преимущества. При сравнении эквивалентных структур данных TOON может сокращать количество токенов примерно на 45% и более. В некоторых тестах наблюдается сокращение почти на 60%, в зависимости от сложности данных и используемой LLM.

Примеры структур

Простая структура TOON может включать:

• Поле задачи

• Статус

• Список шагов, представленный в компактном формате массива

TOON позволяет гибко управлять уровнем вложенности данных. Например, сведения о сотрудниках или этапы рабочих процессов могут быть представлены на одном уровне вложенности или разбиты на массивы для повышения эффективности.

При сравнении с JSON те же данные в формате JSON обычно содержат повторяющиеся ключи и более глубокую вложенность, что увеличивает количество токенов. На высоком уровне JSON-структуры часто включают родительские объекты, такие как client или workDetails, каждый из которых содержит несколько полей и вложенных объектов. TOON представляет те же данные в более сжатом виде.

Экосистема и ресурсы

Документация JSON содержит информацию о:

• Истории создания формата

• Валидных структурах JSON

• Синтаксисе

• Использовании JSON для передачи данных между системами

Документация TOON объясняет:

• Как JSON кодируется в TOON

• Как работает сжатие с учётом схемы

• Почему требуется специальный парсер

• Как TOON сравнивается с JSON, YAML, XML, компактным JSON и CSV

В некоторых сравнениях показано сокращение токенов примерно на 59,8%, а для отдельных LLM — ещё больше.

Существуют также инструменты и сообщества, которые позволяют:

• Конвертировать JSON в TOON

• Загружать примеры данных

• Сравнивать количество токенов

• Скачивать или копировать результат в формате TOON

• Просматривать экономию токенов в реальном времени

Например, простая JSON-структура из 59 токенов может быть преобразована в 24 токена в формате TOON, что даёт экономию более 59%. Для более сложных JSON-структур степень сжатия может быть ещё выше.

Заключение

TOON и JSON решают разные задачи. JSON остаётся универсальным стандартом для обмена данными, конфигураций и взаимодействия API. TOON, в свою очередь, является специализированным форматом, ориентированным на эффективность в AI- и LLM-ориентированных сценариях.

Хотя TOON обеспечивает значительную экономию токенов и компактное представление данных, его ограниченное распространение и необходимость специального парсера означают, что в настоящее время он дополняет JSON, а не заменяет его. По мере развития AI-приложений TOON может получить более широкое распространение, особенно в сценариях, где критична эффективность использования токенов.

Введение в Foundry Local

Foundry Local — это решение от Microsoft, которое переносит возможности Azure AI прямо в локальную среду. Оно позволяет разработчикам запускать AI-модели полностью на собственной инфраструктуре — будь то настольный компьютер, ноутбук или персональный сервер. С Foundry Local инференс выполняется на устройстве, без подключения к облаку, при этом сохраняется корпоративный уровень безопасности.

Такой подход делает Foundry Local удобным выбором для разработчиков, которым важны конфиденциальность, экономия средств и полный контроль над выполнением AI-моделей.

Что такое Foundry Local

Foundry Local — это бесплатное решение Microsoft для локального AI-инференса. Оно позволяет запускать большие языковые модели (LLM) и другие AI-модели локально, без необходимости иметь подписку Azure или оплачивать облачные ресурсы.

Платформа поддерживает несколько способов интеграции:

• интерфейс командной строки (CLI);

• SDK;

• REST API.

Благодаря этому Foundry Local легко встраивается в различные процессы разработки и приложения.

Основные преимущества локального запуска AI-моделей

Использование Foundry Local даёт ряд ключевых преимуществ:

Конфиденциальность

Все запросы и подсказки остаются внутри локальной системы. Данные не передаются на внешние серверы, что особенно важно для работы с чувствительной информацией.

Производительность

Производительность зависит от аппаратной конфигурации. Foundry Local может использовать CPU, GPU и NPU, позволяя максимально задействовать доступные ресурсы.

Экономия затрат

Поскольку модели запускаются локально, отсутствуют облачные платежи, подписки и биллинг. Используются только ресурсы вашего устройства.

Гибкая настройка

Разработчик полностью контролирует выбор моделей, их конфигурацию и способы интеграции в приложения.

Поддерживаемые платформы и варианты установки

Foundry Local поддерживает несколько операционных систем и сред разработки:

• Windows — установка через пакетный менеджер winget

• macOS — установка с помощью Homebrew (brew)

• Доступные SDK:

  • Python

  • JavaScript

  • C#

  • Rust

В Windows установка выполняется следующей командой:

После установки Foundry Local становится доступным как консольное приложение.

