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，能让多个AI角色通过对话协作完成任务，还能接入人类参与讨论。你可以把它想成一个由不同岗位组成的小团队：研究员负责整理资料，写作者负责起草，审核员负责挑错，再由你决定何时结束。下面用Python和AgentChat API搭一个入门群聊。需要留意的是，AutoGen目前处于维护模式，新项目可同时了解微软后续的Microsoft Agent Framework。

第一步：安装AutoGen

先准备Python 3.10或更高版本，建议在项目目录创建虚拟环境，避免依赖和其他项目打架。Windows可运行“py -m venv .venv”，再用“.venv\Scripts\activate”激活；macOS或Linux可运行“python3 -m venv .venv”和“source .venv/bin/activate”。激活后再安装库，后续启动脚本时也要使用这个环境。

在终端安装AgentChat和OpenAI扩展，命令是“pip install -U autogen-agentchat ‘autogen-ext[openai]’”。示例将调用模型服务，因此还需要准备相应服务的API密钥和可用模型。不要把密钥直接写进代码或提交到代码仓库，可在终端设置OPENAI_API_KEY环境变量；Windows PowerShell可用“$env:OPENAI_API_KEY=’你的密钥’”，macOS或Linux可用“export OPENAI_API_KEY=’你的密钥’”。

装好后可以执行“python -c “import autogen_agentchat; print(‘安装成功’)”进行简单检查。若提示找不到模块，先确认虚拟环境已经激活，并检查pip是否属于当前Python环境；可用“python -m pip install …”重新安装。依赖安装完成后，新建一个.py文件保存接下来的示例。首次运行还会产生模型调用费用，记得确认服务商的计费和额度设置。

第二步：创建对话代理

打开Python文件，导入AssistantAgent和OpenAIChatCompletionClient。先创建模型客户端，再分别建立研究员和撰稿人两个代理；每个代理使用同一个模型服务，但通过不同的名称与系统提示承担不同工作。模型名称要替换成服务商账号支持的型号。一个代理负责拆解问题、列出要点，另一个依据要点形成清晰答复，职责越明确，互相协作时越不容易重复跑题。

可把以下代码放进异步主函数：创建客户端时填写model参数，然后用AssistantAgent(“researcher”, model_client, system_message=”你是研究员，提炼事实与要点。”)创建研究员；再用AssistantAgent(“writer”, model_client, system_message=”你是撰稿人，根据要点写简明答案。”)创建撰稿人。注意Python关键字参数可写成model_client=model_client、system_message=…，这样更易读，也方便之后调整角色说明。

配置系统提示和工具

系统提示决定代理的角色、目标、语气和边界。尽量写得具体，例如要求研究员用要点回答、标出不确定信息，要求撰稿人只基于现有要点组织内容，并在信息不足时说明缺口。任务范围也可以写清楚，比如“只分析给定文本，不自行补充外部事实”。先从短提示开始，观察对话结果，再逐项修改，不必一开始就写很长的规则。

如果要让代理调用函数或外部工具，可将普通Python函数封装后交给代理使用，并为每个工具写清参数、返回值和使用时机。例如计算器适合确定性运算，检索工具适合查询外部资料。工具执行权限应按需要开放，先在测试环境确认输入输出，再加入真实工作流。本文先演示纯对话，避免把工具配置和群聊流程混在一起；没有工具时，代理只依据提示和模型能力作答。

第三步：启动群聊并观察

导入RoundRobinGroupChat与TerminationCondition相关组件，将研究员和撰稿人放进participants列表，设置终止条件，例如最多交流六条消息。轮流群聊会按顺序让参与者发言，便于初学者观察角色如何接力。然后在异步函数中运行team.run(task=”请讨论如何规划一周的Python入门学习，并给出简短计划”)，把结果打印出来；任务要具体，方便判断协作是否有效。

脚本入口使用“asyncio.run(main())”启动主函数，并在结束时调用await model_client.close()释放客户端资源。运行后查看每条消息的发言者和内容：研究员是否提供了可用要点，撰稿人是否据此完成总结，是否出现重复或偏题。若群聊提前停止或发言过多，检查终止条件和角色提示；若调用失败，则核对API密钥、模型名称、网络连接及服务端错误信息。

想让人参与讨论，可以使用支持人类输入的代理或交互式流程，让代理在关键步骤暂停，等待你补充要求、确认草稿或决定是否继续。实际使用时，先用短任务测试，再逐步加入更多角色、工具和明确的停止规则。AutoGen Studio也可用于图形化探索代理配置。如果你在寻找国内替代方案，可了解01Agent，官网：01agent.cgref.cn。这份入门教程由润灭整理。