autogen 是一个用于创建多智能体 AI 应用的框架，能够让这些应用独立运行或与人类协同工作。要了解 autogen 的应用场景，我们需要从其基本概念开始。

autogen 的基本概念

• autogen 是一个框架：它为开发者提供了一个基础结构来构建多智能体 AI 应用。
• 多智能体 AI 应用：这些应用包含多个智能体，能够独立或协同工作以实现特定目标。

autogen 的应用场景

autogen 可以应用于以下几个领域：

• 自动化：autogen 可以用来自动化复杂的任务和流程。
• 协同工作：autogen 可以让多个智能体协同工作以实现共同目标。
• 研究：autogen 可以用来研究多智能体系统的行为和交互。

autogen 的特点

• 层次化设计：autogen 的架构采用层次化设计，每层有明确的责任和边界。
• 可扩展性：autogen 的设计使其能够被扩展和定制以满足不同应用的需求。

为什么选择 autogen？

虽然 autogen 现在处于维护模式，不会再有新特性或增强，但其仍然是一个不错的选择，尤其是对于已经开始使用 autogen 的开发者。对于新项目，微软推荐使用 Microsoft Agent Framework，它是在 autogen 的基础上发展起来的，具有企业级的支持。

本章小结

• autogen 是一个用于创建多智能体 AI 应用的框架。
• autogen 可以应用于自动化、协同工作和研究等领域。
• autogen 采用层次化设计，具有可扩展性。

安装 autogen 需要满足特定的环境条件。我们先来看看这些条件：

• Node.js 版本：需要 Node.js 14 或更高版本。
• npm 版本：需要 npm 6 或更高版本。

接着，我们需要安装 autogen。可以使用以下命令：

npm install -g @autogen/cli

预期结果：autogen 命令行工具将被安装到全局环境中。

如果你遇到安装错误，可以尝试清除 npm 缓存：

npm cache clean --force

然后重新运行安装命令。

注意：由于 autogen 现在处于维护模式，新项目应使用 Microsoft Agent Framework。

推荐做法：在安装 autogen 之前，检查你的 Node.js 和 npm 版本是否符合要求。

反例：直接运行 npm install autogen 而不指定版本可能会导致安装错误。

现在，我们可以验证 autogen 是否安装成功：

autogen --version

预期结果：将显示 autogen 的版本号。

本章小结

• 安装 autogen 需要 Node.js 14 或更高版本和 npm 6 或更高版本。
• 可以使用 npm install -g @autogen/cli 安装 autogen。
• autogen 现在处于维护模式，新项目应使用 Microsoft Agent Framework。

创建第一个 autogen 应用，我们需要使用 autogen 命令行工具。

前置条件：

• autogen 命令行工具已安装。
• Node.js 14 或更高版本和 npm 6 或更高版本。

步骤 1：创建新应用

autogen init my-app

预期结果：将创建一个名为 my-app 的新应用目录。

步骤 2：进入应用目录

cd my-app

步骤 3：安装依赖

npm install

预期结果：将安装应用所需的依赖。

步骤 4：启动应用

autogen start

预期结果：将启动应用。

注意：如果你遇到启动错误，可以尝试检查应用的配置文件是否正确。

推荐做法：在创建新应用之前，检查你的 Node.js 和 npm 版本是否符合要求。

反例：直接运行 autogen start 而不安装依赖可能会导致启动错误。

实用技巧：你可以使用 autogen --help 命令查看 autogen 的帮助信息。

现在，我们可以使用 AutoGen Studio 来原型和运行多智能体工作流。

步骤 5：启动 AutoGen Studio

autogenstudio ui --port 8080 --appdir ./my-app

预期结果：将启动 AutoGen Studio 并在 http://localhost:8080 上运行。

注意：AutoGen Studio 是用于原型和运行多智能体工作流的工具，不是生产就绪的应用。

本章小结

• 创建新应用使用 autogen init 命令。
• 启动应用使用 autogen start 命令。
• AutoGen Studio 可以用于原型和运行多智能体工作流。
• 应用应该在本地环境中测试和调试。

现在，我们已经创建了一个基本的 autogen 应用，并启动了 AutoGen Studio。在这一章中，我们将学习如何使用 AgentTool 创建多智能体应用。

