AutoGen

是什么

AutoGen 是一个用于构建 AI 智能体（agent）与应用的框架^[1]。这里的智能体指围绕大语言模型（large language model，LLM）搭建的程序：模型本身只负责生成文本，而智能体在模型之外还带有角色、指令，以及采取行动的手段。它不是一个提示词换一个答案，而是可以反复往来的对象。

论文把这类智能体描述为可定制、可对话的，并且能够把大语言模型、人类输入和工具结合起来^[2]。「可对话」是其中的核心：智能体可以接收消息，也可以发出消息，于是多个智能体可以放进同一段对话里轮流发言。工具和人的输入同样能进入这段对话，这意味着智能体不止能说，还能调用真正干活的东西，或者停下来等一个人给出答复。

由来

论文题为《AutoGen: Enabling Next-Gen LLM Applications via Multi-Agent Conversation》，于 2023 年 8 月 16 日提交到 arXiv^[2]。作者包括 Qingyun Wu、Gagan Bansal、Doug Burger 和 Chi Wang^[2]。

论文提出的一个要点是：对话的模式既可以用自然语言编写，也可以用计算机代码编写^[2]。实际含义是，描述智能体该如何行事——谁在什么时候发言、什么时候结束、什么时候交给人处理——既可以写成模型能读懂的普通文字，也可以写成运行时执行的程序逻辑，两者还能混在同一个系统里。

结构

框架分为两部分^[1]。AgentChat 是面向单智能体和多智能体对话式应用的编程框架，使用它需要 Python 3.10 或更高版本^[1]。Core 是事件驱动的框架，面向可扩展的多智能体系统；它服务于另一类需求——不是拿一个现成的对话循环来用，而是自己掌控消息如何被路由和处理^[1]。

在此之上还有两样东西。AutoGen Studio 是一个基于网页的界面，不用写代码就能对智能体做原型，它建立在 AgentChat 之上^[1]。扩展（extensions）负责把框架接到外部服务上，文档中给出的例子包括用于 MCP 服务器的 McpWorkbench，以及 Docker 命令行代码执行器^[1]。后者让智能体通过命令行运行代码，而代码跑在 Docker 容器里，也就是一个与宿主机隔开的环境，而不是直接在本机上执行。

对话式多智能体的意义

大语言模型早期的用法多是单轮的：给一条指令，得一个回答。把任务拆给多个智能体改变了这一点。常见的安排是让一个智能体负责产出、另一个负责检查，或者把规划与执行分开，让它们来回传递消息，直到结果足够好。框架提供的是底层的管道——消息传递、轮流发言、人在什么位置可以介入——这样模式本身可以被描述出来，而不必每次都从头手写一遍。

AutoGen 在领域中的位置也由此而来：它属于把「多智能体对话」变成构建大模型应用常规做法的框架之一，并且同时具备以代码为先的库、免代码的原型界面，以及通往外部工具与服务的连接件^[1]。