Работа с AI-моделями

Просмотр доступных моделей

После установки можно получить список доступных моделей через CLI. В списке отображается:

• поддерживаемое устройство выполнения (CPU, GPU, NPU);

• размер модели;

• информация о лицензии;

• варианты моделей.

Это позволяет выбрать модель с учётом аппаратных возможностей и объёма памяти.

Загрузка и запуск моделей

Модели загружаются в локальный кэш и могут загружаться по требованию. После загрузки Foundry Local предоставляет интерактивный режим чата для ввода запросов.

Основные CLI-команды:

• foundry model list — список доступных моделей

• foundry model info — подробная информация о модели

• foundry model run — загрузка и запуск модели

• foundry model unload — выгрузка модели из сервиса

Команды интерактивного чата

Во время работы с моделью доступны следующие команды:

• /help — справка по командам

• Ctrl + C — отмена генерации

• /exit — выход из чата

Ограничения локальных моделей

Поскольку Foundry Local работает полностью офлайн, модели не имеют доступа к данным в реальном времени или внешним инструментам. Поэтому:

• ответы ограничены данными, полученными во время обучения модели;

• запросы в реальном времени (например, текущая погода) не могут быть корректно обработаны;

• качество ответов зависит от размера модели и качества её обучения.

Эти ограничения являются естественной платой за локальный, автономный запуск.

Обзор доступных моделей

Foundry Local предоставляет доступ к большому количеству моделей, которые можно фильтровать и сортировать по:

• семейству моделей;

• размеру файла;

• устройству выполнения (только CPU, GPU и т. д.);

• дате последнего обновления.

Для каждой модели доступна подробная информация:

• описание;

• лицензия;

• владелец;

• варианты модели;

• поддерживаемые задачи.

Это упрощает выбор модели под конкретные задачи.

Открытый исходный код и сообщество

Разработчики, желающие глубже изучить Foundry Local, могут ознакомиться с его репозиторием на GitHub. Там доступны:

• исходный код;

• релизы;

• список участников;

• информация о развитии проекта.

Это обеспечивает прозрачность и возможности для расширенной настройки.

Заключение

Foundry Local позволяет запускать AI-модели непосредственно на собственных устройствах с полной конфиденциальностью данных, отсутствием облачных затрат и гибкими вариантами развёртывания. Его можно использовать на ноутбуке, настольном компьютере или персональном сервере.

Поддержка нескольких платформ, SDK и постоянно расширяющегося каталога моделей делает Foundry Local мощным инструментом для разработчиков, которым нужен полный контроль над AI-инференсом без зависимости от облачной инфраструктуры.

Введение в Agent 365

Agent 365 — это новая плоскость управления агентами, предназначенная для того, чтобы помочь организациям централизованно управлять, защищать и масштабировать ИИ-агентов в экосистеме Microsoft. По мере того как компании все активнее создают агентов с использованием различных инструментов и платформ, возрастает потребность в централизованном управлении и прозрачности. Agent 365 решает эту задачу, предоставляя единое место для управления всеми агентами.

С точки зрения технологий Microsoft, агенты могут быть созданы с помощью Copilot Studio, Copilot Studio Light, Azure AI Foundry, SDK, а также расширений для Visual Studio Code. Однако такие агенты часто управляются через разные административные порталы, что приводит к фрагментации и усложняет администрирование. Agent 365 объединяет этот опыт в единую систему.

Необходимость централизованной плоскости управления агентами

В настоящее время разные типы агентов настраиваются и управляются через разные интерфейсы:

• Агенты Microsoft 365 Copilot — через Microsoft 365 Admin Center

• Агенты Copilot Studio — через Power Platform Admin Center

• Агенты Azure AI Foundry — через Azure Portal

Такая разрозненность затрудняет отслеживание, защиту и единообразное управление агентами. Agent 365 объединяет все агенты в одной плоскости управления, позволяя администрировать весь жизненный цикл агентов из единого интерфейса.

Для этого каждому агенту присваивается уникальный идентификатор, который обеспечивает централизованное управление жизненным циклом, доступом и безопасностью.

Microsoft Entra Agent ID

Ключевым элементом Agent 365 является Microsoft Entra Agent ID. Каждый агент получает собственную уникальную идентичность, которая используется для:

• управления жизненным циклом агента

• контроля доступа и разрешений

• идентификационной безопасности

• соответствия требованиям и аудита

Такие идентичности позволяют применять к ИИ-агентам корпоративные практики управления идентификацией и доступом — аналогично тому, как сегодня управляются пользователи и приложения.