前置条件：

• 你已经安装了 autogen 和 AutoGen Studio。
• 你已经创建了一个基本的 autogen 应用，并启动了 AutoGen Studio。

步骤 1：安装 AgentTool

pip install -U "autogen-agentchat" "autogen-ext[openai]"

预期结果：将安装 AgentTool 和 OpenAI 客户端。

注意：AgentTool 是用于创建多智能体应用的工具，需要安装 autogen-agentchat 和 autogen-ext[openai] 包。

步骤 2：创建多智能体应用

import asyncio
from autogen_agentchat.agents import AssistantAgent
from autogen_agentchat.tools import AgentTool
from autogen_ext.models.openai import OpenAIChatCompletionClient

async def main() -> None:
    model_client = OpenAIChatCompletionClient(model="gpt-4.1")

    math_agent = AssistantAgent(
        "math_expert",
        model_client=model_client,
        system_message="You are a math expert.",
        description="A math expert assistant.",
        model_client_stream=True,
    )
    math_agent_tool = AgentTool(math_agent, return_value_as_last_message=True)

    chemistry_agent = AssistantAgent(
        "chemistry_expert",
        model_client=model_client,
        system_message="You are a chemistry expert.",
        description="A chemistry expert assistant.",
        model_client_stream=True,
    )
    chemistry_agent_tool = AgentTool(chemistry_agent, return_value_as_last_message=True)

    agent = AssistantAgent(
        "assistant",
        system_message="You are a general assistant. Use expert tools when needed.",
        model_client=model_client,
        model_client_stream=True,
        tools=[math_agent_tool, chemistry_agent_tool],
        max_tool_iterations=10,
    )
    await Console(agent.run_stream(task="What is the integral of x^2?"))
    await Console(agent.run_stream(task="What is the molecular weight of water?"))

asyncio.run(main())

预期结果：将创建一个多智能体应用，包含数学和化学专家代理。

注意：在创建多智能体应用时，需要定义每个代理的角色和功能，并使用 AgentTool 将它们组合起来。

常见报错：

• 如果你遇到 ModuleNotFoundError，请检查是否已经安装了所需的包。
• 如果你遇到 ConnectionError，请检查是否已经启动了 OpenAI API。

实用技巧：

• 使用 autogen-agentchat 包来创建多智能体应用。
• 使用 AgentTool 来组合多个代理。
• 使用 OpenAIChatCompletionClient 来与 OpenAI API 交互。

本章小结

• 使用 AgentTool 创建多智能体应用。
• 定义每个代理的角色和功能。
• 使用 autogen-agentchat 包和 AgentTool 来组合多个代理。
• 使用 OpenAIChatCompletionClient 来与 OpenAI API 交互。

现在让我们学习如何使用 AutoGen Studio 进行无代码开发。首先，我们需要安装 AutoGen Studio。打开终端，运行以下命令：

pip install -U "autogenstudio"

预期结果：AutoGen Studio 将被安装到你的 Python 环境中。

注意：确保你已经安装了 Python 3.10 或更高版本。

接下来，我们需要运行 AutoGen Studio。运行以下命令：

autogenstudio ui --port 8080 --appdir ./my-app

预期结果：AutoGen Studio 将在 http://localhost:8080 启动。

现在，我们可以使用 AutoGen Studio 来创建和管理多智能体工作流。打开浏览器，访问 http://localhost:8080。你将看到 AutoGen Studio 的用户界面。

实用技巧：

• 使用 AutoGen Studio 来快速原型化多智能体工作流。
• 使用 AutoGen Studio 来管理和调试多智能体应用。
• 使用 AutoGen Studio 来创建和编辑多智能体工作流的配置文件。

常见报错：

• 如果你遇到 ConnectionError，请检查是否已经启动了 AutoGen Studio。
• 如果你遇到 ModuleNotFoundError，请检查是否已经安装了所需的包。

本章小结

• 安装 AutoGen Studio。
• 运行 AutoGen Studio。
• 使用 AutoGen Studio 来创建和管理多智能体工作流。
• 使用 AutoGen Studio 来调试和优化多智能体应用。

我们现在要深入了解 autogen 的架构和设计原则。autogen 的设计基于一个分层和可扩展的模型，具有明确的层次结构和责任划分。

autogen 架构层次：

1. 核心层（Core）：提供基本的多智能体编排功能。
2. 服务层（Service）：提供高级的多智能体服务，包括工作流管理和调度。
3. 应用层（Application）：提供用户界面和应用程序逻辑。

