ag2：AI智能体开发框架实战

让我们一步一步地了解什么是ag2及其特点。ag2是一个开源的编程框架，用于构建AI智能体并促进多个智能体之间的合作以解决任务。我们可以把ag2想象成一个大脑，它可以帮助我们创建出能够相互交互、协作的AI智能体。

你可能会好奇为什么需要ag2。事实上，传统的AI开发方法往往需要大量的代码和复杂的配置，而ag2提供了一个简单易用的框架，可以帮助我们快速地创建和部署AI智能体。另外，ag2还支持多种大型语言模型（LLM）和工具使用支持，这使得我们可以更容易地集成不同的AI技术。

我们先来了解一下ag2的基本特点。ag2提供了一个称为Conversable Agent的基本智能体类型，它可以处理消息交换和响应生成。我们还可以使用ag2创建出能够相互交互的多个智能体，并支持人类在循环中的输入。ag2还提供了一个称为工具的概念，允许我们注册、调用和执行程序。

让我们通过一个简单的例子来了解ag2的使用。假设我们想要创建两个智能体：一个可以写Python代码的coder agent，另一个可以批评代码的reviewer agent。我们可以使用ag2创建出这些智能体，并让它们相互交互。

import logging
from ag2 import ConversableAgent, LLMConfig

# 配置日志
logging.basicConfig(level=logging.INFO)
logger = logging.getLogger(__name__)

# 加载LLM配置
llm_config = LLMConfig.from_json(path="OAI_CONFIG_LIST")

# 创建coder agent
coder_agent = ConversableAgent("coder", llm_config=llm_config)

# 创建reviewer agent
reviewer_agent = ConversableAgent("reviewer", llm_config=llm_config)

# 让coder agent写代码
coder_agent.run(message="写一个Python程序来计算两个数的和。")

# 让reviewer agent批评代码
reviewer_agent.run(message="批评一下coder agent写的代码。")

通过这个例子，我们可以看到ag2如何帮助我们创建出能够相互交互的AI智能体。

本章小结

• ag2是一个开源的编程框架，用于构建AI智能体并促进多个智能体之间的合作。
• ag2提供了一个称为Conversable Agent的基本智能体类型，它可以处理消息交换和响应生成。
• ag2支持多种大型语言模型（LLM）和工具使用支持。
• 我们可以使用ag2创建出能够相互交互的多个智能体，并支持人类在循环中的输入。

让我们开始安装和配置ag2的过程。你可能会好奇为什么需要安装和配置ag2，我们先来了解一下。ag2是一个开源的AI智能体开发框架，旨在简化AI智能体的开发和研究。要使用ag2，我们需要先安装它，然后配置好相关的设置。

前置条件

在开始安装和配置ag2之前，我们需要确保我们的环境满足以下条件：

• Python版本 >= 3.10
• pip安装工具

安装ag2

我们可以使用pip安装ag2。打开终端，输入以下命令：

pip install ag2[openai]

如果你使用的是Mac，需要使用以下命令：

pip install 'ag2[openai]'

这将安装ag2及其依赖项。

配置API密钥

为了保持LLM依赖项的整洁并避免意外地将代码与API密钥一起检查，我们建议将API密钥存储在一个配置文件中。我们可以创建一个名为OAI_CONFIG_LIST的文件来存储API密钥。你可以选择任何文件名，但务必将其添加到.gitignore中，以免将其提交到源代码控制中。

你可以使用以下内容作为模板：

[
  {
    "model": "gpt-5",
    "api_key": "<你的OpenAI API密钥>"
  }
]

将 <你的OpenAI API密钥> 替换为你的实际API密钥。

运行第一个智能体

现在我们已经安装和配置了ag2，让我们创建一个脚本或Jupyter Notebook来运行我们的第一个智能体。我们可以使用以下代码：

from ag2 import AssistantAgent, UserProxyAgent, LLMConfig

llm_config = LLMConfig.from_json(path="OAI_CONFIG_LIST")

assistant = AssistantAgent("assistant", llm_config=llm_config)

user_proxy = UserProxyAgent("user_proxy", code_execution_config={"work_dir": "coding", "use_docker": False})

user_proxy.run(assistant, message="Summarize the main differences between Python lists and tuples.").process()

这将创建一个助手智能体和一个用户代理智能体，然后运行助手智能体来总结Python列表和元组之间的主要差异。

常见问题和排查

如果你在安装和配置ag2的过程中遇到问题，以下是一些常见的错误和排查方法：

• 安装失败：检查你的Python版本是否 >= 3.10，并确保pip安装工具正常工作。
• API密钥配置错误：检查你的API密钥文件是否正确配置，并确保文件路径正确。

