微軟打造開放 AI Agent 基礎設施：Azure Linux 4.0、Container Linux 與治理工具亮相

在 Open Source Summit North America 2026 上，微軟提出一個更清晰的方向：未來的 AI 基礎設施將建立在開源技術之上，而且不只涵蓋雲端運算，也包括逐漸普及的 AI Agent（自主 AI 代理）系統。

這次發表的重點涵蓋多個層面，包括新的 Linux 平台、容器作業系統，以及專門用來開發、協調與治理 AI agents 的開源工具。整體來看，微軟正試圖打造一個從底層作業系統到應用層的 完整 AI agent 技術堆疊。

Azure Linux 4.0：面向 Azure VM 的雲端 Linux

微軟宣布 Azure Linux 4.0 即將推出 Azure Virtual Machines（Azure VM）的公開預覽版。這代表微軟自家維護的 Linux 發行版不再只用於內部服務或容器主機，而是正式擴展到一般 Azure VM 工作負載。

Azure Linux 的定位是為雲端原生與 AI 工作負載打造的 Linux 作業系統，強調：

• 安全強化（hardened）系統設計
• 對容器化與 AI 運算的優化
• 在大型雲端環境中提供穩定且可預測的基礎層

對於在 Azure 上運行 Linux 應用的企業而言，使用由 Azure 平台團隊直接維護的發行版，可能讓 相容性、更新與生命週期管理更容易控制。

Azure Container Linux 正式發布

除了 VM 版本的 Linux，微軟也宣布 Azure Container Linux 已正式進入 GA（General Availability，正式可用）。這是一套專門為容器工作負載設計的不可變（immutable）作業系統。

其核心特點包括：

• 極簡化系統體積，專為容器主機打造
• 不可變系統架構，降低配置漂移（configuration drift）
• 針對雲端基礎設施的安全強化

在 Kubernetes 或大型容器平台中，這類專用作業系統越來越常見，因為它們能降低攻擊面並減少系統管理複雜度。Azure Container Linux 正是為 Azure 的容器與 AI 基礎設施提供這樣的基礎。

Microsoft Agent Framework：多代理 AI 的開源 SDK

除了基礎設施層，微軟也重點介紹 Microsoft Agent Framework，這是一個開源開發框架，用於建立與協調 AI agents 與多代理系統（multi‑agent systems）。

框架提供多項核心能力：

• 建立由大型語言模型（LLM）驅動的 AI agents
• 使用圖形化工作流程協調多個 agents
• 整合不同模型供應商與外部工具

Microsoft Agent Framework 的設計整合了微軟之前的兩個重要專案：Semantic Kernel 與 AutoGen，將研究型工具與企業級開發能力統一到同一套框架中。

這也意味著開發者可以更容易建立 跨模型、多步驟、自動化任務流程的 AI agent 應用，例如自動分析資料、呼叫 API、或跨系統執行任務。

Conductor：可預測的多代理工作流程

微軟同時介紹了 Conductor，一個用於協調多代理 AI 工作流程的開源工具。

與完全依賴 LLM 決策不同，Conductor 採用 確定性（deterministic）流程設計：

• 工作流程以 YAML 定義
• 使用模板與條件運算處理分支
• orchestration 層不消耗模型 token

這種方式能讓多代理系統在生產環境中 更容易除錯與預測行為，對企業部署尤其重要。

Agent Governance Toolkit：AI Agent 的安全與治理

隨著 AI agents 能夠執行程式、操作系統或調用 API，安全與治理也成為企業採用的重要問題。

為此，微軟推出 Agent Governance Toolkit，這是一個採用 MIT 授權的開源專案，用於在執行階段對 AI agents 進行安全控制與政策管理。

該工具的功能包括：

• AI agent 行為的政策執行
• 身分與權限管理
• 執行過程監控
• 即時安全防護

微軟表示，該工具可應對 OWASP Agentic AI Top 10 風險，並透過確定性政策引擎在亞毫秒級時間內執行安全控制。

Toolkit 由多個模組組成，並支援 Python、TypeScript、Rust、Go 與 .NET 等多種開發語言。

微軟的 AI‑Native 技術堆疊藍圖

綜合這些發表，可以看出微軟正在構建一個完整的 AI‑native 基礎設施堆疊：

• 底層：為雲端與 AI 優化的 Linux（Azure Linux）
• 基礎設施層：容器作業系統與 Kubernetes 生態
• 應用層：AI agent 開發框架
• 治理層：安全與政策控制工具

這種架構的目標，是讓未來由多個 AI agents 協同運作的系統，同時具備 開放性、可移植性與企業級治理能力。

隨著 AI agents 能夠跨系統執行複雜任務，微軟的策略顯示：未來的競爭不只是模型本身，而是 從作業系統到治理層的整體 AI 基礎架構。