AutoGen - AWS Präskriptive Leitlinien
Hauptmerkmale von AutoGenWann sollte es verwendet werden AutoGenImplementierungsansatz für AutoGenEin Beispiel aus der Praxis für AutoGen

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

AutoGen

AutoGenist ein Open-Source-Framework, das ursprünglich von veröffentlicht wurde. Microsoft AutoGenkonzentriert sich darauf, autonome KI-Agenten zur Konversation und Zusammenarbeit zu ermöglichen. Es bietet eine flexible Architektur für den Aufbau von Systemen mit mehreren Agenten, wobei der Schwerpunkt auf asynchronen, ereignisgesteuerten Interaktionen zwischen Agenten für komplexe autonome Workflows liegt.

Hauptmerkmale von AutoGen

AutoGenbietet die folgenden Hauptfunktionen:

  • Konversationsagenten — Basiert auf Konversationen zwischen autonomen Agenten in natürlicher Sprache und ermöglicht so anspruchsvolles Denken im Dialog. Weitere Informationen finden Sie in der Dokumentation unter Multi-Agent Conversation Framework. AutoGen

  • Asynchrone Architektur — Ereignisgesteuertes Design für blockierungsfreie autonome Agenteninteraktionen, das komplexe parallel Workflows unterstützt. Weitere Informationen finden Sie in der Dokumentation unter Mehrere Aufgaben in einer Folge von asynchronen Chats lösen. AutoGen

  • H uman-in-the-loop — Starke Unterstützung für die optionale Beteiligung von Mitarbeitern an ansonsten autonomen Arbeitsabläufen für Agenten, falls dies erforderlich ist. Weitere Informationen finden Sie in der AutoGen Dokumentation unter Zulassen von menschlichem Feedback bei Agenten.

  • Codegenerierung und -ausführung — Spezialisierte Funktionen für codeorientierte autonome Agenten, die Code schreiben und ausführen können. Weitere Informationen finden Sie in der Dokumentation unter Codeausführung. AutoGen

  • Individuell anpassbares Verhalten — Flexible autonome Agentenkonfiguration und Konversationssteuerung für verschiedene Anwendungsfälle. Weitere Informationen finden Sie in der Dokumentation unter agentchat.conversable_agent. AutoGen

  • Auswahl des Foundation-Modells — Support für verschiedene Foundation-Modelle, darunter Anthropic Claude, Amazon Nova-Modelle (Premier, Pro, Lite und Micro) auf Amazon Bedrock und andere für verschiedene Funktionen für autonomes Denken. Weitere Informationen finden Sie in der Dokumentation unter LLM-Konfiguration. AutoGen

  • LLM-API-Integration — Standardisierte Konfiguration für mehrere LLM-Serviceschnittstellen, darunter Amazon Bedrock, undOpenAI. Azure OpenAI Weitere Informationen finden Sie unter oai.openai_utils in der API-Referenz. AutoGen

  • Multimodale Verarbeitung — Support für Text- und Bildverarbeitung, um umfangreiche multimodale Interaktionen mit autonomen Agenten zu ermöglichen. Weitere Informationen finden Sie in der Dokumentation unter Umgang mit multimodalen Modellen: GPT-4V. AutoGen AutoGen

Wann sollte es verwendet werden AutoGen

AutoGeneignet sich besonders gut für Szenarien mit autonomen Agenten, darunter:

  • Anwendungen, die für komplexes Denken natürliche Konversationsabläufe zwischen autonomen Agenten erfordern

  • Projekte, die sowohl einen vollständig autonomen Betrieb als auch optionale Funktionen zur menschlichen Überwachung benötigen

  • Anwendungsfälle, die autonome Codegenerierung, Ausführung und Debugging ohne menschliches Eingreifen beinhalten

  • Szenarien, die flexible, asynchrone Kommunikationsmuster für autonome Agenten erfordern

Implementierungsansatz für AutoGen

AutoGenbietet einen dialogorientierten Implementierungsansatz für Geschäftsbeteiligte, wie unter Erste Schritte in der AutoGen Dokumentation beschrieben. Das Framework ermöglicht Organisationen:

  • Erstellen Sie autonome Agenten, die über Konversationen in natürlicher Sprache kommunizieren.

  • Implementieren Sie asynchrone, ereignisgesteuerte Interaktionen zwischen mehreren Agenten.

  • Kombinieren Sie bei Bedarf einen vollständig autonomen Betrieb mit optionaler menschlicher Aufsicht.

  • Entwickeln Sie spezialisierte Agenten für verschiedene Geschäftsfunktionen, die im Dialog zusammenarbeiten.

Dieser dialogorientierte Ansatz macht die Argumentation des autonomen Systems transparent und für Geschäftsanwender zugänglich. Entscheidungsträger können den Dialog zwischen den Akteuren beobachten, um zu verstehen, wie Schlussfolgerungen gezogen werden, und optional an der Konversation teilnehmen, wenn menschliches Urteilsvermögen gefragt ist.

Ein Beispiel aus der Praxis für AutoGen

Magentic-Oneist ein generalistisches Open-Source-Multiagentensystem, das entwickelt wurde, um komplexe, mehrstufige Aufgaben in unterschiedlichen Umgebungen autonom zu lösen, wie im AI Frontiers-Blog beschrieben. Microsoft Sein Herzstück ist der Orchestrator-Agent, der übergeordnete Ziele zerlegt und Fortschritte mithilfe strukturierter Ledger verfolgt. Dieser Agent delegiert Unteraufgaben an spezialisierte Agenten (wieWebSurfer,, undComputerTerminal) und passt sich dynamisch an FileSurferCoder, indem er bei Bedarf neu plant.

Das System basiert auf dem AutoGen Framework, ist modellunabhängig und verwendet standardmäßig GPT‑4o. Es erreicht bei Benchmarks wie, und eine Leistung auf dem neuesten Stand der Technik — und das alles ohne aufgabenspezifische Feinabstimmung. GAIA AssistantBench WebArena Darüber hinaus unterstützt es modulare Erweiterbarkeit und eine strenge Evaluierung anhand von Vorschlägen. AutoGenBench