AutoGen入门与进阶教程系列之二：如何从基础知识开始打造你的第一个智能代理？

最近团队里的小伙伴都在讨论AutoGen，作为一个去年还在手搓智能体的"老派"开发者，我也决定跟上技术潮流。经过一段时间的实践，我发现这个框架确实能极大提升开发效率。今天开始，我将通过一系列文章，带大家从零开始掌握AutoGen。文章大致目录是这么安排的：

1. 基础入门
2. 内置智能体
3. 自定义智能体及高级技巧
4. 智能体到底是如何进行团队协作的
5. 状态管理
6. swarm模式
7. 分布式智能体

作为开篇，我们先来认识这个强大的工具。

初识AutoGen

想象一下，你面前摆着一盒特殊的乐高积木。与其他乐高不同的是，这里的每个积木块都是一个活生生的"智能体"——它们能思考、会交流、可以执行任务。AutoGen就是这样一个神奇的"乐高盒子"，它让开发者能够像搭积木一样，自由组合各种智能体来完成复杂任务。

在我的上一个电商客服系统项目中，需要同时处理客户咨询、订单查询、售后跟进等多个环节。如果按照传统方式开发，光是设计各个模块的交互逻辑就让人头疼。而使用AutoGen后，我只需要创建几个专门的智能体：一个负责理解客户意图，一个专精订单查询，另一个处理售后流程，再让它们协同工作，整个系统的开发时间缩短了60%。

核心概念解析

要掌握AutoGen，首先需要理解其核心组件：

智能体(Agent)作为系统的基础单元，每个都具备独特的功能特性。系统内置了多种即用型智能体：

• 助手智能体(AssistantAgent)：集成语言模型并支持工具调用
• 用户代理(UserProxyAgent)：处理用户输入并返回响应
• 代码执行器(CodeExecutorAgent)：专长于代码运行
• OpenAI助手(OpenAIAssistantAgent)：基于OpenAI的智能体，支持自定义工具
• 多模态浏览器(MultimodalWebSurfer)：具备网页搜索和内容获取能力
• 文件浏览器(FileSurfer)：本地文件搜索专家
• 视频解析器(VideoSurfer)：专业处理视频内容

消息机制是智能体间的沟通桥梁，支持多种格式：

• 文本消息(TextMessage)
• 多模态消息(MultiModalMessage)
• 工具调用请求(ToolCallRequestEvent)

工具(Tool)作为能力扩展模块，为智能体提供额外功能支持，如网络搜索、代码执行等。

团队协作模式让多个智能体形成有机整体，系统提供：

• 轮询团队(RoundRobinGroupChat)
• 选择器团队(SelectorGroupChat)

终止条件定义了协作流程的结束规则，包括：

• 最大消息数限制(MaxMessageTermination)
• 文本提及检测(TextMentionTermination)
• 自定义结束条件

记忆系统负责存储对话历史和用户偏好，为智能体提供上下文支持。

通过以上组件的有机组合，AutoGen能够构建出适应各种场景的智能体协作解决方案。在后续文章中，我们将深入探讨每个组件的具体应用。

特点

• 异步和事件驱动架构：这使得整个系统在并发性和响应速度上有巨大优势，调试起来也容易许多。
• 高度可扩展性：你可以随心所欲地添加新的智能体类型、工具和服务，适应不同的应用场景。
• 丰富的内置智能体：比如AssistantAgent（用语言模型并可以调用工具的智能体），UserProxyAgent（接收用户输入并将其作为响应返回的智能体）等，为你的开发省去了大部分基础工作。
• 人机协同：允许在智能体工作流程中加入人类的参与，实现真正的人机融合交互。

当然，更多的特点我就不一一赘述了，推荐大家自己去探索。接下来，我想分享一个简单的示例，演示如何使用 AutoGen 创建一个基本的智能体团队

环境准备

首先，我们需要安装必要的软件包：

pip install autogen-agentchat autogen-ext[openai]

组建智能体

from autogen_ext.models.openai import OpenAIChatCompletionClientfrom autogen_agentchat.ui import Consolefrom autogen_agentchat.teams import RoundRobinGroupChatfrom autogen_agentchat.conditions import TextMentionTerminationfrom autogen_agentchat.agents import AssistantAgentimport asyncio# 初始化GPT-4o模型model_client = OpenAIChatCompletionClient(    model="gpt-4o",    base_url=base_url,    api_key=api_key)# 创建诗人智能体poet = AssistantAgent(    name="libai",    system_message="你是个浪漫的诗人，擅长创作七言绝句",    model_client=model_client)# 创建评论家智能体critic = AssistantAgent(    name="dufu",    system_message="你是个严格的评论家，满意时说【通过】",    model_client=model_client,)# 设置团队协作规则team = RoundRobinGroupChat(    [poet, critic],    termination_condition=TextMentionTermination("通过"))

运行协作系统

async def main():    task = "写一首关于明月的七言绝句"    await Console(team.run_stream(task=task))asyncio.run(main())

运行效果如下：

---------- TextMessage (user) ----------写一首关于明月的七言绝句---------- TextMessage (libai) ----------明月高悬照九州，  清辉如水洗烦忧。  千里共此一时景，  万家灯火伴情柔。  ---------- TextMessage (dufu) ----------【通过】

总结

只需几行代码，我们就能轻松搭建一个RoundRobinGroupChat协作团队。在这个团队中，libai负责诗歌创作，dufu则担任审阅工作。这种开箱即用的便捷性正是AutoGen的魅力所在。实际上，AutoGen已经内置了多种功能各异的智能体，关于这些内置智能体的详细介绍，我将在下一篇文章中为大家展开讲解。欢迎点赞收藏加关注，获取实时更新！

本文转载自​​AI 博物院​​ 作者：longyunfeigu