這篇文章介紹一個開源的Agent框架-微軟的Autogen。

一，Autogen簡介

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

GPTs這么強大，不是挺好嗎？為什么要開源的智能體Autogen框架呢？那

GPTs背靠OpenAI，的確非常強悍，但是也有弊端，弊端就在于它完全依賴于ChatGPT，而對于ChatGPT，我們只能在應用層調用其API，無法在大模型層面做一些個性化的調整，比如想讓大模型在回答問題的過程中調用本地的應用。

GPTs做不到，但是Autogen框架可以做到。

Autogen可以對接商業化模型，如OpenAI；也可以對接開源的模型，比如說本地部署的KoDrama、WitherCoder、DeepSeek、通義千問。

Autogen可以簡單理解為是一個GPTs的一個本地化平替。

Autogen提供一個可視化的UI界面Autogen Studio，提供模型配置、能力配置、工作流配置等能力。通過這些能力，可以實現類似GPTs的功能。

二，Autogen原理

1，Autogen原理圖解

接下來，先通過官網的一個例子來理解Autogen的設計架構以及工作原理。

下圖是官網提供的一個Autogen智能體架構圖。

如上圖左側，Autogen框架默認提供兩個agent：

• 一個用戶代理，User Proxy Agent
• 一個助理代理，Assistant Agent

工作流程描述如下：

• 用戶提出一個需求
• 用戶代理接收到需求后，發給助理
• 助理接收到需求后，進行總體規劃設計，將這個需求拆解為多個步驟，規定每個步驟需要執行的任務
• 助理將規劃整體返回給用戶代理
• 用戶代理按照規劃按步驟執行，執行的過程中，可以持續、多次與助理進行溝通，調整任務的具體內容

2，拆解Autogen是如何完成繪制特斯拉股票趨勢圖的

以上圖中的業務場景為例，用戶要求繪制特斯拉最近一年的股票價格的變化趨勢圖。

助理對這個需求進行拆解，之后的交互過程如下：

• 助理告知用戶代理第一個步驟是執行一段代碼
• 用戶代理執行助理提供的代碼
• 用戶代理將執行的過程中出現錯誤的錯誤反饋給助理
• 助理給出解決方案，提供一個腳本
• 用戶代理執行這個腳本后，重新執行代碼，成功畫出趨勢圖
• 用戶代理對結果進行反饋，需要對結果進行調整，要求繪制百分比趨勢圖
• 助理接收到反饋后，調整任務內容，給出新的代碼
• 用戶代理執行新的代碼，繪制出滿足要求的趨勢圖

這就是Autogen的工作原理，兩個agent協同工作， 完成用戶需求。

這是最簡單的場景，只涉及兩個智能體的交互，實際上Autogen框架支持多智能體間的復雜交互。

相當于可以創建一個公司，這個公司的工作不是由具體的物理世界的人完成的，而是由多個具有不同能力的智能體完成的，每個智能體就像是一個人一樣，他們之間也可以像人一樣相互寫作，完成一個個復雜的任務。

后續將介紹多智能體的交換案例。