小结

本章我们介绍了如何安装和配置ag2，包括安装ag2、配置API密钥和运行第一个智能体。我们还介绍了一些常见的错误和排查方法。通过本章，你应该能够成功安装和配置ag2，并运行你的第一个智能体。下一章，我们将介绍如何创建和运行AI智能体。

创建和运行第一个AI智能体是一个非常重要的步骤，因为它能让你体验到AG2框架的强大功能和便捷性。别担心，如果你没有任何AI开发经验，我们会一步一步地指导你完成这个过程。你可能会好奇为什么要从创建和运行第一个AI智能体开始，这是因为掌握了这个基础，你就能更好地理解后续章节的内容，并且能够更快地上手AG2框架。

在开始之前，请确保你已经安装了Python 3.10或更高版本，因为AG2框架要求Python版本至少为3.10。如果你还没有安装AG2框架，可以使用pip命令进行安装：

pip install ag2[openai]

如果你使用的是Mac系统，安装命令稍有不同：

pip install 'ag2[openai]'

安装完成后，我们需要设置API密钥。为了保持代码的整洁性和安全性，我们建议将API密钥存储在一个配置文件中。例如，你可以创建一个名为OAI_CONFIG_LIST的文件，内容如下：

[
  {
    "model": "gpt-5",
    "api_key": "<你的OpenAI API密钥>"
  }
]

记得将<你的OpenAI API密钥>替换为你的实际API密钥，并且添加这个文件到.gitignore中，以避免将API密钥提交到源代码管理系统中。

现在，我们可以创建和运行第一个AI智能体了。创建一个Python脚本或Jupyter Notebook，并运行以下代码：

from ag2 import AssistantAgent, UserProxyAgent, LLMConfig

llm_config = LLMConfig.from_json(path="OAI_CONFIG_LIST")

assistant = AssistantAgent("assistant", llm_config=llm_config)

user_proxy = UserProxyAgent("user_proxy", code_execution_config={"work_dir": "coding", "use_docker": False})

user_proxy.run(assistant, message="Summarize the main differences between Python lists and tuples.").process()

这个代码创建了一个名为assistant的AI智能体和一个名为user_proxy的用户代理，并且让user_proxy运行assistant智能体，传递一个消息要求其总结Python列表和元组之间的主要区别。预期结果是assistant智能体会生成一个回复，总结了Python列表和元组之间的主要区别。

如果你遇到任何错误或问题，请检查你的API密钥是否正确，是否安装了正确的Python版本和AG2框架版本，并且是否正确配置了OAI_CONFIG_LIST文件。

本章小结

• 安装AG2框架并设置API密钥
• 创建和运行第一个AI智能体，包括AssistantAgent和UserProxyAgent
• 了解AG2框架的基本概念和功能，包括消息传递和回复生成
• 掌握了创建和运行AI智能体的基础，可以更好地理解后续章节的内容。

本章我们将深入探讨AI智能体的概念，特别是Conversable Agent、Human in the Loop和Orchestrating Multiple Agents。这些概念是AG2框架的核心组成部分，理解它们对于构建和运行AI智能体至关重要。

在开始之前，请确保你已经安装了AG2框架，并且具备基本的Python编程知识。如果你还没有安装AG2，可以使用pip命令进行安装：

pip install ag2[openai]

或者

pip install 'ag2[openai]'

根据你的操作系统不同。

Conversable Agent

Conversable Agent是AG2框架中的基本构建块，它能够发送和接收消息，并使用GenAI模型、非GenAI工具或人类输入生成回复。让我们通过一个简单的例子来了解Conversable Agent的工作原理：

from ag2 import ConversableAgent, LLMConfig

# 加载LLM配置
llm_config = LLMConfig.from_json(path="OAI_CONFIG_LIST")

# 创建一个Conversable Agent
agent = ConversableAgent("my_agent", llm_config=llm_config)

# 发送消息给agent
agent.send_message("Hello, how are you?")

# 获取agent的回复
response = agent.get_response()
print(response)

在这个例子中，我们创建了一个Conversable Agent，发送了一个消息给它，并获取了它的回复。

Human in the Loop

Human in the Loop是指在AI智能体的运行过程中，人类可以输入自己的意见或修改AI的决策。这种机制可以提高AI的准确性和可靠性。让我们通过一个例子来了解Human in the Loop的工作原理：

from ag2 import UserProxyAgent, LLMConfig

# 加载LLM配置
llm_config = LLMConfig.from_json(path="OAI_CONFIG_LIST")

# 创建一个UserProxyAgent
user_proxy = UserProxyAgent("user_proxy", code_execution_config={"work_dir": "coding", "use_docker": False})

