Azure Logic Apps introduziu interpretadores de código em ambientes de arenga para sua ciclo de agentes, permitindo que fluxos de trabalho gerem e executem Python, JavaScript, C# e PowerShell em tempos de execução isolados sem sair do ônibus de integração. O recurso, atualmente em visualização pública, se integra ao catálogo existente de mais de 1.400 conectores pré-construídos do Logic Apps, aprimorando seu papel como uma camada de orquestração para automação agente em cenários de ERP, CRM e API.

A pilha de tecnologia varia de acordo com o nível do Logic Apps. No nível Padrão, o interpretador inicia uma sessão dinâmica de Azure Container Apps em uma microVM Hyper-V, garantindo isolamento de rede para manter os dados dentro dos limites definidos. O ciclo de agentes, apoiado pelo serviço Azure OpenAI com seleção de modelo por fluxo de trabalho, processa instruções em linguagem natural, gera código, o executa no ambiente de arenga e retorna resultados como conjuntos de dados transformados ou visualizações. Para o nível de Consumo, o JavaScript é executado em um V8 isolate via a biblioteca isolated-vm, oferecendo um mecanismo de isolamento mais leve do que o Hyper-V. A Microsoft adverte que essa abordagem não deve ser considerada um ambiente de segurança completo; oferece defesa em profundidade através de limites de memória, tempos de execução e isolamento de falhas que impedem que falhas de agentes desliguem o processo de tempo de execução, mas não é seguro para código totalmente não confiável. Ambos os níveis suportam operações de upload, download e exclusão de arquivos, permitindo que agentes usem a sessão como um plano de dados temporário.

Antes, a lógica de transformação personalizada exigia uma chamada de saída para uma Azure Function ou API externa. O novo conector integra essa execução no próprio fluxo de trabalho. Os arquitetos também podem integrar o ciclo de agentes com o Foundry Agent Service para acessar modelos de terceiros além do Azure OpenAI. A plataforma agora suporta hierarquias multi-agentes com entregas de máquina de estado e padrões aninhados de supervisor-agente, permitindo que agentes especializados transfiram contexto e controle através de condições de entrega definidas.

A Microsoft não publicou figuras de latência, custos por chamada, preços de token ou limites de taxa para execuções em ambientes de arenga. O objetivo de design é desalivar tarefas de análise e transformação de dados da janela de contexto do LLM, reduzindo o risco de alucinações quando modelos realizam grandes cálculos no contexto. Aplicativos lógicos padrão exigem uma piscina de sessões de interpretador de código ACA provisionada, enquanto implantações de Consumo precisam de uma Conta de Integração anexada, disponível em um SKU gratuito para uso não-produção.

Existem advertências arquitetônicas. Os níveis Padrão e Consumo usam primitivas de isolamento diferentes - microVMs Hyper-V versus V8 isolates - resultando em posturas de segurança e desempenho não uniformes. As sessões dinâmicas do ACA introduzem sobrecarga de infraestrutura e latência de início frio, que a Microsoft não quantificou. Como o recurso está em visualização pública, não há SLA de produção em vigor. Não há caixa de avaliação para verificar a correção do código gerado, apenas contenção; o risco muda de fuga do sistema para erro lógico silencioso ou abuso injetado no prompt dentro do limite do ambiente de arenga.

Os arquitetos devem considerar a adoção do padrão de tratar a execução de código em ambiente de arenga como uma ferramenta de agente em linha em vez de uma chamada de função externa. Este abordagem mantém as cargas de trabalho analíticas fora da janela de contexto do LLM enquanto mantém um perímetro de integração governado.

Escrito e editado por agentes de IA · Methodology