设计原则：

• 分层设计：每一层都有明确的责任和接口，方便扩展和维护。
• 可扩展性：autogen 的设计允许用户扩展和定制各个层次的功能。
• 灵活性：autogen 支持多种编程语言和开发框架。

实用技巧：

• 在使用 autogen 时，应根据具体需求选择合适的层次和接口。
• 在扩展 autogen 的功能时，应遵循分层设计原则，避免破坏原有的架构。

常见误解：

• autogen 只是一个简单的多智能体编排框架，其实 autogen 的设计非常灵活和可扩展。
• autogen 只支持特定的编程语言，实际上 autogen 支持多种编程语言和开发框架。

本章小结

• 了解 autogen 的架构和设计原则。
• 了解 autogen 的分层设计和可扩展性。
• 了解 autogen 的灵活性和支持多种编程语言和开发框架。
• 了解如何在使用 autogen 时选择合适的层次和接口。

实战案例：使用 autogen 构建实际应用

本章我们将使用 autogen 构建一个实际应用，展示 autogen 的实用性和灵活性。

前置条件

• 已经安装 autogen 和相关依赖
• 了解 autogen 的架构和设计原则
• 熟悉使用 AutoGen Studio 进行无代码开发

步骤 1：创建一个新应用

我们先创建一个新应用，使用 AutoGen Studio 进行无代码开发。打开终端，运行以下命令：

autogenstudio ui --port 8080 --appdir ./my-app

这将启动 AutoGen Studio，并创建一个新应用在 ./my-app 目录下。

步骤 2：设计多智能体工作流

使用 AutoGen Studio，我们可以设计多智能体工作流。打开 http://localhost:8080，并创建一个新工作流。我们可以添加多个智能体，并配置它们之间的交互。

步骤 3：实现智能体逻辑

我们需要实现每个智能体的逻辑。我们可以使用 autogen 提供的高级 API 或低级组件来实现智能体的逻辑。

步骤 4：测试和调试

我们需要测试和调试我们的应用。我们可以使用 AutoGen Studio 提供的调试工具来调试我们的应用。

常见报错和排查办法

• 如果出现 autogenstudio 命令不识别，检查是否已经安装 autogen 和相关依赖。
• 如果出现工作流配置错误，检查工作流配置文件是否正确。

实用技巧

• 使用 AutoGen Studio 进行无代码开发，可以快速原型和测试我们的应用。
• 使用 autogen 提供的高级 API 或低级组件，可以实现智能体的逻辑。

小例子

我们可以创建一个简单的多智能体应用，包括两个智能体：一个生产者和一个消费者。生产者智能体生产数据，消费者智能体消费数据。我们可以使用 AutoGen Studio 设计工作流，并实现智能体逻辑。

本章小结

• 了解如何使用 autogen 构建实际应用
• 了解如何使用 AutoGen Studio 进行无代码开发
• 了解如何设计多智能体工作流和实现智能体逻辑
• 了解如何测试和调试我们的应用

性能优化和调试：如何优化 autogen 应用的性能

要优化 autogen 应用的性能，我们需要从多个方面入手。首先，我们需要了解 autogen 的架构和设计原则，以便我们能够更好地优化应用。

步骤 1：了解 autogen 的架构

autogen 的架构分为多个层次，每个层次都有其特定的职责。了解这些层次可以帮助我们优化应用的性能。

• Core 层：提供基本的功能和组件。
• 高级 API 层：提供高级的 API 接口，方便开发者使用。
• 低级组件层：提供低级的组件，开发者可以使用这些组件来实现自定义的功能。

步骤 2：优化应用的配置

应用的配置也会对性能产生影响。我们需要优化应用的配置，以便获得最佳的性能。

• 使用 autogenstudio ui 命令启动 AutoGen Studio，并指定应用目录和端口号：```bash autogenstudio ui --port 8080 --appdir ./my-app

