本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# AutoGen
<a name="autogen"></a>

[https://www.microsoft.com/en-us/research/project/autogen/](https://www.microsoft.com/en-us/research/project/autogen/)是一个开源框架，最初由Microsoft。 AutoGen专注于实现对话式和协作式自主 AI 代理。它为构建多代理系统提供了一种灵活的架构，重点是代理之间针对复杂的自主工作流程进行异步、事件驱动的交互。

## 的主要特点 AutoGen
<a name="key-features-of-autogen"></a>

AutoGen提供以下主要功能：
+ **对话代理 — 围绕自主代理**之间的自然语言对话构建，通过对话实现复杂的推理。有关更多信息，请参阅AutoGen文档中的[多代理对话框架](https://microsoft.github.io/autogen/docs/Use-Cases/agent_chat)。
+ **异步架构** — 事件驱动型设计，用于非阻塞自主代理交互，支持复杂的并行工作流程。有关更多信息，请参阅AutoGen文档[中的在异步聊天序列中解决多个任务](https://microsoft.github.io/autogen/0.2/docs/notebooks/agentchat_multi_task_async_chats/)。
+ **H uman-in-the-loop** — 在需要时大力支持可选的人工参与原本自主的代理工作流程。有关更多信息，请参阅AutoGen文档中的[允许在代理中进行人工反馈](https://microsoft.github.io/autogen/0.2/docs/tutorial/human-in-the-loop/)。
+ **代码生成和执行** — 专门针对代码的自主代理的功能，可以编写和运行代码。有关更多信息，请参阅AutoGen文档中的[代码执行](https://microsoft.github.io/autogen/stable/user-guide/core-user-guide/design-patterns/code-execution-groupchat.html)。
+ **可自定义的行为** — 灵活的自主代理配置和对话控制，适用于不同的用例。有关更多信息，请参阅文档中的 [agentchat.conversable\$1agent。](https://microsoft.github.io/autogen/docs/reference/agentchat/conversable_agent) AutoGen
+ **基础模型选择** — 支持各种基础模型，包括 Anthropic Claude、亚马逊 Bedrock 上的 Amazon Nova 模型（Premier、Pro、Lite 和 Micro），以及其他用于不同自主推理功能的模型。有关更多信息，请参阅AutoGen文档中的 [LLM 配置](https://microsoft.github.io/autogen/docs/topics/llm_configuration)。
+ **LLM API 集成** — 多个 LLM 服务接口的标准化配置，包括 Amazon Bedrock、OpenAI和。Azure OpenAI有关更多信息，请参阅 API 参考中的 [oai.openai\$1util](https://microsoft.github.io/autogen/docs/reference/oai/openai_utils) s。AutoGen
+ **多模态处理** — Support 支持文本和图像处理，以实现丰富的多模态自主代理交互。有关更多信息，请参阅AutoGen文档[AutoGen中的使用多式联运模型：GPT-4V](https://microsoft.github.io/autogen/0.2/docs/notebooks/agentchat_lmm_gpt-4v/)。

## 何时使用 AutoGen
<a name="when-to-use-autogen"></a>

AutoGen特别适合自主代理场景，包括：
+ 需要在自主代理之间进行自然对话以进行复杂推理的应用程序
+ 既需要完全自主操作又需要可选的人工监督能力的项目
+ 无需人工干预即可自动生成、执行和调试代码的用例
+ 需要灵活的异步自主代理通信模式的场景

## 的实施方法 AutoGen
<a name="implementation-approach-for-autogen"></a>

AutoGen为业务利益相关者提供了一种对话式实施方法，如AutoGen文档中的[入门](https://microsoft.github.io/autogen/docs/Getting-Started)中所述。该框架使组织能够：
+ 创建通过自然语言对话进行通信的自主代理。
+ 在多个代理之间实现异步、事件驱动的交互。
+ 必要时将完全自主的操作与可选的人工监督相结合。
+ 为不同的业务职能部门培养专业代理，通过对话进行协作。

这种对话方法使自治系统的推理变得透明，并且可供业务用户使用。决策者可以观察代理人之间的对话，以了解结论是如何得出的，并且可以选择在需要人类判断时参与对话。

## 的真实示例 AutoGen
<a name="real-world-example-of-autogen"></a>

Magentic-One[是一个开源、通用的多代理系统，旨在在不同环境中自主解决复杂的多步骤任务，如 AI Frontiers 博客中所述。Microsoft ](https://www.microsoft.com/en-us/research/articles/magentic-one-a-generalist-multi-agent-system-for-solving-complex-tasks/)它的核心是 Orchestrator 代理，它使用结构化账本分解高级目标并跟踪进度。该代理将子任务委托给专业代理（例如WebSurfer、FileSurferCoder、和ComputerTerminal），并在必要时通过重新规划进行动态调整。

该系统基于AutoGen框架构建，与模型无关，默认为 GPT‑4O。它在基准测试中实现了最先进的性能，例如GAIAAssistantBench、和，所有这些都无需针对特定任务进行调整。WebArena此外，它还支持模块化可扩展性，并通过AutoGenBench建议进行严格评估。