AutoGen：微软多Agent开发框架

可视化演示

初识AutoGen：给会议室装上规则

过去你管理一个团队，需要亲自把任务拆成小纸条，递给不同的人，再回来检查成果。当任务复杂起来，你的“接口人”工作会占满全部时间。AutoGen 的思路恰恰相反：它不让你当流水线监工，而是给会议室装上规则，让员工们自己传纸条、自己接话。微软开源这个框架时，核心承诺就是“多 Agent 协作 + 对话驱动”。也就是说，每个 Agent 是一个有角色设定的员工，任务通过一条条消息在员工之间流动，而不是你手动写死调用顺序。

在工程上，AutoGen 把“一个复杂任务”看成多个子任务的组合。无论是产品经理拆需求、程序员写代码，还是测试员纠错，每个 Agent 只负责自己那块拼图。最终任务完成的标志是各子任务的结果汇聚到一起。

回到比喻：AutoGen 没有取代任何员工，它只是把“谁来开会、谁先发言、谁对谁说话”这些会议规则写在系统里。你的团队从“听你指挥的木偶”变成了“围着会议桌自己推进问题的同事”。

核心概念：角色、便签与散会

会议室里最重要的事情是什么？不是大家坐在一起，而是有人说话，有人接话，并且每个人都清楚自己现在的角色。AutoGen 的四个核心概念恰好对应这四个要素：Agent 是员工，Message 是传递的便签，Conversation 是连续多轮的对话流，Termination 则是主持人宣布散会的条件。

一条消息在 AutoGen 中最简单的表达是一个三元组：谁发的、发给谁、内容是什么。就像你在黄色便签上写“小码，请把冒泡排序写出来”，落款是“小产”，收件人是“小码”。这个结构简单却非常关键，因为所有 Agent 的协作都建立在这种“有明确收发对象”的便签之上。

一次完整的协作，是由许多条 M 首尾相接组成的。AutoGen 会把便签一张张贴进会议记录，形成对话历史。直到出现终止条件，比如“任务已完成”或“到达最大轮次”，会议才正式散场。

ConversableAgent：能说会道的员工

在 AutoGen 的员工手册里，几乎所有 Agent 都继承自同一个基类：ConversableAgent。你可以把它理解成一位“自带沟通能力”的标准员工。它有三个重要属性：system_message 是入职时写的岗位说明书，决定了员工的行为边界；llm_config 是员工的大脑配置，告诉它用哪个大模型思考；human_input_mode 则决定这位员工是否会在开会途中回头问你一句“领导，这一步怎么办”。

ConversableAgent 最核心的能力是“自动回复”。当一个 Agent 收到消息后，它会结合自己看到的完整会议记录 h_t，生成下一句话 a_{t+1}。这句话可能是一个回答、一段代码，也可能是一个请求。除了说话，它还能调用外部工具：通过注册 Python 函数，让 Agent 拥有“动手”的能力，比如查数据库、调 API、执行脚本。

在会议室比喻里，ConversableAgent 就是那张可以自由替换的“员工座位”。无论是真人代理、AI 助手，还是某个工具封装，只要坐上这把椅子，就能用同一套消息协议参与对话。这也是 AutoGen 灵活性的根源。

代码执行：让员工现场算账

开会时如果只说空话，事情永远落不了地。AutoGen 的解法是给 Agent 配上“计算器”——代码执行引擎。当程序员 Agent 说“我写了一段 Python 可以算最大公约数”时，框架不会只让这句话停留在纸面，而是真的把代码拿去运行，再把运行结果贴回会议记录。

代码执行有三种常见配置：直接在本地环境跑、在 Docker 容器里跑、通过 Jupyter 解释器跑。Docker 沙箱尤其重要，它像一个隔离的“临时工位”：员工可以在里面随意测试，就算把桌子烧了，也不会影响外面的大办公室。每次执行后，代码 c 会产生输出 o，这个输出会变成一条新消息 m'，回到 Agent 手中，让 Agent 根据真实结果继续下一步。

在会议室里，这等于给员工配了一台可以反复验算的电脑。产品经理说“算一下年度增长率”，程序员 Agent 写完代码，测试员 Agent 就能看到真实输出，而不是凭感觉说“我觉得没问题”。代码执行让多 Agent 协作从“嘴上讨论”变成“手上验证”。

群聊模式：多部门联席会议

双 Agent 对话就像两个人面对面聊，但真实业务往往需要多方参与，比如产品、研发、测试一起评审。AutoGen 用 GroupChat 和 GroupChatManager 实现群聊模式。GroupChat 是所有消息汇聚的公共会议记录，而 GroupChatManager 是主持人，负责决定下一个发言的人是谁。

