Microsoft AutoGen详解

版本基线：本文基于 LangChain 1.x / LangGraph 1.x（2025-10 GA），示例模型 gpt-5-mini，更新于 2026-09。

概述

Microsoft AutoGen是微软开发的多Agent对话框架，支持复杂的多Agent协作场景。它提供了灵活的对话管理和Agent协作机制，适合企业级应用。

包名与版本（2026-09）

AutoGen 自 v0.4 起重构为全新异步架构，新包名为 autogen-agentchat（pip install autogen-agentchat）。旧包名 pyautogen 已停止演进（其社区延续版本为 AG2）。本节示例全部使用 v0.4+ 新 API；网上大量 import autogen + llm_config 的旧教程对应的是已停更的旧版。

核心概念

1. Agent类型

AutoGen v0.4+ 常用Agent类型：

AssistantAgent：AI助手Agent
UserProxyAgent：代表人类输入的用户代理Agent
CodeExecutorAgent：负责执行代码的Agent
自定义Agent：继承 BaseChatAgent 定制

2. 对话模式（Teams）

v0.4+ 用"团队（Team）"组织多Agent协作：

RoundRobinGroupChat：按轮转顺序对话
SelectorGroupChat：由模型选择下一个发言者（群聊）
Swarm：基于"交接（Handoff）"的对话
嵌套对话：Team 可作为更大 Team 的成员

3. 代码执行

AutoGen的代码执行能力：

代码生成：Agent生成代码
代码执行：在安全环境中执行代码（本地/Docker沙箱）
结果反馈：将执行结果反馈给Agent
错误处理：处理代码执行错误

4. 人类参与

AutoGen的人类参与机制：

人工审批：在关键节点等待人工审批
人工输入：UserProxyAgent 通过 input_func 获取人工输入
人工反馈：获取人工反馈
人工干预：运行可中断、可恢复

核心API

1. 安装和配置

bash

# 安装 AutoGen v0.4+（新包名；旧包名 pyautogen 已停止演进）
pip install autogen-agentchat autogen-ext openai

# 配置环境变量
export OPENAI_API_KEY="your-api-key"

2. 创建Agent

python

import asyncio
from autogen_agentchat.agents import AssistantAgent
from autogen_agentchat.ui import Console
from autogen_ext.models.openai import OpenAIChatCompletionClient

# 配置模型客户端（取代旧版的 llm_config 字典）
model_client = OpenAIChatCompletionClient(
    model="gpt-5-mini",
    api_key="your-api-key",
)

# 创建助手Agent
assistant = AssistantAgent(
    name="assistant",
    model_client=model_client,
    system_message="你是一个有用的AI助手。",
)

# 运行（v0.4+ 为异步接口）
async def main():
    await Console(assistant.run(task="用一句话介绍 AutoGen"))

asyncio.run(main())

3. 对话与代码执行

python

import asyncio
from autogen_agentchat.agents import AssistantAgent, CodeExecutorAgent
from autogen_agentchat.teams import RoundRobinGroupChat
from autogen_agentchat.conditions import TextMentionTermination
from autogen_agentchat.ui import Console
from autogen_ext.code_executors.local import LocalCommandLineCodeExecutor
from autogen_ext.models.openai import OpenAIChatCompletionClient

model_client = OpenAIChatCompletionClient(model="gpt-5-mini", api_key="your-api-key")

assistant = AssistantAgent(
    name="assistant",
    model_client=model_client,
    system_message="你是一个有用的AI助手，需要时输出 Python 代码块。",
)

# 代码执行Agent（生产环境建议换用 DockerCommandLineCodeExecutor 沙箱）
code_executor = CodeExecutorAgent(
    name="code_executor",
    code_executor=LocalCommandLineCodeExecutor(work_dir="coding"),
)

# 终止条件：消息中出现 TERMINATE（取代旧版的 is_termination_msg）
termination = TextMentionTermination("TERMINATE")

# 轮转团队：assistant 写代码 → code_executor 执行 → 反馈
team = RoundRobinGroupChat(
    [assistant, code_executor],
    termination_condition=termination,
)

async def main():
    await Console(team.run_stream(task="请写一个Python脚本，分析CSV文件并生成图表。"))

asyncio.run(main())

4. 群聊对话

python

import asyncio
from autogen_agentchat.agents import AssistantAgent
from autogen_agentchat.teams import SelectorGroupChat
from autogen_agentchat.conditions import MaxMessageTermination
from autogen_agentchat.ui import Console
from autogen_ext.models.openai import OpenAIChatCompletionClient

model_client = OpenAIChatCompletionClient(model="gpt-5-mini", api_key="your-api-key")

# 创建多个角色Agent
pm = AssistantAgent(name="product_manager", model_client=model_client,
                    system_message="你是产品经理，负责需求分析。")
architect = AssistantAgent(name="architect", model_client=model_client,
                           system_message="你是架构师，负责系统设计。")
developer = AssistantAgent(name="developer", model_client=model_client,
                           system_message="你是开发者，负责代码实现。")

