这篇文章介绍一个开源的Agent框架-微软的Autogen。

一，Autogen简介

• 官网:https://microsoft.github.io/autogen/
• git:http://github.com/microsoft/autogen
• discord:https://discord.com/invite/pAbnFJrkgZ

GPTs这么强大，不是挺好吗？为什么要开源的智能体Autogen框架呢？那

GPTs背靠OpenAI，的确非常强悍，但是也有弊端，弊端就在于它完全依赖于ChatGPT，而对于ChatGPT，我们只能在应用层调用其API，无法在大模型层面做一些个性化的调整，比如想让大模型在回答问题的过程中调用本地的应用。

GPTs做不到，但是Autogen框架可以做到。

Autogen可以对接商业化模型，如OpenAI；也可以对接开源的模型，比如说本地部署的KoDrama、WitherCoder、DeepSeek、通义千问。

Autogen可以简单理解为是一个GPTs的一个本地化平替。

Autogen提供一个可视化的UI界面Autogen Studio，提供模型配置、能力配置、工作流配置等能力。通过这些能力，可以实现类似GPTs的功能。

二，Autogen原理

1，Autogen原理图解

接下来，先通过官网的一个例子来理解Autogen的设计架构以及工作原理。

下图是官网提供的一个Autogen智能体架构图。

如上图左侧，Autogen框架默认提供两个agent：

• 一个用户代理，User Proxy Agent
• 一个助理代理，Assistant Agent

工作流程描述如下：

• 用户提出一个需求
• 用户代理接收到需求后，发给助理
• 助理接收到需求后，进行总体规划设计，将这个需求拆解为多个步骤，规定每个步骤需要执行的任务
• 助理将规划整体返回给用户代理
• 用户代理按照规划按步骤执行，执行的过程中，可以持续、多次与助理进行沟通，调整任务的具体内容

2，拆解Autogen是如何完成绘制特斯拉股票趋势图的

以上图中的业务场景为例，用户要求绘制特斯拉最近一年的股票价格的变化趋势图。

助理对这个需求进行拆解，之后的交互过程如下：

• 助理告知用户代理第一个步骤是执行一段代码
• 用户代理执行助理提供的代码
• 用户代理将执行的过程中出现错误的错误反馈给助理
• 助理给出解决方案，提供一个脚本
• 用户代理执行这个脚本后，重新执行代码，成功画出趋势图
• 用户代理对结果进行反馈，需要对结果进行调整，要求绘制百分比趋势图
• 助理接收到反馈后，调整任务内容，给出新的代码
• 用户代理执行新的代码，绘制出满足要求的趋势图

这就是Autogen的工作原理，两个agent协同工作， 完成用户需求。

这是最简单的场景，只涉及两个智能体的交互，实际上Autogen框架支持多智能体间的复杂交互。

相当于可以创建一个公司，这个公司的工作不是由具体的物理世界的人完成的，而是由多个具有不同能力的智能体完成的，每个智能体就像是一个人一样，他们之间也可以像人一样相互写作，完成一个个复杂的任务。

后续将介绍多智能体的交换案例。