Ключевые возможности Agent 365

Agent 365 построен на пяти основных столпах:

1. Реестр агентов

Реестр предоставляет консолидированный обзор всех агентов в организации независимо от того, где они были созданы. Сюда входят агенты, созданные в Copilot Studio, Copilot Studio Light, Microsoft 365 Copilot Chat и Azure AI Foundry.

2. Контроль доступа и применение политик

Встроенные механизмы применения политик позволяют администраторам задавать единые правила управления для всех агентов. Политики могут регулировать совместное использование, развертывание, использование и права доступа.

3. Визуализация и аналитика

Agent 365 предоставляет аналитику по производительности агентов, уровню использования, возврату инвестиций и степени внедрения. Это помогает организациям оценивать вклад агентов в продуктивность и бизнес-результаты.

4. Интероперабельность

Платформа поддерживает взаимодействие между инструментами Microsoft, open-source технологиями и партнерскими экосистемами. Агенты могут быть оснащены приложениями и данными для упрощения рабочих процессов и повышения эффективности взаимодействия человека и агента.

5. Безопасность и соответствие требованиям

Agent 365 опирается на корпоративную инфраструктуру безопасности Microsoft и интегрируется с Microsoft Defender, Entra и Purview. Это обеспечивает защиту идентификаций, соблюдение нормативных требований, наблюдаемость и обнаружение угроз.

Основные заинтересованные стороны и сценарии использования

ИТ-администраторы

Для ИТ-администраторов Agent 365 предоставляет единое окно для мониторинга активности агентов, применения политик и управления угрозами безопасности. Управление агентами доступно как через Microsoft 365 Admin Center, так и через Entra Admin Center.

Руководители и лица, принимающие бизнес-решения

Бизнес-руководители могут использовать Agent 365 для оценки влияния агентов на продуктивность и бизнес-результаты, что позволяет принимать более обоснованные стратегические решения.

Информационные работники

Сотрудники, работающие с информацией, могут передавать агентам рутинные и монотонные задачи, эффективно сотрудничать с ними и сосредотачиваться на более ценной работе.

Специалисты по безопасности

Команды безопасности получают централизованный контроль над идентификацией, аутентификацией, соответствием требованиям и наблюдаемостью. Agent 365 помогает контролировать распространение агентов и гарантировать их использование только по назначению.

Разработчики агентов

Разработчики получают единый SDK и фреймворк, поддержку внешних инструментов и MCP, а также возможность регистрировать, сертифицировать и развертывать агентов по всей организации.

Управление агентами в Microsoft 365 Admin Center

В Microsoft 365 Admin Center администраторы могут:

• просматривать реестр агентов и их общее количество

• отслеживать активных пользователей, издателей и платформы

• настраивать параметры совместного использования и развертывания

• управлять разрешенными типами агентов (внутренние, общие, внешние)

• блокировать, развертывать или удалять агентов

• назначать владельцев агентам в целях соблюдения требований

Также можно загружать пользовательские агенты с помощью манифеста и развертывать их для отдельных пользователей, групп или всей организации.

Управление агентами в Microsoft Entra

При создании агента автоматически формируется регистрация приложения в Microsoft Entra. В Entra Admin Center администраторы получают доступ к:

• идентичностям агентов и их object ID

• дате создания и источнику provisioning

• корпоративным приложениям, связанным с агентами

• коллекциям агентов и карантинным группам

Этот уровень предоставляет более глубокое понимание того, как агенты аутентифицируются и управляются внутри тенанта.

Шаблоны (Blueprints) и коллекции агентов

Шаблоны агентов

Blueprints — это родительские шаблоны, которые лежат в основе идентичностей агентов в тенанте. Они определяют способ provisioning, выдачи согласий и настройки безопасности. Администраторы могут:

• назначать владельцев и спонсоров

• выдавать административное или пользовательское согласие

• отключать агентов

• просматривать журналы аудита и входа

Владелец управляет всей идентичностью агента, а спонсор отвечает за контроль жизненного цикла.

Коллекции агентов

Коллекции агентов позволяют группировать агентов автоматически или вручную. Такие коллекции могут использоваться для сценариев управления, например глобального карантина или дополнительных требований соответствия.

Заключение

Agent 365 предоставляет полнофункциональную корпоративную платформу для управления ИИ-агентами в экосистеме Microsoft. Благодаря единой плоскости управления, агентским идентичностям на базе Entra и глубокой интеграции с инструментами безопасности и администрирования Microsoft, Agent 365 позволяет безопасно, последовательно и эффективно масштабировать использование ИИ-агентов.

По мере роста числа агентов Agent 365 становится ключевым элементом управления, безопасности и операционной устойчивости в рабочей среде, ориентированной на искусственный интеллект.