# 创建一个Conversable Agent
agent = ConversableAgent("my_agent", llm_config=llm_config)

# 发送消息给agent
user_proxy.run(agent, message="Summarize the main differences between Python lists and tuples.").process()

在这个例子中，我们创建了一个UserProxyAgent和一个Conversable Agent，用户可以输入自己的消息给agent，并获取agent的回复。

Orchestrating Multiple Agents

Orchestrating Multiple Agents是指多个AI智能体可以协同工作，实现更复杂的任务。让我们通过一个例子来了解Orchestrating Multiple Agents的工作原理：

from ag2 import ConversableAgent, LLMConfig

# 加载LLM配置
llm_config = LLMConfig.from_json(path="OAI_CONFIG_LIST")

# 创建多个Conversable Agent
agent1 = ConversableAgent("agent1", llm_config=llm_config)
agent2 = ConversableAgent("agent2", llm_config=llm_config)

# 发送消息给agent1
agent1.send_message("Hello, how are you?")

# 获取agent1的回复
response1 = agent1.get_response()

# 发送消息给agent2
agent2.send_message(response1)

# 获取agent2的回复
response2 = agent2.get_response()
print(response2)

在这个例子中，我们创建了多个Conversable Agent，发送了消息给第一个agent，获取了它的回复，然后发送了消息给第二个agent，获取了它的回复。

常见报错与排查办法

在运行AI智能体时，可能会遇到一些报错，例如：

• LLM配置文件不存在或格式错误
• AI智能体无法连接到LLM服务
• 用户输入的消息格式错误

可以通过检查LLM配置文件、检查AI智能体的连接状态、检查用户输入的消息格式来排查这些错误。

实用技巧

• 使用logging模块来记录AI智能体的运行日志
• 使用try-except块来捕获和处理异常
• 使用多线程或多进程来提高AI智能体的运行效率

小结

本章我们介绍了Conversable Agent、Human in the Loop和Orchestrating Multiple Agents的概念，并通过例子来了解它们的工作原理。同时，我们也介绍了一些常见的报错与排查办法，以及一些实用技巧。通过本章的学习，你应该能够构建和运行自己的AI智能体，并理解AG2框架的核心组成部分。本章小结：

• Conversable Agent是AG2框架中的基本构建块
• Human in the Loop可以提高AI的准确性和可靠性
• Orchestrating Multiple Agents可以实现更复杂的任务
• 需要检查LLM配置文件、检查AI智能体的连接状态、检查用户输入的消息格式来排查错误。

本章要解决的问题是如何设计和实现高级AI智能体，这是ag2框架中非常重要的一个方面。通过学习本章的内容，你将能够创建出更加复杂和智能的AI智能体，从而更好地解决实际问题。

在开始本章之前，你需要确保已经完成了前面的章节，特别是安装和配置ag2框架，创建和运行第一个AI智能体。同时，你需要对ag2框架的基本概念有所了解，包括Conversable Agent、Human in the Loop、Orchestrating Multiple Agents等。

我们先从一个简单的例子开始，创建两个Conversable Agent：一个coder agent和一个reviewer agent。coder agent负责写Python代码，而reviewer agent则负责批判代码而不重写它。我们可以使用以下代码来创建这些agent：

import logging
from ag2 import ConversableAgent, LLMConfig

# 配置日志
logging.basicConfig(level=logging.INFO)
logger = logging.getLogger(__name__)

# 加载LLM配置
llm_config = LLMConfig.from_json(path="OAI_CONFIG_LIST")

# 创建coder agent
coder_agent = ConversableAgent("coder", llm_config=llm_config)

# 创建reviewer agent
reviewer_agent = ConversableAgent("reviewer", llm_config=llm_config)

接着，我们需要定义这些agent之间的交互方式。我们可以使用Orchestrating Multiple Agents的方式来实现多个agent之间的对话。我们可以使用以下代码来实现：

# 创建一个对话管理器
conversation_manager = ConversationManager()

# 将coder agent和reviewer agent添加到对话管理器中
conversation_manager.add_agent(coder_agent)
conversation_manager.add_agent(reviewer_agent)

