AutoGen：微软多智能体框架的经典与谢幕

AutoGen：微软多智能体框架的经典与谢幕

2023 年，微软开源的 AutoGen 以"多智能体对话"（multi-agent conversation）的设想点燃了 agent 框架赛道：让多个各有所长的 AI agent 互相说话、彼此协作——一个写代码、一个执行代码、一个审查结果，把复杂任务在对话中消化掉。它一度是 GitHub 上最火的多智能体框架之一，深刻影响了后来几乎所有 agent 编排工具的设计。但必须先告诉你一个重要现状：README 顶部挂着醒目的橙色徽章——AutoGen 已进入维护模式（不再新增功能，转由社区维护），官方明确指引新用户直接使用其企业级继任者 Microsoft Agent Framework。因此本文是一篇"回顾经典 + 讲清去向"的博客：AutoGen 的思想仍是多智能体领域的教科书，而它的工程接力棒已交出。参考 GitHub 仓库 与 Microsoft Agent Framework。

1、概述：AutoGen 是什么

官方定位："a framework for creating multi-agent AI applications that can act autonomously or work alongside humans"（创建可自主行动或与人协作的多智能体 AI 应用的框架）。Python 3.10+，异步优先架构：

出品          微软研究院（2023 年开源，多智能体赛道开创者之一）
定位          多智能体 AI 应用框架：agent 自主行动 + 人机协作
核心思想      multi-agent conversation：agent 之间用对话协作
架构          异步优先(async)、事件驱动；AgentChat 高层 API
组件          AssistantAgent / AgentTool / Team 编排 / MCP 支持
配套          AutoGen Studio 无代码 GUI（原型用）
现状          ⚠️ 维护模式：不加新功能，社区维护
继任者        Microsoft Agent Framework（MAF，生产就绪 1.0）
安装          pip install -U "autogen-agentchat" "autogen-ext[openai]"

核心要点：

1. 它把"多个 agent 讨论协作"做成了一等编程模型

2. 既可全自动运行，也支持 human-in-the-loop（人在环中）

3. v0.4+ 全面重构为异步事件驱动，API 与老版 v0.2 差异大

4. 先说结论：新项目建议直接用 MAF；学思想，AutoGen 仍值一读

2、核心思想：让 agent 互相对话

单 agent 的天花板在于"一个人包打天下"：上下文膨胀、角色混乱、无人纠错。AutoGen 的破题思路是把协作本身变成框架原语：

// 经典协作模式（AutoGen 奠基的四类）
① 双 agent 对话      Assistant(写代码) ⇄ UserProxy(执行+反馈)
                    代码跑挂了？把报错发回去让它改，循环到通过
② 群聊 GroupChat     多 agent + 一个 GroupChatManager 路由发言权
                    产品经理/工程师/测试同场讨论，按轮转或智能调度
③ 嵌套聊天          一个对话中按需触发子对话（子问题交给专家组）
④ Human-in-the-loop UserProxy 可由真人扮演：agent 提议、人审批

// 为什么"对话"是好的抽象：
//   天然支持迭代（改了再试）、天然支持纠错（报错回传）、
//   天然支持分工（角色=system message）
//   ——这四个模式成为后来几乎所有 agent 框架的标配词汇

核心要点：

1. 对话即协作：把人类团队的"讨论-执行-返工&quot>搬进程序

2. 代码生成→执行→报错回传的自我修正循环是它最著名的演示

3. 人可以是协作的一环——审批、纠偏、提供领域输入

4. 这套模式学透了，用什么框架都能用得上

3、快速上手：Hello World

新版 API 极简：建模型客户端、建 AssistantAgent、异步 run——README 官方示例：

// 安装（AgentChat + OpenAI 扩展）
pip install -U "autogen-agentchat" "autogen-ext[openai]"
export OPENAI_API_KEY="sk-..."

// Hello World：一个最简 assistant
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())

// 结构三要素：
//   model_client  模型客户端（可换 OpenAI 之外的各家模型）
//   AssistantAgent(name, model_client, system_message?, tools?)
//   await agent.run(task=...)   异步执行，返回消息结果

核心要点：

1. 全异步 API：run/run_stream 都是 await，天生适合并发多 agent

2. 模型客户端与 agent 解耦——换模型只换 client

3. system_message 定义人设，tools 挂载能力（下一节）

4. v0.2 用户注意：API 已大改，官方有专门迁移指南

4、工具与 MCP：给 agent 装上手脚

光会说话不够，agent 要能"做事"。AutoGen 通过 MCP（Model Context Protocol）接入外部工具——README 的浏览器助手示例：

// 用 Playwright MCP server 造一个"会上网"的 agent
// 先装 MCP server: npm install -g @playwright/mcp@latest
import asyncio
from autogen_agentchat.agents import AssistantAgent
from autogen_agentchat.ui import Console
from autogen_ext.models.openai import OpenAIChatCompletionClient
from autogen_ext.tools.mcp import McpWorkbench, StdioServerParams

async def main() -> None:
    model_client = OpenAIChatCompletionClient(model="gpt-4.1")
    server_params = StdioServerParams(
        command="npx",
        args=["@playwright/mcp@latest", "--headless"],
    )
    async with McpWorkbench(server_params) as mcp:
        agent = AssistantAgent(
            "web_browsing_assistant",
            model_client=model_client,
            workbench=mcp,                    // 工具工作台（多 server 传列表）
            model_client_stream=True,
            max_tool_iterations=10,           // 最多工具循环轮数
        )
        await Console(agent.run_stream(task=
            "Find out how many contributors for the microsoft/autogen repository"))

asyncio.run(main())