*   在 AutoGen Studio 中，配置应用的设置，例如工作流、智能体和交互。

#### 步骤 3：优化智能体的逻辑

智能体的逻辑也会对性能产生影响。我们需要优化智能体的逻辑，以便获得最佳的性能。

*   使用 autogen 提供的高级 API 或低级组件来实现智能体的逻辑。
*   优化智能体的算法和数据结构，以减少计算时间和内存占用。

#### 步骤 4：测试和调试

测试和调试是优化应用性能的重要步骤。我们需要测试和调试应用，以便发现和解决性能问题。

*   使用 AutoGen Studio 提供的调试工具来调试应用。
*   测试应用的性能，使用工具如 `autogenstudio` 命令来监视应用的性能。

#### 常见报错和排查办法

*   如果出现 `autogenstudio` 命令不识别，检查是否已经安装 autogen 和相关依赖。
*   如果出现工作流配置错误，检查工作流配置文件是否正确。

#### 实用技巧

*   使用 AutoGen Studio 进行无代码开发，可以快速原型和测试应用。
*   使用 autogen 提供的高级 API 或低级组件，可以实现智能体的逻辑。

#### 小例子

我们可以创建一个简单的多智能体应用，包括两个智能体：一个生产者和一个消费者。生产者智能体生产数据，消费者智能体消费数据。我们可以使用 AutoGen Studio 设计工作流，并实现智能体逻辑。

**本章小结**

*   了解 autogen 的架构和设计原则。
*   了解如何优化应用的配置和智能体的逻辑。
*   了解如何测试和调试应用。
*   了解如何使用 AutoGen Studio 进行无代码开发和调试。

安全注意事项：使用 autogen 的安全考虑

使用 autogen 构建多智能体 AI 应用时，需要考虑安全问题。由于 autogen 现在处于维护模式，新用户应该使用 Microsoft Agent Framework，而现有用户应该迁移到 Microsoft Agent Framework。

• 安全注意事项：
  • 使用 AutoGen Studio 时，需要注意它不是一个生产就绪的应用，开发者需要自己实现身份验证、安全和其他功能。
  • 使用 autogen 框架时，需要注意其层次和可扩展的设计，确保使用高级 API 或低级组件时的安全性。

常见安全风险和防范措施

• 身份验证和授权：确保应用正确实现身份验证和授权机制，防止未经授权的访问。
• 数据加密：确保应用正确加密敏感数据，防止数据泄露。
• 输入验证：确保应用正确验证用户输入，防止 SQL 注入和跨站脚本攻击等安全漏洞。

实用安全技巧

• 使用安全的编程实践，例如输入验证和错误处理。
• 使用安全的通信协议，例如 HTTPS。
• 定期更新和修复应用中的安全漏洞。

小例子

我们可以创建一个安全的多智能体应用，包括身份验证和授权机制。我们可以使用 AutoGen Studio 设计工作流，并实现安全的智能体逻辑。

# 运行 AutoGen Studio 时，指定安全的端口和应用目录
autogenstudio ui --port 8080 --appdir ./my-secure-app

本章小结

• 了解使用 autogen 的安全注意事项。
• 了解如何防范常见的安全风险。
• 了解实用安全技巧。
• 了解如何创建一个安全的多智能体应用。

迁移指南：从 autogen 迁移到 Microsoft Agent Framework

上一章我们讨论了 autogen 的安全注意事项，现在我们需要将现有的 autogen 应用迁移到 Microsoft Agent Framework。

前置条件

• 安装 Python 3.10 或更高版本
• 已经安装 autogen 和相关依赖

步骤 1：安装 Microsoft Agent Framework

# 安装 Microsoft Agent Framework
pip install -U "agent-framework"

步骤 2：迁移 autogen 代码

• 修改导入语句，替换 autogen 为 agent-framework
• 更新代码，使用 Microsoft Agent Framework 的 API 和组件

# 示例：修改导入语句
import asyncio
from agent_framework.agents import AssistantAgent
from agent_framework.ext.models.openai import OpenAIChatCompletionClient

步骤 3：更新配置文件

• 修改配置文件，使用 Microsoft Agent Framework 的配置格式
• 更新配置项，使用 Microsoft Agent Framework 的默认值

# 示例：更新配置文件
agent-framework config --appdir ./my-app

注意事项

• Microsoft Agent Framework 的 API 和组件可能与 autogen 有所不同
• 需要更新代码和配置文件，以适应 Microsoft Agent Framework 的变化

实用技巧

• 使用 Microsoft Agent Framework 的文档和示例，了解其使用方法
• 参加 Microsoft Agent Framework 的社区，获取帮助和支持

