📝 项目简介
Microsoft AutoGen 是微软研究院出品的开源多智能体 AI 编程框架，官方定位为 “A programming framework for agentic AI”。它把”多个会自主对话的 Agent 协同工作”这件事，抽象成一套事件驱动的运行时 + 消息协议，让 LLM、工具、人类三方可以在同一套代码里自由组合，既能 自主行动，也能 和人并肩工作，被广泛视为现代 Multi-Agent 协作范式的奠基性项目之一。
数据来源：GitHub REST API（仓库 microsoft/autogen，截至 2026-07-23）。
⚙️ 安装要求和过程
环境要求
- Python：3.10 及以上（v0.4+ 推荐 3.11）
- 操作系统：Linux / macOS / Windows 均支持
- LLM 凭据：OpenAI 兼容 API Key（Azure OpenAI / OpenAI / Ollama / 本地 vLLM 等均可）
- 可选依赖：Docker（隔离代码执行）、Node.js（Studio 浏览器依赖）
- .NET 用户：.NET 8 SDK，
dotnet add package Microsoft.AutoGen
快速安装（Python，v0.4+ 推荐）
# 1) 创建并激活虚拟环境
python3 -m venv .venv && source .venv/bin/activate
# 2) 安装 AgentChat 核心 + OpenAI 扩展
pip install -U "autogen-agentchat" "autogen-ext[openai]"
# 3) (可选) 安装无代码可视化工作台
pip install -U "autogenstudio"
# 4) 验证
python -c "import autogen_agentchat; print(autogen_agentchat.__version__)"从源码安装（v0.4）
git clone https://github.com/microsoft/autogen.git
cd autogen
pip install -e ./python/packages/autogen-agentchat
pip install -e ./python/packages/autogen-ext[openai]
# 启动 Studio
autogenstudio ui --port 8080配置 LLM（OpenAI 兼容）
把 API Key 放进环境变量（推荐），或写入 OAI_CONFIG_LIST：
# .env
OPENAI_API_KEY=sk-...
# 可选：Azure / 自定义网关
AZURE_OPENAI_API_KEY=...
AZURE_OPENAI_ENDPOINT=https://your-resource.openai.azure.com/
OPENAI_API_BASE=https://your-gateway.example.com/v1🏗️ 架构总览
AutoGen 把”造一个能自主干活的 AI”这件事切成三层 API，开发者可以按需选择从底层到高层：
- Core API（底层）：消息传递、事件驱动、分布式 Runtime，同时支持 Python 与 .NET，是整条链路的”内核”。
- AgentChat API（高阶）：双智能体对话、群聊、
AgentTool多专家路由——大多数应用只需要这一层。 - Extensions API（扩展）：LLM 客户端、工具注册、MCP 协议适配、模型上下文协议桥接。
再上面还有三个开箱即用的”上层建筑”：AutoGen Studio（无代码 GUI）、AutoGen Bench（基准评测）、Magentic-One（微软开源的通用多智能体团队基线）。
✨ 核心功能
🤖 1. 多智能体对话与编排
把每个 Agent 看作一个会发消息的对象，通过 initiate_chat / a_initiate 一行就能拉起对话；支持两人私聊、群聊（SelectorGroupChat / Swarm / RoundRobin）与按需动态编排（AgentTool 把”专家 Agent”当工具调）。
🧠 2. 可插拔模型与工具
原生支持 OpenAI / Azure OpenAI / Anthropic / Ollama / vLLM / Gemini 等模型；工具侧通过 FunctionTool + MCP 一键接入浏览器、数据库、Shell、文件系统、Playwright 等上百种能力。
🧑💻 3. 人机协同（Human-in-the-Loop）
通过 UserProxyAgent / input_func 任意把人类拉进对话：审批、纠正、补充上下文，AI 不会”擅自做主”——这是 AutoGen 最早让业界眼前一亮的杀手锏。
🖥️ 4. AutoGen Studio：无代码工作台
可视化拖拽搭建 Agent 团队、连接工具、调试消息流、上传数据集。零代码也能跑通一个 Magentic-One 风格的”会自己上网 + 写代码 + 操作文件”的 AI 助手。
🔁 5. Magentic-One 通用团队基线
微软在 AutoGen 上开源的”通用多智能体”参考实现：Orchestrator 动态规划 → 调用 Coder / Computer-Use / Web-Surfer / File-Surfer 四个专家完成任务，对标 OpenAI Operator 与 Anthropic Computer Use。
🎯 典型使用场景
场景一：自动数据分析 + 报告生成
做法：Planner Agent 拆解任务 → Coder Agent 写 pandas / matplotlib 代码 → Executor 在 Docker 里跑 → Writer Agent 把结果整理成 Markdown 报告。人类只在最后审阅。
收益：原本 2 小时的手工分析压缩到 10 分钟以内；每一步可追溯、可重放。
场景二：多角色代码评审 / PR 自动化
做法：Author Agent 改代码 → Reviewer Agent 提风格 / 性能意见 → Tester Agent 自动跑单测 + 覆盖率 → Approver 收口。整套流程在一个 SelectorGroupChat 里循环。
收益：把”人盯 PR”变成”AI 盯 PR”，工程师只看最后结论。
场景三：Magentic-One 通用办公助手
做法：把 Coder / Computer-Use / Web / Files 四个 Agent 配成团队，Orchestrator 自动调度。让它”打开 Chrome 去 LinkedIn 搜索 Python 后端岗位、截图、写到 jobs.md“——这是 OpenAI Operator 还没发布时，AutoGen 社区最早跑通的范式。
收益：任何能拆成”打开应用 → 抓信息 → 写文件”的流程都能交给它。
💡 推荐理由（也聊聊它的现状）
作为多智能体框架的”鼻祖级”项目，AutoGen 给整个行业留下了三份被广泛借鉴的遗产：把”对话”当作 Agent 协作的一等公民、把”人”显式拉进循环、把”工具调用”做成可插拔。从 2023 年发布至今，AutoGen 一直是 Multi-Agent 论文与开源项目的引用常客，60K Star 是其行业地位的最好注解。
实际用下来，AutoGen 最打动我的有三点：
- 上手曲线友好：AgentChat API 让你 5 行代码就能跑起一个”用户 ↔ 助手”对话；想加工具，
FunctionTool(...)一包就完事；想加人类审核，UserProxyAgent直接接管输入。 - 生态厚、可借鉴多：官方 + 社区沉淀了 Magentic-One、AutoGen Bench、AG2（前 AutoGen 延续）等一大批可直接 fork 的参考实现，几乎所有”AI 办公助手”类产品都能在 AutoGen 里找到原型。
- 底层够”工程”：Core API 的事件驱动 + 分布式 Runtime 设计，让它既能跑 Jupyter 玩具，也能跑生产级服务；而且 Python 与 .NET 双实现，给企业 .NET 栈留了通路。
⚠️ 也要如实告诉你：维护模式与迁移
自 2025 年起，AutoGen 仓库进入 社区维护模式（community-maintained）：bug fix 与小幅改进由社区接管，重大新特性已并入微软官方的 Microsoft Agent Framework。
对新项目而言：如果只是做多智能体原型 / 内部工具，现在的 AutoGen 仍然完全够用、生态最厚；如果是从 0 起步并预计要跑 2-3 年的产品，建议同步评估 Microsoft Agent Framework 与 AG2（原 AutoGen 核心贡献者 fork 的延续版本）。
📥 下载地址
PyPI 安装
pip install autogen-agentchat
#Microsoft #AutoGen #多智能体 #AgenticAI #开源项目