# 定义对话流程
conversation_manager.define_conversation_flow(coder_agent, reviewer_agent)

在定义对话流程时，我们需要指定coder agent和reviewer agent之间的交互方式。我们可以使用ConversableAgent的send_message和receive_message方法来实现agent之间的消息传递。

如果你遇到任何问题或报错，可以检查你的代码是否正确，或者查看ag2框架的文档和示例代码来获取帮助。

本章小结

• 创建高级AI智能体需要了解ag2框架的基本概念，包括Conversable Agent、Human in the Loop、Orchestrating Multiple Agents等。
• 可以使用ConversableAgent类来创建coder agent和reviewer agent。
• 需要定义agent之间的交互方式，使用Orchestrating Multiple Agents的方式来实现多个agent之间的对话。
• 需要指定coder agent和reviewer agent之间的交互方式，使用ConversableAgent的send_message和receive_message方法来实现agent之间的消息传递。

将ag2应用于实际场景是一个非常有趣的过程，你可能会好奇为什么要将ag2应用于实际场景。事实上，ag2是一个非常强大的AI智能体开发框架，它可以帮助我们解决很多实际问题。我们先来看看前置条件，你需要安装ag2，并且需要有一个Python版本 >= 3.10的环境。

接着，我们需要设置API密钥，以便使用LLM（大型语言模型）依赖项。我们推荐将API密钥存储在一个配置文件中，例如OAI_CONFIG_LIST。你可以使用以下内容作为模板：

[
  {
    "model": "gpt-5",
    "api_key": "<你的OpenAI API密钥>"
  }
]

别担心，如果你没有OpenAI API密钥，你可以先使用其他的LLM依赖项。

现在，我们来创建一个简单的AI智能体。我们将创建一个AssistantAgent和一个UserProxyAgent。AssistantAgent将使用LLM依赖项来生成回复，而UserProxyAgent将模拟用户输入。

from ag2 import AssistantAgent, UserProxyAgent, LLMConfig

llm_config = LLMConfig.from_json(path="OAI_CONFIG_LIST")

assistant = AssistantAgent("assistant", llm_config=llm_config)

user_proxy = UserProxyAgent("user_proxy", code_execution_config={"work_dir": "coding", "use_docker": False})

user_proxy.run(assistant, message="总结Python列表和元组的主要区别。").process()

这段代码将创建一个AssistantAgent和一个UserProxyAgent，并使用UserProxyAgent来运行AssistantAgent。AssistantAgent将使用LLM依赖项来生成回复。

如果你遇到错误，可能是因为API密钥配置错误或者LLM依赖项未安装。别担心，你可以检查错误日志来排查问题。

我们也可以创建一个更复杂的AI智能体，例如一个ConversableAgent。ConversableAgent可以发送消息、接收消息和生成回复。

import logging
from ag2 import ConversableAgent, LLMConfig

# 配置日志
logging.basicConfig(level=logging.INFO)
logger = logging.getLogger(__name__)

# 加载LLM配置
llm_config = LLMConfig.from_json(path="OAI_CONFIG_LIST")

# 创建ConversableAgent
coder_agent = ConversableAgent("coder_agent", llm_config=llm_config)
reviewer_agent = ConversableAgent("reviewer_agent", llm_config=llm_config)

这段代码将创建两个ConversableAgent，一个用于编码，一个用于审查。

我们可以使用这些AI智能体来解决实际问题，例如自动化编码和审查过程。

本章小结

• 安装ag2并设置API密钥
• 创建简单的AI智能体，例如AssistantAgent和UserProxyAgent
• 创建更复杂的AI智能体，例如ConversableAgent
• 使用AI智能体来解决实际问题，例如自动化编码和审查过程

ag2 与其他 AI 框架的对比是一个非常重要的主题，因为这可以帮助我们更好地理解 ag2 的特点和优势。在开始对比之前，我们需要了解 ag2 的基本特性和其他 AI 框架的特点。别担心，如果你对这些概念不熟悉，我们会慢慢来，逐步解释。

首先，我们需要确保你已经安装了 ag2 和其他相关的 AI 框架。我们假设你已经安装了 Python 版本 >= 3.10，并且已经安装了 ag2 和其他必要的依赖项。如果你还没有安装 ag2，可以使用以下命令：

pip install ag2[openai]

