Prompt Flow 종료일 2027년 4월 20일｜Microsoft Agent Framework 이전 가이드
Microsoft Foundry와 Azure Machine Learning의 Prompt Flow는 2027년 4월 20일 종료됩니다. Microsoft는 기존 워크로드를 Microsoft Agent Framework로 이전하도록 안내합니다. 운영 중인 프로젝트라면 flow.dag.yaml에서 노드와 연결을 먼저 확인하고, 같은 입력으로 이전 전후 결과를 비교한 뒤 배포를 전환하세요.
확인 기준 2026-11-10 · Microsoft Learn과 Prompt Flow 공식 저장소 기준
이전 전 확인할 3가지
- 실행 환경 Foundry 클래식, Azure ML 엔드포인트, 로컬 Python 중 실제로 쓰는 환경을 확인합니다.
- 이전할 항목 YAML, Python 코드, 프롬프트 템플릿, 모델 연결, 평가 데이터를 목록으로 만듭니다.
- 전환 기준 응답 형식, 조건 분기, 오류 처리와 인증까지 비교한 뒤 호출 주소를 바꿉니다.
목차
Prompt Flow 종료 일정과 환경별 영향
- 2026년 4월 20일 공식 저장소 문서가 안내한 기능 개발 종료일입니다.
- 이미 중단된 업데이트 Microsoft는
promptflow-runtime,promptflow-runtime-stable,promptflow-python등의 컨테이너 이미지에 보안·패키지 업데이트를 더 이상 제공하지 않는다고 안내합니다. - 2027년 4월 20일 Foundry와 Azure ML의 Prompt Flow 종료일입니다. 공식 안내에는 웹 작성 환경, Prompt Flow용 VS Code 확장, 관련 컨테이너 이미지가 포함됩니다.
| 실행 환경 | 먼저 확인할 항목 |
|---|---|
| Foundry 클래식 | 웹에서 편집하는 흐름을 내보내고, 모델 연결과 평가 데이터를 함께 확인합니다. |
| Azure ML | 흐름과 배포를 함께 목록화합니다. 기존 관리형 온라인 엔드포인트의 호출 주소, 요청 형식과 인증 방식도 확인합니다. |
| 로컬 Python | 설치된 패키지 버전, VS Code 확장, Microsoft 런타임 이미지 사용 여부, 호출하는 Azure 리소스를 확인합니다. |
근거 · Microsoft 종료 공지 · 기능 개발 종료 일정 · 공식 저장소의 런타임 이미지 안내
이전 전 보관할 파일과 설정
- 흐름 정의와 소스
flow.dag.yaml, 참조하는 Python 파일, Jinja 템플릿,requirements.txt등 실제 사용하는 의존성 파일을 확보합니다. YAML의inputs,outputs,nodes에서 흐름의 입력·출력과 노드 간 의존성을 확인하세요. - 모델과 연결 설정 모델 배포 이름, 응답 형식, 모델 파라미터, 사용한 데이터 서비스와 인증 방식을 적습니다. API 키나 토큰은 공유하는 파일에서 제외하고 실행 환경에서 주입하세요.
- 비교 기준 대표 입력, 조건 분기를 타는 입력, 오류를 내는 입력을 골라 기존 흐름의 출력과 실패 응답을 기록합니다. 운영 중이라면 기존 호출 주소와 호출하는 서비스도 함께 적습니다.
flow.dag.yaml과 Python 노드는 어떻게 옮기나요?
Microsoft Learn은 기존 YAML의 노드를 조사한 뒤 WorkflowBuilder와 Executor로 흐름을 다시 구성하는 방법을 안내합니다. 먼저 입력 정리 → LLM 호출 → 결과 검증처럼 가장 짧은 정상 경로를 옮기고, 동작을 확인한 뒤 조건 분기와 병렬 처리를 추가하세요.
| 기존 구성 | 이전 작업 |
|---|---|
| YAML 노드와 의존 관계 | WorkflowBuilder로 실행 단계를 연결하고 입력·출력 타입을 확인합니다. |
| Python 도구 노드 | 기존 함수의 로직을 재사용하고 Executor의 핸들러에서 호출합니다. 이전 단계에서 받는 값과 다음 단계에 보내는 값을 명시합니다. |
| LLM·프롬프트 노드 | 모델 연결과 프롬프트 렌더링을 구성하고, 시스템 지침과 템플릿 변수, 응답 형식을 대조합니다. |
| 조건 분기·병렬 처리 | 조건부 연결과 병렬 실행 후 합치는 지점을 재구성합니다. 각 분기를 실행하는 입력을 준비합니다. |
| 평가 흐름과 실행 이력 | 평가 데이터와 기준을 보존하고, Azure AI Evaluation SDK 등으로 결과를 비교합니다. 운영 추적은 배포 환경에 맞춰 설정합니다. |
Foundry 프로젝트 엔드포인트와 Azure OpenAI 엔드포인트는 클라이언트 설정이 다릅니다. Microsoft의 Foundry 이전 가이드는 프로젝트 엔드포인트에 FoundryChatClient를 사용하도록 안내합니다.
