AI Agent 無疑是今年最火爆的概念，從科技巨頭的戰略布局到創業公司的創新產品，AI 智能體正在重塑我們與機器交互的方式。無論是自動化任務、個性化服務，還是復雜問題的協同解決，AI Agent 都展現出了前所未有的潛力。

而在眾多備受矚目的框架中，微軟 Autogen 憑借其靈活的多智能體協作能力，迅速成為開發者與企業的關注焦點。它不僅能高效整合多個 AI Agent，還能根據任務需求動態調整工作流程，讓智能協作變得更簡單、更強大。

在這篇博客中，我們將深入探索 Autogen 的核心特性、應用場景，以及它如何為下一代 AI 應用鋪平道路。

AutoGen

AutoGen是一種框架，用于使用多個代理來開發大型語言模型(LLM) 應用程序，這些代理相互對話以解決任務。 使用AutoGen 生成的代理可以在采用LLM、人工輸入和工具組合的各種模式下運行。 AutoGen 代理的一個重要工具類型是代碼執行程序。 它們使代理能夠編寫和執行代碼以執行復雜的任務。

AutoGen Studio

AutoGen Studio 是微軟研發的一款功能強大的低代碼界面工具，旨在簡化多智能體應用的構建流程。 它基于AutoGen 框架之上，該框架是一個用于定義、配置和組合AI 代理以驅動多智能體應用的開源Python 框架。

安裝 AutoGen Studio

不多贅述，參考微軟的文檔，沒啥好說的。

autogenstudio installation

模擬軟件開發團隊

下面讓我們使用 AutoGenStudio 來模擬一個軟件開發團隊。當這個團隊接受到開發任務的時候，每個隊員可以各施其職，配合著完成任務。

首先讓我們在 AutoGenStudio 里面定義一個 team。定義的時候需要指定使用的模型，推出條件。以及 prompt。

這個 team 的定義本質上也是一個 Agent，它的任務是根據上下文選擇團隊成員（其他 Agent）去執行對應的任務。

Lily 前端開發工程師

首先我們創建一個 Agent 來模擬前端開發工程師。他的任務是開發前端代碼，比如編寫 html，css 等等。

這里我們同樣需要指定使用的模型以及 System Message。System Message 是在描述這個 Agent 的能力與職責。

Jim 后端開發工程師

我們使用同樣的方式定義一個后端開發工程師的 Agent。不同的是這次它能夠使用 Tool，來執行一些 python 代碼。

UserProxyAgent

UserProxyAgent 是個特殊的 Agent，它不與 LLM 進行交互，它的職責是跟真實的人類進行交互。當某些情況需要人類介入的時候，會以一個輸入的方式等待人類給出明確的信息。

在完成所有定義后，我們的軟件開發團隊結構如下：

設計一個登錄界面

當我們定義好這個team后，就可以給安排任務了。下面我們就給他們安排一個活：設計一個網頁的登錄頁面。
要求如下：

設計一個登錄界面，包含一個用戶名名輸入框，密碼輸入框，一個登錄按鈕。但是不需要調用任何后端API。因為我只想看看前端的效果。前端的代碼請全部包含在一個頁面里，不要把 css,javascript 等分開。一旦前端完成代碼后，請把結果交給后端開發工程師，后端開發請使用 fastapi 建立一個服務，用戶通過這個服務在瀏覽器里直接對前端設計的頁面進行預覽。

任務輸入進去后可以看到各個 Agent 開始工作了，先是前端設計了頁面，輸出了 html，css 文件。最后后端工程師使用 python 直接生成了一個 web service 承載了這頁面。我們訪問能直接輸入這個剛剛設計的登錄框。

這個討論的過程大家可以見以下視頻：

【AutogenStudio 構建你的私人開發團隊】
https://www.bilibili.com/video/BV1Qzo1YAEk7/?share_source=copy_web&vd_source=3f96a750277e9e3babf014a139c50726