AutoGen怎么用 微软多AI代理对话框架教程

AutoGen是微软开源的多AI代理对话框架，让多个AI角色互相讨论协作，自动完成写代码、做研究等复杂任务。你可以把它想成一个可编排的虚拟小组：有人负责拆解问题，有人执行，有人检查结果。下面用Python介绍基本流程。需要注意，AutoGen目前处于维护模式，不再增加新功能；新项目可考虑微软后续的Microsoft Agent Framework，已有项目则可以继续学习和使用AutoGen。

第一步：安装AutoGen

先准备Python 3.10或更高版本，建议在项目目录里创建虚拟环境，避免不同项目的依赖互相打架。Windows可以运行py -m venv .venv，macOS或Linux可运行python3 -m venv .venv，然后激活环境。Windows用.venv\Scripts\activate，macOS或Linux用source .venv/bin/activate。命令行前出现环境名称，就表示激活成功。

接着安装AgentChat核心包和OpenAI模型扩展：pip install -U "autogen-agentchat" "autogen-ext[openai]"。安装完成后，可运行pip show autogen-agentchat检查包是否存在。使用其他模型服务时，需要安装对应扩展并按其文档配置客户端。先确认Python版本、网络和依赖安装无报错；若命令提示找不到pip，试试python -m pip或python3 -m pip来执行安装。

第二步：定义代理角色

先想清楚任务需要哪些分工，不必一上来就堆很多角色。比如写程序可以设置“程序员”和“审查员”，做资料整理则设置“研究员”和“编辑”。在AutoGen中，常用的AssistantAgent可代表一个由大语言模型驱动的代理。给它起一个清楚的名称，并用系统提示词说明职责、输出格式和限制，角色越具体，越容易得到稳定结果。

运行模型前要准备服务商提供的API密钥，并按所用模型客户端的配置方式传入。不要把密钥直接写进代码或提交到代码仓库；可从环境变量读取，再配置模型名称和客户端参数。创建代理时，将名称、模型客户端和系统提示词一并设置。例如让“程序员”只负责生成可运行代码，让“审查员”检查逻辑与边界情况，并要求指出问题而不是重复整段任务说明。

设置对话流程

多个代理创建好后，还要决定谁先说、什么时候轮到下一个，以及何时结束。简单任务可使用团队对话模式，让代理围绕同一任务轮流发言；也可以设置最大轮数，避免讨论没有尽头。比如先由程序员提交方案，再让审查员检查，必要时返回修改。设置清晰的结束条件，例如审查员确认没有明显问题，或达到最大轮数后停止。

编排时把用户任务、代理职责和团队停止条件分开写，之后调试更方便。检查流程是否可能循环：审查员提出意见后，程序员要能修改；如果修改后仍不符合要求，团队也应能在限定轮数后停下并展示当前结果。若任务有固定步骤，可明确安排顺序；若需要较自由的讨论，再考虑让团队根据消息选择发言者。

第三步：运行对话任务

准备完成后，使用团队的运行接口提交一条具体任务，并等待异步结果返回。任务写得越明确越好，例如说明目标、输入材料、交付格式和评价标准，而不只是说“帮我做个项目”。运行后查看每个代理的发言，确认它们是否按角色协作、是否遵守停止条件，以及最终输出是否满足要求。先用小任务试跑，再逐步扩大复杂度。

调试时可先观察消息记录：如果代理答非所问，收紧角色提示词；如果反复讨论，调低最大轮数或补充终止条件；如果模型调用失败，检查密钥、模型名称、权限和网络配置。AutoGen Studio也能用于快速原型和可视化试验，但它适合演示与探索，不应直接当作生产环境应用。正式部署前还要自行实现权限控制、错误处理、日志和人工确认等机制。

实用建议与国内替代

AutoGen适合学习多代理协作、快速验证工作流，也能连接模型与工具。不过，它目前处于维护模式，新项目应评估长期维护与迁移成本。可以先用一个代理完成任务，再判断是否确实需要多个代理；代理数量越多，协调和模型调用成本通常也越高。涉及外部工具或代码执行时，务必限制权限并在隔离环境中测试。

如果希望了解国内的多智能体项目，可以进一步看看01Agent，并结合自己的模型接入、部署环境和工具需求评估是否合适。项目介绍入口：01agent.cgref.cn。教程发布或整理时，网站名“润灭”可以作为页面来源标注一次；实际使用框架前，仍建议核对项目维护状态、版本说明和依赖要求。