由微软开发的 Autogen 是一个新的 Agents 项目，刚一上线就登上GitHub热榜，狂揽11k星✨✨✨

项目地址：https://github.com/microsoft/autogen

Autogen 允许你根据需要创建任意数量的Agents，并让它们协同工作以执行任务。它的独特之处在于允许 Agent相互通信并解决任务。例如你可以设置三个角色，产品经理、程序员和设计师，让他们之间讨论如何实现一个产品，并给出 Demo 代码。

不需要写复杂的prompt设定Agents，Agent 自己聊着天就把事给办了🤯

诞生了哪些好玩的AutoGen应用？

几秒钟生成游戏

模拟世界：允许用户阅读时自己参与与主角交互

可视化数据分析

除此之外，官方还放出了6个应用案例，包括解决数学问题、多智能体编码、在线决策制定、基于检索增强聊天、动态群聊以及对话式国际象棋。

充分展示了AutoGen的定制性

主要优势

作为Agents框架，AutoGen有四个重要的优点：

1. 它简化了复杂LLM工作流程的编排，实现了自动化。

2. 借助可自定义和可对话的代理，它支持复杂工作流程下的对话模式。

3. 它提供了具有不同复杂性的工作系统的集合。这些系统涵盖了来自各个领域和复杂性的广泛应用。

4. AutoGen 提供了 openai.Completion 或 openai.ChatCompletion 的高级替代。作为增强型推理 API。

5. 它允许性能调优，API统一和缓存等实用程序，以及高级使用模式，如错误处理，多配置推理，上下文编程等。

AutoGen 由 Microsoft、宾夕法尼亚州立大学和华盛顿大学的合作研究提供支持，对后续的更新又加了一层保障。

快速入门

这里我打算给大家介绍最简单方法🚀

1. 点击使用 Github 代码空间 https://codespaces.new/microsoft/autogen?quickstart=1

2. 打开界面后将左侧文件夹当中的 OAI_CONFIG_LIST_sample 复制到 /notebook 文件夹

3. 将OAI_CONFIG_LIST_sample名字修成 OAI_CONFIG_LIST，并设置正确的配置（主要是gpt api-key的设置）。

4. 开始使用

当然你可以通过pip install pyautogen直接在本地安装，配合docker使用快速开发你的autogen应用

实战案例

这里我们用 @Barret_China 大佬的实战案例来进行进一步说明

如何定义让AutoGen完成网页抓取和图片保存任务呢？

这个任务如果是给ChatGPT的话，它会直接返回一串可执行代码，但是代码通常会存在问题，例如执行报错、缺少依赖等，你需要反复跟 ChatGPT 对话来完善程序。

当然，我们也可以设定一个复杂 Prompt，要求它调用 ChatGPT 的代码执行插件，如果存在报错，则继续修正程序。

这个任务如果交给 AutoGen 来实现，将会变得无比简单，几行代码就可以搞定：

1）定义一个 Assistant Agent，它的任务是解决问题。

2）定义一个 UserProxy Agent，它的任务是替代人询问问题，同时在本地执行程序。

这两个 Agent 都不需要设置 Prompt！

1. step1 当我们把爬虫任务交给 UserProxy 后，它会理解任务，然后询问 Assistant 应该如何做。

2. step2 Assistant 会把操作过程告诉 UserProxy，接着UserProxy会根据指示在本地安装依赖，然后创建文件。

3. 执行代码，如果执行出现错误，它会把详细报错提交给 Assistant，

4. step3 依次循环，直到可以获取到最终的结果。

任务结束的时候，你会看到目标图片已经保存到本地磁盘了。

另外，UserProxy 还有一个 human_input_mode 参数，设置为 NEVER，表示整个过程都不需要人参与，也可以设置为其他值，它会等待人的输入后再进行下一步操作，这个设计可以让人参与到任务执行过程，避免跑偏。

比起让一个 AI Agent 承担多重角色来执行复杂任务，多 Agents 的优势十分突出。借助AutoGen，在执行过程中人类还可以随时介入，进行调优。

技术报告

最后附上，研究人员发布的一份关于AutoGen的43页技术报告！

报告地址：https://arxiv.org/pdf/2308.08155.pdf