# 由模型选择下一个发言者的群聊（取代旧版 GroupChat + GroupChatManager）
team = SelectorGroupChat(
    [pm, architect, developer],
    model_client=model_client,  # 负责选择发言者
    termination_condition=MaxMessageTermination(20),
)

async def main():
    await Console(team.run_stream(task="请帮我设计和实现一个简单的博客系统。"))

asyncio.run(main())

5. 自定义Agent

python

from autogen_core import CancellationToken
from autogen_agentchat.agents import BaseChatAgent
from autogen_agentchat.base import Response
from autogen_agentchat.messages import TextMessage

class CustomAgent(BaseChatAgent):
    def __init__(self, name: str, **kwargs):
        super().__init__(name=name, description="自定义回复Agent", **kwargs)
        self.custom_data = {}

    async def on_messages(self, messages, cancellation_token: CancellationToken) -> Response:
        # 自定义回复逻辑
        last_message = messages[-1].content
        reply = TextMessage(content=f"自定义回复: {last_message}", source=self.name)
        return Response(chat_message=reply)

    async def on_reset(self, cancellation_token: CancellationToken) -> None:
        self.custom_data = {}

实践指南

1. 环境准备

bash

# 安装 AutoGen v0.4+（不要再用 pyautogen）
pip install autogen-agentchat autogen-ext openai

# 配置API密钥
export OPENAI_API_KEY="your-api-key"

2. 基础使用示例

python

import asyncio
from autogen_agentchat.agents import AssistantAgent
from autogen_agentchat.ui import Console
from autogen_ext.models.openai import OpenAIChatCompletionClient

model_client = OpenAIChatCompletionClient(model="gpt-5-mini", api_key="your-api-key")

# 创建助手
assistant = AssistantAgent(
    name="assistant",
    model_client=model_client,
    system_message="你是一个有用的AI助手，擅长编写Python代码。",
)

async def main():
    await Console(assistant.run_stream(task="请帮我写一个Python函数，实现快速排序算法。"))

asyncio.run(main())

3. 群聊协作

参考上面"群聊对话"一节：用 SelectorGroupChat 组织产品经理/架构师/开发者，由模型决定发言顺序，MaxMessageTermination 控制轮次上限，防止对话失控。

4. 嵌套对话

v0.4+ 中 Team 也可以作为更大 Team 的成员，从而实现"主任务 → 子任务团队"的嵌套结构：把处理子任务的 RoundRobinGroupChat 整体注册进一个外层 SelectorGroupChat，主任务 Agent 负责拆解与汇总，子团队负责执行。

最佳实践

1. Agent设计

明确角色：为每个Agent设定明确的角色
清晰指令：提供清晰的系统指令
合理配置：合理配置模型参数
工具集成：为Agent集成合适的工具

2. 对话管理

控制轮次：用 termination_condition 设置合理的终止条件
处理终止：正确处理对话终止
错误处理：处理对话中的错误
日志记录：记录对话日志

3. 代码执行

安全环境：使用 DockerCommandLineCodeExecutor 等沙箱执行代码
超时控制：设置合理的超时时间
错误处理：处理代码执行错误
结果验证：验证代码执行结果

常见问题

1. 配置问题

API密钥错误：检查API密钥配置
模型不可用：检查模型可用性
依赖缺失：检查依赖安装

2. 执行问题

对话卡住：检查终止条件与轮次设置
代码执行失败：检查代码执行环境
内存不足：优化内存使用

3. 协作问题

Agent冲突：解决Agent间的冲突
任务重复：避免任务重复执行
输出质量：提高输出质量

下一步学习

ChatDev详解 - 基于角色的开发框架
CAMEL详解 - 通信Agent框架
多Agent系统 - 学习多Agent协作

Microsoft AutoGen详解 ​

概述 ​

核心概念 ​

1. Agent类型 ​

2. 对话模式（Teams） ​

3. 代码执行 ​

4. 人类参与 ​

核心API ​

1. 安装和配置 ​

2. 创建Agent ​

3. 对话与代码执行 ​

4. 群聊对话 ​

5. 自定义Agent ​

实践指南 ​

1. 环境准备 ​

2. 基础使用示例 ​

3. 群聊协作 ​

4. 嵌套对话 ​

最佳实践 ​

1. Agent设计 ​

2. 对话管理 ​

3. 代码执行 ​

常见问题 ​

1. 配置问题 ​

2. 执行问题 ​

3. 协作问题 ​

下一步学习 ​

Microsoft AutoGen详解

概述

核心概念

1. Agent类型

2. 对话模式（Teams）

3. 代码执行

4. 人类参与

核心API

1. 安装和配置

2. 创建Agent

3. 对话与代码执行

4. 群聊对话

5. 自定义Agent

实践指南

1. 环境准备

2. 基础使用示例

3. 群聊协作

4. 嵌套对话

最佳实践

1. Agent设计

2. 对话管理

3. 代码执行

常见问题

1. 配置问题

2. 执行问题

3. 协作问题

下一步学习