Agent Lightning v1.0 richtet sich an Teams, die ihre Agenten anhand der Tools und Workflows verbessern möchten, die diese tatsächlich im Produktivbetrieb nutzen. Statt die Agentenlogik für einen separaten Trainings-Stack neu implementieren zu müssen, schaltet Agent Lightning einen Proxy und einen Rollout-Collector dazwischen. So bleiben Kontrollfluss, Tool-Aufrufe, Retrieval-Kontext und Umgebung unverändert, während Trajektorien aufgezeichnet werden. Dadurch bleiben die realen Eingaben und Nebenwirkungen des Agenten erhalten – entscheidend, wenn Verhaltensweisen trainiert werden sollen, die von Tool-Ausgaben, langen Kontexten und Orchestrierungslogik abhängen und sich durch reines Prompt-Tuning nicht zuverlässig nachbilden lassen.
Die Entwicklungsphilosophie des Projekts ist klar: Der Kern soll klein bleiben (rund 3.500 Zeilen Python-Code), der Fokus auf rolloutgesteuertem Training liegen und Agenten dort laufen, wo sie ohnehin eingesetzt werden. Dank nativer Kubernetes-Unterstützung lassen sich Rollout-Jobs als Kubernetes Jobs ausführen, ohne fragile Sandbox- oder Emulator-Schichten einrichten zu müssen. Für Teams, die bereits auf Kubernetes setzen, verringert dieses Design den Betriebsaufwand und ermöglicht zugleich die skalierbare Erfassung von Trajektorien über viele parallel laufende Agenteninstanzen und echte Tool-Integrationen hinweg.
Die veröffentlichten Beispiele von Microsoft zeigen konkrete Ergebnisse – nicht nur eine interessante Architektur. In einer MoE-Pipeline für Coding-Agenten stieg Qwen3.5-35B-A3B nach dem Reinforcement Learning mit nur 1,8.000 Beispielen bei einem verifizierten Benchmark für Softwareentwicklung von 47,8 % auf 61,6 %. Der veröffentlichte Leitfaden für Coding-Agenten behandelt außerdem die Datenbereinigung, Maßnahmen gegen Reward Hacking und durchgängige Trainingsskripte. Damit wird deutlich, wie rolloutgesteuertes RL messbare Genauigkeitsgewinne schneller erzielen kann als umfangreiche Prompt-Engineering-Experimente. Diese Beispiele sind wichtig, weil sie zeigen, dass Verbesserungen besser aufgabenbezogen ausfallen, wenn echte Tools und Tests Teil des Prozesses bleiben.