接着，我们需要了解 ag2 的基本特性。ag2 是一个开源的编程框架，用于构建 AI 智能体和促进多个智能体之间的合作。ag2 的目标是简化 AI 智能体的开发和研究，提供了诸如智能体之间的交互、支持使用各种大型语言模型（LLM）和工具使用等特性。

现在，让我们开始对比 ag2 与其他 AI 框架。我们将从以下几个方面进行对比：

1. 智能体交互：ag2 支持智能体之间的交互，包括消息发送、接收和回复生成。其他 AI 框架是否也支持这种交互呢？
2. LLM 支持：ag2 支持使用各种大型语言模型（LLM）。其他 AI 框架是否也支持 LLM 呢？
3. 工具使用：ag2 支持工具使用和执行。其他 AI 框架是否也支持工具使用呢？

我们可以通过以下例子来说明 ag2 的优势：

from ag2 import AssistantAgent, UserProxyAgent, LLMConfig

llm_config = LLMConfig.from_json(path="OAI_CONFIG_LIST")

assistant = AssistantAgent("assistant", llm_config=llm_config)

user_proxy = UserProxyAgent("user_proxy", code_execution_config={"work_dir": "coding", "use_docker": False})

user_proxy.run(assistant, message="Summarize the main differences between Python lists and tuples.").process()

在这个例子中，我们使用 ag2 构建了一个智能体，智能体可以与用户交互，使用 LLM 生成回复，并执行工具。

本章小结

• ag2 是一个开源的编程框架，用于构建 AI 智能体和促进多个智能体之间的合作。
• ag2 支持智能体交互、LLM 支持和工具使用。
• ag2 的优势在于其简单易用、支持多种 LLM 和工具使用。
• 通过对比 ag2 与其他 AI 框架，我们可以更好地理解 ag2 的特点和优势。

性能优化和工程化是开发高效、可靠的 AI 智能体的关键步骤。到目前为止，我们已经学习了如何创建和运行 AI 智能体，但是在实际应用中，我们需要确保这些智能体能够高效地运行并能够处理大量的数据和用户请求。因此，在这一章中，我们将重点讨论如何优化和工程化我们的 AI 智能体，以提高其性能和可靠性。

在开始性能优化和工程化之前，我们需要确保已经安装了 AG2 框架，并且已经配置了必要的 API 密钥。同时，我们也需要确保我们的 Python 版本是 3.10 或更高，因为 AG2 框架需要这一版本。

我们先来安装 AG2 框架：

pip install ag2[openai]

然后，我们需要配置我们的 API 密钥。我们可以将 API 密钥存储在一个配置文件中，例如 OAI_CONFIG_LIST.json 文件：

[
  {
    "model": "gpt-5",
    "api_key": "<your OpenAI API key here>"
  }
]

接下来，我们可以创建一个简单的 AI 智能体来测试我们的配置：

from ag2 import AssistantAgent, UserProxyAgent, LLMConfig

llm_config = LLMConfig.from_json(path="OAI_CONFIG_LIST")

assistant = AssistantAgent("assistant", llm_config=llm_config)

user_proxy = UserProxyAgent("user_proxy", code_execution_config={"work_dir": "coding", "use_docker": False})

user_proxy.run(assistant, message="Summarize the main differences between Python lists and tuples.").process()

如果我们的配置正确，我们应该能够看到 AI 智能体的输出。

现在，我们可以开始性能优化和工程化了。我们可以通过以下步骤来优化我们的 AI 智能体：

1. 优化模型选择：选择合适的模型可以大大提高性能。我们可以通过比较不同模型的性能来选择最合适的模型。
2. 优化超参数：超参数的选择也会对性能产生影响。我们可以通过网格搜索或随机搜索来找到最合适的超参数。
3. 优化数据预处理：数据预处理也是一个重要的步骤。我们可以通过数据清洗、数据转换等步骤来提高数据质量。
4. 优化代码执行：代码执行也是一个重要的步骤。我们可以通过优化代码结构、减少不必要的计算等步骤来提高代码执行效率。

在工程化方面，我们可以通过以下步骤来提高我们的 AI 智能体的可靠性：

1. 添加错误处理：错误处理是保证系统可靠性的一个重要步骤。我们可以通过添加 try-except 语句来捕获和处理错误。
2. 添加日志记录：日志记录可以帮助我们诊断系统的问题。我们可以通过添加日志记录语句来记录系统的运行状态。
3. 添加测试：测试是保证系统可靠性的一个重要步骤。我们可以通过添加测试用例来保证系统的正确性。