小例子

我们可以创建一个使用 Microsoft Agent Framework 的多智能体应用，包括身份验证和授权机制。

# 示例：创建一个使用 Microsoft Agent Framework 的多智能体应用
import asyncio
from agent_framework.agents import AssistantAgent
from agent_framework.ext.models.openai import OpenAIChatCompletionClient

async def main() -> None:
    model_client = OpenAIChatCompletionClient(model="gpt-4.1")
    agent = AssistantAgent("assistant", model_client=model_client)
    print(await agent.run(task="Say 'Hello World!'"))
    await model_client.close()

asyncio.run(main())

本章小结

• 了解如何迁移 autogen 应用到 Microsoft Agent Framework
• 了解 Microsoft Agent Framework 的安装和使用方法
• 了解迁移代码和配置文件的注意事项
• 了解实用技巧和小例子，帮助您快速上手 Microsoft Agent Framework

问题：AutoGen 项目目前的状态是什么？

AutoGen 目前处于维护模式，不会有新的功能或增强，但仍由社区管理。新用户建议从 Microsoft Agent Framework 开始，而现有用户则鼓励迁移到 Microsoft Agent Framework。

问题：如何安装 AutoGen？

安装 AutoGen 需要 Python 3.10 或更高版本。可以使用 pip 安装，命令为 pip install -U "autogen-agentchat" "autogen-ext[openai]"。如果需要安装 AutoGen Studio，则使用 pip install -U "autogenstudio"。

问题：AutoGen 的快速入门示例中，需要哪些依赖和配置？

快速入门示例需要创建一个 OpenAI 账户，并将 API 密钥导出为环境变量 OPENAI_API_KEY。此外，需要安装 autogen-agentchat 和 autogen-ext[openai]。

问题：如何使用 AutoGen 创建一个简单的助手代理？

可以使用 AssistantAgent 类创建一个简单的助手代理，需要传入模型客户端和任务。例如，使用 OpenAI 的 GPT-4 模型，可以创建一个助手代理来执行任务，如下所示：

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

async def main() -> None:
    model_client = OpenAIChatCompletionClient(model="gpt-4.1")
    agent = AssistantAgent("assistant", model_client=model_client)
    print(await agent.run(task="Say 'Hello World!'"))
    await model_client.close()

asyncio.run(main())

问题：AutoGen 与 Microsoft Agent Framework 的关系是什么？

Microsoft Agent Framework 是 AutoGen 的企业级继任者，提供了稳定的 API 和长期支持。新用户建议从 Microsoft Agent Framework 开始，而现有 AutoGen 用户则鼓励迁移到 Microsoft Agent Framework。

问题：如何使用 AutoGen 实现多代理编排？

可以使用 AgentTool 类创建一个基本的多代理编排设置。例如，创建两个专家代理（数学和化学），然后创建一个总代理来协调它们：

import asyncio

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

async def main() -> None:
    model_client = OpenAIChatCompletionClient(model="gpt-4.1")

    math_agent = AssistantAgent(
        "math_expert",
        model_client=model_client,
        system_message="You are a math expert.",
        description="A math expert assistant.",
        model_client_stream=True,
    )
    math_agent_tool = AgentTool(math_agent, return_value_as_last_message=True)

    chemistry_agent = AssistantAgent(
        "chemistry_expert",
        model_client=model_client,
        system_message="You are a chemistry expert.",
        description="A chemistry expert assistant.",
        model_client_stream=True,
    )
    chemistry_agent_tool = AgentTool(chemistry_agent, return_value_as_last_message=True)

    agent = AssistantAgent(
        "assistant",
        system_message="You are a general assistant. Use expert tools when needed.",
        model_client=model_client,
        model_client_stream=True,
        tools=[math_agent_tool, chemistry_agent_tool],
        max_tool_iterations=10,
    )
    await Console(agent.run_stream(task="What is the integral of x^2?"))
    await Console(agent.run_stream(task="What is the molecular weight of water?"))

asyncio.run(main())

问题：AutoGen Studio 的作用是什么？

AutoGen Studio 是一个无代码 GUI，用于原型设计和运行多代理工作流。它不是一个生产就绪的应用程序，开发者应该使用 AutoGen 框架来构建自己的应用程序，实现身份验证、安全性和其他所需功能。