### [Microsoft AutoGen – 微软开源多智能体AI编程框架 [59.9K+ Stars]](https://www.willai.cc/article/4212)

**Published:** 2026-07-23T00:51:47

**Author:** hiyoho

**Excerpt:** 📝 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

## 📝 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。

59.9K+

GitHub Stars

9.0K+

Forks

Python / .NET

双语言支持

MIT

代码许可

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
```

**⚠️ 版本提示**：自 v0.4 起，包名由 `pyautogen` 改为 `autogen-agentchat` / `autogen-ext`。v0.2 用户可参考 [官方迁移指南](https://microsoft.github.io/autogen/stable/user-guide/agentchat-user-guide/migration-guide.html)。

## 🏗️ 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：

![AutoGen 三层架构：Extensions / AgentChat / Core](https://admin.hiyoho.com/wp-content/uploads/2026/07/autogen_arch_3layers.png)

-   **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。

![Magentic-One 风格的多智能体协作流程：Orchestrator + 4 个专家 Agent](https://admin.hiyoho.com/wp-content/uploads/2026/07/autogen_conversation.png)

## 🎯 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：

1.  **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。
2.  **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。
3.  **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](https://github.com/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

🌐

### 官方网站

[microsoft.github.io/autogen](https://microsoft.github.io/autogen/)

🐙

### GitHub 仓库

[github.com/microsoft/autogen](https://github.com/microsoft/autogen)

📚

### 文档中心

[stable 文档](https://microsoft.github.io/autogen/stable/)

🐍

### PyPI 安装

pip install autogen-agentchat

* * *

#Microsoft #AutoGen #多智能体 #AgenticAI #开源项目

**Tags:** Agentic AI, AI, AI Agent, AI开源项目, AutoGen, LLM, Microsoft, MIT许可, Python, 多智能体系统

**Categories:** 开源项目

---