主持人有一套发言策略：可以是轮转（round-robin），让成员按顺序轮流说；也可以是自动选择（auto），由大模型根据全局信息判断哪位 Agent 最适合接话。这种调度方式避免了“所有人同时开口”的混乱。在 AutoGen 中，同一时刻只有一位 Agent 发言，其他人先看，再等待主持人点名的机会。

所有 Agent 都看着同一块共享白板，但只有主持人递出话筒的人才能开口。这样一来，“群聊”就不是七嘴八舌的菜市场，而是一场有秩序、有产出、有记录的联席会议。

构建实践：把会议室搭起来

理解了概念，接下来要亲手搭会议室。第一步是环境初始化：安装 pyautogen，配置大模型 API key。第二步是创建 Agent，最经典的双 Agent 组合是“AI 助手 + 用户代理”。AI 助手负责思考与生成，用户代理则代表人类发起指令，也可以承载代码执行。

当任务比较复杂时，可以升级成多 Agent 群聊：定义 Planner 负责拆步骤，Coder 负责写代码，Critic 负责找问题，再把它们加入同一个 GroupChat，配上 GroupChatManager 作为主持人。初始化对话时，你只需要说一句“请帮我完成某某任务”，接下来的发言顺序、验证循环、修订过程都由框架协调。实际调试时，重点关注两个地方：消息是否按预期流转，以及终止条件是否会在合理时机触发。

搭会议室的过程中，最重要的设计不是写更多代码，而是想清楚“谁适合当什么角色、什么时候该散会”。AutoGen 把实现细节封装好了，真正的难点在于团队设计。

对比展望：链式管道 vs 自由对话

很多人会把 AutoGen 与 LangChain 放在一起比较。简单来说，LangChain 更像一条预设好的流水线：原料从入口进去，经过 A 模块到 B 模块再到 C 模块，每一步都是提前设计好的。而 AutoGen 更像一场自由讨论：Agent 之间你来我往，下一步谁说、说什么，是根据当下情况动态决定的。

因此，LangChain 适合流程稳定、步骤明确的场景，比如“先检索再总结最后生成回复”；AutoGen 适合流程不确定、需要多角色动态协商和验证的场景，比如“让 AI 团队自己研究一个开源项目并写复盘报告”。两者并非谁取代谁，而是互为补充。AutoGen 也可以作为 LangChain 生态里的一个环节，或者直接调用 LangChain 的工具链。

回到会议室比喻：LangChain 是提前铺好的传送带，适合重复生产标准件；AutoGen 是随时调整议程的圆桌会议，适合攻克没人完全想清楚的问题。选择哪个工具，取决于你要的是“稳定执行”还是“探索协作”。

AI 应用场景

Python 演示

import osfrom autogen import ConversableAgent, GroupChat, GroupChatManager  def create_agent(name, system_message, llm_config):    return ConversableAgent(        name=name,        system_message=system_message,        llm_config=llm_config,        human_input_mode="NEVER",    )  def main():    config_list = [        {            "model": os.environ.get("OPENAI_MODEL", "gpt-4o-mini"),            "api_key": os.environ.get("OPENAI_API_KEY", "sk-..."),        }    ]    llm_config = {"config_list": config_list, "temperature": 0.3}     planner = create_agent(        "Planner",        "你负责把任务拆成清晰的步骤，只输出步骤，不写代码。",        llm_config,    )    coder = create_agent(        "Coder",        "你负责根据步骤写完整的 Python 代码，代码要可直接运行。",        llm_config,    )    critic = create_agent(        "Critic",        "你负责审查代码，指出错误并给出修改建议。",        llm_config,    )     group_chat = GroupChat(        agents=[planner, coder, critic],        messages=[],        max_round=6,    )    manager = GroupChatManager(        groupchat=group_chat,        llm_config=llm_config,    )     user_proxy = ConversableAgent(        name="Admin",        llm_config=False,        human_input_mode="NEVER",    )     result = user_proxy.initiate_chat(        manager,        message="请帮我写一个 Python 函数，计算两个整数的最大公约数。",    )    print(result.chat_history)  if __name__ == "__main__":    main()

1. from autogen import ConversableAgent, GroupChat, GroupChatManager导入 AutoGen 的核心类，相当于把会议室的桌椅和主持人请进来。
2. human_input_mode="NEVER"设置 Agent 运行时不主动打断询问人类，保证群聊可以自动推进。
3. system_message="你负责把任务拆成清晰的步骤"给每个 Agent 写岗位说明书，决定它在协作中的角色边界。
4. GroupChat(agents=[...], messages=[], max_round=6)创建共享会议记录，并设置最大 6 轮发言，防止“无限开会”。
5. GroupChatManager(groupchat=group_chat, llm_config=llm_config)创建主持人，负责从 Agent 列表中挑选下一个发言人。
6. user_proxy.initiate_chat(manager, message=...)由用户代理发起初始指令，正式开启多 Agent 对话。

常见误区

面试题