AutoGen是一个开源编程框架，旨在构建AI代理并促进多个代理之间的合作以解决任务。AutoGen旨在简化代理式AI的开发和研究，类似于PyTorch在深度学习领域的作用。
主要功能
- AutoGen 支持以最少的工作量构建基于多代理对话的下一代 LLM 应用程序。它简化了复杂 LLM 工作流的编排、自动化和优化。它最大限度地提高了 LLM 模型的性能并克服了它们的弱点。
- 支持复杂工作流的多种对话模式。借助可自定义和可交谈的代理，开发人员可以使用 AutoGen 构建有关对话自主性、代理数量和代理对话拓扑的各种对话模式。
- 提供了具有不同复杂性的工作系统的集合。这些系统涵盖来自不同领域和复杂性的广泛应用。这展示了 AutoGen 如何轻松支持不同的对话模式。
- AutoGen 提供增强的 LLM 推理。它提供 API 统一和缓存等实用程序，以及错误处理、多配置推理、上下文编程等高级使用模式。
快速开始使用
1.在 Docker 中安装并运行 AutoGen
在此处查找面向用户的详细说明，在此处查找面向开发人员的详细说明。
2.在本地安装 AutoGen
AutoGen 需要 Python 版本 >= 3.8、< 3.13。可以从 pip 安装：
pip install autogen-agentchat~=0.2
安装最少的依赖项，无需额外选项。您可以根据需要的功能安装额外的选项。
在 安装 中查找更多选项。
即使您在 Docker 之外本地安装和运行 AutoGen，代理的建议和默认行为也是在 Docker 中执行代码。在此处查找更多说明以及如何更改默认行为。
对于 LLM 推理配置，请查看常见问题解答。
多代理对话框架
Autogen 通过通用的多代理对话框架支持下一代 LLM 应用程序。它提供可自定义和可对话的代理，这些代理集成了 LLM、工具和人工。通过在多个有能力的代理之间自动聊天，可以轻松地让他们自主或通过人工反馈共同执行任务，包括需要通过代码使用工具的任务。
此用例的功能包括：
- 多代理对话：AutoGen 代理可以相互通信以解决任务。这允许比单个 LLM 更复杂和精密的应用程序。
- 自定义：可以自定义 AutoGen 代理以满足应用程序的特定需求。这包括选择要使用的 LLM、允许的人工输入类型以及要使用的工具的能力。
- 人工参与：AutoGen 无缝允许人工参与。这意味着人类可以根据需要向代理提供输入和反馈。
例如：
from autogen import AssistantAgent, UserProxyAgent, config_list_from_json
#Load LLM inference endpoints from an env variable or a file
See https://microsoft.github.io/autogen/docs/FAQ#set-your-api-endpoints
#and OAI_CONFIG_LIST_sample
config_list = config_list_from_json(env_or_file="OAI_CONFIG_LIST")
#You can also set config_list directly as a list, for example, config_list = [{'model': 'gpt-4', 'api_key': '<your OpenAI API key here>'},]
assistant = AssistantAgent("assistant", llm_config={"config_list": config_list})
user_proxy = UserProxyAgent("user_proxy", code_execution_config={"work_dir": "coding", "use_docker": False}) # IMPORTANT: set to True to run code in docker, recommended
user_proxy.initiate_chat(assistant, message="Plot a chart of NVDA and TESLA stock price change YTD.")
#This initiates an automated chat between the two agents to solve the task
运行：
python test/twoagent.py