通过以上步骤，我们可以提高我们的 AI 智能体的性能和可靠性，从而使其能够更好地服务于实际应用。

本章小结

• 优化和工程化是开发高效、可靠的 AI 智能体的关键步骤。
• 选择合适的模型、优化超参数、优化数据预处理和优化代码执行是优化 AI 智能体性能的重要步骤。
• 添加错误处理、添加日志记录和添加测试是工程化 AI 智能体的重要步骤。
• 通过以上步骤，我们可以提高我们的 AI 智能体的性能和可靠性，从而使其能够更好地服务于实际应用。

ag2 的未来发展和应用前景是非常广阔的。随着 AI 技术的不断进步和应用领域的扩展，ag2 作为一个开源的 AI 智能体开发框架，将会在各个行业中发挥越来越重要的作用。我们可以预见，ag2 将会被广泛应用于自然语言处理、计算机视觉、语音识别等领域，并将会推动这些领域的发展。

你可能会好奇为什么 ag2 会有这么广阔的前景。首先，ag2 的开源性使得它可以被广泛使用和修改，这将会吸引更多的开发者和研究人员加入到 ag2 的开发中来。其次，ag2 的灵活性和可扩展性使得它可以被应用于各种不同的场景和任务。最后，ag2 的强大功能和高性能使得它可以处理复杂的任务和大规模的数据。

我们先来看看 ag2 的一些应用前景。例如，在自然语言处理领域，ag2 可以被用于文本分类、情感分析、语言翻译等任务。在计算机视觉领域，ag2 可以被用于图像分类、目标检测、图像分割等任务。在语音识别领域，ag2 可以被用于语音转文本、语音识别等任务。

接着，我们来看看 ag2 的一些开发前景。例如，ag2 的开发者可以使用 ag2 的 API 和工具来开发新的 AI 应用。ag2 的开发者也可以使用 ag2 的源代码来修改和扩展 ag2 的功能。另外，ag2 的开发者还可以使用 ag2 的社区资源来获取帮助和支持。

如果你遇到一些问题和困难，不要担心。ag2 的社区资源非常丰富，你可以在 ag2 的文档和论坛中找到答案。同时，ag2 的开发者也非常活跃，你可以在 ag2 的 GitHub 仓库中找到最新的代码和更新。

本章小结：

• ag2 的未来发展和应用前景是非常广阔的。
• ag2 的开源性、灵活性和可扩展性使得它可以被广泛应用于各种不同的场景和任务。
• ag2 的强大功能和高性能使得它可以处理复杂的任务和大规模的数据。
• ag2 的开发者可以使用 ag2 的 API 和工具来开发新的 AI 应用。
• ag2 的社区资源非常丰富，你可以在 ag2 的文档和论坛中找到答案。

问题：AG2 项目是什么？

AG2（以前称为 AutoGen）是一个开源的编程框架，用于构建 AI 代理和促进多个代理之间的合作以解决任务。它旨在简化代理 AI 的开发和研究。

问题：如何安装 AG2？

AG2 需要 Python 版本 >= 3.10。可以通过 pip 安装：pip install ag2[openai]（Windows/Linux）或 pip install 'ag2[openai]'（Mac）。

问题：如何设置 API 密钥？

建议将 API 密钥存储在一个配置文件中，例如 OAI_CONFIG_LIST，以保持依赖项的整洁并避免意外地将代码和 API 密钥一起检查到源代码控制中。

问题：如何运行第一个代理？

创建一个脚本或 Jupyter Notebook，并运行第一个代理。示例代码：from ag2 import AssistantAgent, UserProxyAgent, LLMConfig，然后创建代理实例并运行。

问题：AG2 支持哪些代理概念？

AG2 支持多种代理概念，包括可对话代理（Conversable Agent）、人机交互（Human in the Loop）、编排多个代理（Orchestrating Multiple Agents）、工具（Tools）和高级代理设计模式（Advanced Agentic Design Patterns）。

问题：如何使用 AG2 的高级功能？

AG2 支持结构化输出、RAG、代码执行等高级功能。可以参考文档和示例代码来了解如何使用这些功能。

问题：如何与 AG2 社区联系？

可以通过 Discord（https://discord.gg/sNGSwQME3x）或电子邮件（support@ag2.ai）与 AG2 社区联系，获取帮助和贡献项目。

问题：AG2 的许可证是什么？

AG2 是开源项目，使用某种许可证（未指定具体许可证类型）。可以参考项目文档来了解许可证详细信息。