核心要点：

1. McpWorkbench + StdioServerParams：以 stdio 方式挂任意 MCP server

2. Playwright MCP 让 agent 真的能开浏览器查资料

3. max_tool_iterations 防止工具调用死循环

4. 官方警告：只连可信的 MCP server——它可能在本地执行命令

5、多 Agent 编排：AgentTool，agent 即工具

新版编排的招牌手法：把 agent 包装成工具（AgentTool）挂给主 agent——专家 agent 变成主 agent 可调用的"函数"：

// 数学专家与化学专家，被主 assistant 当工具调用
from autogen_agentchat.tools import AgentTool

math_agent = AssistantAgent(
    "math_expert",
    model_client=model_client,
    system_message="You are a math expert.",
    description="A math expert assistant.",     // 描述=工具说明书
)
math_agent_tool = AgentTool(math_agent,
                            return_value_as_last_message=True)

chemistry_agent = AssistantAgent("chemistry_expert", ...)
chemistry_agent_tool = AgentTool(chemistry_agent, ...)

agent = AssistantAgent(
    "assistant",
    system_message="You are a general assistant. Use expert tools when needed.",
    model_client=model_client,
    tools=[math_agent_tool, chemistry_agent_tool],  // 专家即工具
    max_tool_iterations=10,
)
await Console(agent.run_stream(task="What is the integral of x^2?"))
// → 主 agent 识别"积分"→ 调 math_agent_tool → 专家作答
await Console(agent.run_stream(task="What is the molecular weight of water?"))
// → 识别"分子量"→ 调 chemistry_agent_tool

核心要点：

1. AgentTool：一个 agent 就是另一个 agent 的工具——编排即组合

2. description 字段是"工具说明书"，主 agent 靠它决定路由

3. 相比老版 GroupChat 的"全场发言"，工具化路由更可控

4. 更复杂编排（Team/工作流）见 AgentChat 文档

6、AutoGen Studio：无代码原型

配套的图形界面，拖拖拽拽就能搭多 agent 工作流并直接运行：

// 安装与启动
pip install -U "autogenstudio"
autogenstudio ui --port 8080 --appdir ./my-app
// → 浏览器打开 http://localhost:8080

// 能做什么：
在 Web 界面里创建 agent、配置模型与工具、
组装多 agent 工作流、上传数据集、直接运行与调试

// 官方定位（重要）：
//   仅用于【快速原型】与展示"基于 AutoGen 的端侧应用长什么样"
//   ⚠️ 不是生产就绪的应用——缺鉴权/安全等，
//      生产请用框架自建应用并补齐安全设施

核心要点：

1. Studio 是原型工具：零代码验证多 agent 想法

2. 官方明确划界：非生产应用，别直接对外服务

3. 适合演示、教学、快速搭 demo 给利益相关方看

4. 生产路径：框架写代码 + 自建鉴权与安全

7、现状与迁移：维护模式与 MAF

必须直面的事实：README 顶部挂着橙色 "Maintenance Mode" 徽章，官方公告写得很清楚：

// AutoGen 现状（官方公告要点）
状态          维护模式：不再接收新功能/增强，由社区接管维护
含义          已有功能仍可用、bug 修不保证节奏、演进停止
新用户        官方建议直接从 Microsoft Agent Framework 开始
老用户        官方提供迁移指南：
              learn.microsoft.com/agent-framework/migration-guide/from-autogen/

// Microsoft Agent Framework（MAF）——企业级继任者
定位          production-ready 1.0：稳定 API + 长期支持承诺
能力          企业级多 agent 编排 / 多 provider 模型支持 /
              A2A + MCP 跨运行时互操作
形态          微软把 AutoGen 与 Semantic Kernel 的精华
              合并进化为 MAF

// 选型建议（按场景）：
新项目        直接上 MAF（或评估 LangGraph 等，见后文）
老项目        按 migration guide 平滑迁移，官方有逐条对照
学思想        AutoGen 的对话协作模式仍是最佳教材之一

核心要点：

1. 维护模式 ≠ 立即死亡：现有代码能跑，但演进已停

2. MAF 吸收了 AutoGen（多 agent）+ Semantic Kernel（编排）两支血统

3. 微软系技术选型应直接看 MAF，避免新项目背上迁移债

4. 与 LangGraph/LlamaIndex 等横向对比时，AutoGen 应替换为 MAF 参评

8、总结

AutoGen 的历史贡献在于定义了多智能体协作的话语体系——双 agent 对话、群聊、嵌套聊天、人在环中、agent 即工具，这些词汇如今已是 agent 框架的通用语。而它以"进入维护模式、指引继任者"的方式谢幕，本身也是开源项目治理的体面示范。

关键要点：

       - 定位：微软多智能体框架，multi-agent conversation 思想奠基者

       - 思想：对话即协作——写码/执行/纠错循环、群聊、嵌套、人机协同

       - 新版 API：AssistantAgent + async run + McpWorkbench + AgentTool

       - Studio：无代码原型工具，官方明确非生产应用

       - ⚠️ 现状：维护模式，不加新功能，社区维护

       - 继任：Microsoft Agent Framework 1.0（稳定 API + A2A/MCP）

       - 建议：新项目直接 MAF；学多智能体思想，AutoGen 仍是好教材

对于正在选型的团队，结论很干脆：新项目请直接从 Microsoft Agent Framework 开始（或按需评估 LangGraph 等活跃框架），让 AutoGen 安静地完成它的历史使命；对于想真正理解"多智能体为什么要协作、怎么协作"的开发者，花一个下午读读 AutoGen 的四个经典模式与 AgentTool 示例，依然物超所值——框架会谢幕，但它教会这个行业的协作抽象会一直流传下去。一个框架最好的谢幕，不是永远占据舞台，而是让它的思想长在所有后来者的身体里。