Microsoft 공식 저장소에는 GitHub Copilot 같은 코딩 에이전트에 변환을 맡기는 가이드도 있습니다. 생성된 코드에서 조건 분기, 프롬프트 변수, 인증 설정과 출력 형식을 검토한 뒤 테스트하세요.
근거 · Microsoft Learn Azure ML 이전 가이드 · Microsoft 공식 변환 도구 안내
이전 전후 결과는 어떻게 비교하나요?
예를 들어 문의를 분류하는 흐름이 category와 answer를 반환한다면, 같은 문의를 두 버전에 넣고 두 필드의 이름과 타입, 분류 결과를 비교하세요. 문장이 자연스럽게 바뀌더라도 호출하는 서비스가 요구하는 데이터 형식은 유지되어야 합니다.
- 정상 입력 필수 출력 필드, 타입, 분류 결과가 기존 호출 규격을 만족하는지 확인합니다.
- 분기 입력 답변할 근거가 없는 경우처럼 별도 처리 경로를 타는 입력을 넣어 분기 결과를 비교합니다.
- 실패 입력 빈 입력, 모델 호출 시간 초과, 외부 서비스 오류에서 반환하는 오류와 재시도 동작을 확인합니다.
- 운영 비교 중요 요청의 처리 시간과 실패율을 비교하고, 어느 수준에서 전환을 중단할지 배포 전에 정합니다.
Microsoft Learn은 동일 입력으로 기존 흐름과 새 흐름을 나란히 실행하는 방법을 안내합니다. 답변 유사도를 점검하더라도, 서비스에 꼭 필요한 응답 형식과 오류 동작은 별도 기준으로 확인하세요.
배포와 운영 트래픽은 언제 전환하나요?
Microsoft Learn에 따르면 기존 Azure ML Prompt Flow 관리형 온라인 엔드포인트와 직접 대응하는 Agent Framework 구성 요소는 없습니다. Azure ML 이전 가이드는 FastAPI로 감싸 Azure Container Apps 등에서 운영하는 방식을 제시합니다. Foundry 클래식 사용자는 별도 이전 문서에서 Foundry Agent Service 등 지원되는 배포 경로를 확인할 수 있습니다.
- 테스트 환경에서 새 호출 주소, 인증, 요청·응답 형식, 추적 로그를 확인합니다.
- 새 배포에 일부 요청을 먼저 보내 오류율과 처리 시간을 확인하고, 기준을 통과하면 운영 트래픽을 전환합니다.
- 전환 중 문제가 생길 때 사용할 복구 경로를 미리 확인합니다. 기존 Prompt Flow에 의존하는 복구 계획은 종료 전에 사용할 수 있는 기간과 조건을 확인하세요.
근거 · Microsoft Learn Azure ML 배포·전환 가이드 · Foundry 클래식 이전 가이드
이전한 워크플로를 GitHub에 올리기 전에 키와 CI 환경변수를 확인하세요.
GitHub Secret Scanning과 CI 환경변수 점검 보기자주 묻는 질문
로컬에서 pip로 설치한 Prompt Flow도 종료일에 멈추나요?
공식 종료 안내는 Foundry·Azure ML의 Prompt Flow와 관련 확장·이미지를 명시합니다. 로컬 프로젝트의 동작은 사용하는 패키지와 연결 서비스에 따라 달라집니다. 로컬에서 실행하더라도 Azure 엔드포인트나 지원이 끝나는 런타임에 의존하면 해당 의존성을 이전 대상에 포함하세요.
시각 편집기에서 만든 흐름을 그대로 열 수 있나요?
Microsoft Learn의 이전 경로는 YAML의 노드와 연결을 점검한 뒤 Agent Framework의 Python 워크플로로 재구성하는 방식입니다. 변환 도구를 사용했다면 생성된 코드에서 원래 노드와 분기가 모두 반영됐는지 확인하세요.
