AutoGen

AutoGen(github.com/microsoft/autogen)是 Microsoft Research 2023 年推出的多 Agent 协作框架,定位是”Microsoft 开源多 Agent 协作框架,自定义 Agent 角色 + 人类参与 + 企业级”。AutoGen 让开发者定义多个 Agent(用户代理/助手/专家/工具 Agent),Agent 之间相互对话、协作完成任务。截至 2026 年 7 月,AutoGen GitHub Stars 30k+,被微软内部和大量企业使用,被认为是”企业级 Agent 框架的代表”。AutoGen 与 CrewAI、LangGraph、BabyAGI、Flowise 是同赛道竞品,差异在于 AutoGen 强调”Microsoft 背书 + 自定义 Agent + 人类参与 + 企业级稳定性”,适合企业 Agent 开发、研究、复杂任务自动化。

一、工具介绍

AutoGen 的核心定位是”多 Agent 协作框架”,区别于单 Agent(BabyAGI)和工作流框架(LangGraph),AutoGen 的核心思想是”让多个 Agent 像团队一样协作”——用户代理(User Proxy Agent)代表用户,助手 Agent 负责对话,专家 Agent 提供领域知识,工具 Agent 调用外部 API。AutoGen 支持”人类参与”(Human-in-the-loop),让 Agent 在不确定时主动询问人类。

二、核心功能

• 多 Agent 协作:多个 Agent 像团队一样工作
• 自定义 Agent 角色:助手/用户/专家/工具 Agent
• 人类参与(Human-in-the-loop):Agent 不确定时主动询问
• 多 LLM 支持:OpenAI/Azure/Anthropic/Google/Ollama
• 工具调用:Agent 自动调用外部工具/API
• 代码执行:Agent 自动写/执行 Python 代码
• RAG 集成:Agent 检索增强生成
• 群聊模式:多 Agent 同群聊,自动协调
• 状态管理:会话状态保存/恢复
• 流式响应:流式输出,实时反馈
• Web 界面:AutoGen Studio 可视化
• 多语言:Python 为主,.NET 支持
• OpenAI 兼容:支持 OpenAI API 端点
• 企业级:SOC2/Microsoft 安全合规

三、使用场景

• 复杂业务自动化:多步骤、多 Agent 协作
• 研究助手:多 Agent 研究 + 综述生成
• 数据分析:Agent 自动分析 + 可视化
• 代码开发:多 Agent 协作开发
• 客户服务:Agent + 人工协同
• 文档处理:自动总结/翻译/校对
• 决策支持:Agent 收集信息 + 建议
• 教育:个性化辅导
• 企业 AI 中台:多 Agent 通用框架

四、价格方案

五、功能特点

• 微软研究院出品
• 多 Agent 协作(灵活分工)
• 人类参与(Human-in-the-loop)
• 自定义 Agent 角色
• 代码执行能力(Python sandbox)
• 工具调用(自动选)
• 群聊模式(多 Agent 同群)
• 30k+ GitHub Stars
• AutoGen Studio 可视化(Web UI)

六、上手指南

1. 装包:`pip install pyautogen`
2. 配置 LLM:
“`python
import autogen
config_list = [
{
‘model’: ‘gpt-4o’,
‘api_key’: ‘sk-…’,
}
]
llm_config = {‘config_list’: config_list}
“`
3. 定义 Agent:
“`python
assistant = autogen.AssistantAgent(
name=’assistant’,
llm_config=llm_config,
)
user_proxy = autogen.UserProxyAgent(
name=’user_proxy’,
code_execution_config={‘work_dir’: ‘coding’},
)
“`
4. 启动对话:
“`python
user_proxy.initiate_chat(
assistant,
message=’写一个 Python 函数计算斐波那契数列’
)
“`
5. 多 Agent 协作:
“`python
researcher = autogen.AssistantAgent(name=’researcher’, …)
coder = autogen.AssistantAgent(name=’coder’, …)
user_proxy.initiate_chat(
[researcher, coder],
message=’研究量子计算最新进展’
)
“`
6. 工具调用:配置 `tools=[…]`
7. AutoGen Studio(Web 界面):
– 装 `autogenstudio`
– 浏览器访问,可视化拖拽 Agent
8. 人类参与:默认 UserProxy Agent 就会让人类确认关键操作

七、常见问题

AutoGen 和 CrewAI 比哪个好?

AutoGen 微软 + 企业级 + 复杂任务。CrewAI 易上手 + 快速原型。企业选 AutoGen,快速开发选 CrewAI。

AutoGen 和 LangGraph 比哪个好?

AutoGen 多 Agent 协作 + 灵活。LangGraph 状态图 + 精确控制。需要精细控制状态流选 LangGraph,需要灵活协作选 AutoGen。

AutoGen 适合生产吗?

适合,Microsoft 内部多产品使用。但生产部署需要 LLM 调用监控、成本控制、人工介入。

AutoGen 的人类参与有什么用?

Agent 在不确定/敏感操作时主动询问人类,避免错误决策。适合金融/医疗/合规场景。

AutoGen 中文支持好吗?

支持。AutoGen 调用 OpenAI/Anthropic 等 LLM,中文回答质量等同底层 LLM(英文更强)。

AutoGen 的代码执行安全吗?

AutoGen 的 UserProxy Agent 在 docker 沙箱中执行 Python 代码,默认隔离环境。生产建议进一步限制网络访问。

AutoGen Studio 怎么用?

pip install autogenstudio → autogenstudio ui 启动 Web 界面 → 浏览器可视化拖拽 Agent + 工作流。