AutoGen: Ein von Microsoft entwickeltes Multi-Intelligent Body Dialogue Framework

Allgemeine Einführung

AutoGen ist ein Open-Source-Framework, das von einem Team von Microsoft-Forschern entwickelt wurde und sich auf die Vereinfachung des Aufbaus von Large-Language-Model (LLM)-Anwendungen durch multi-intelligente Körperdialoge konzentriert. Es ermöglicht Entwicklern, KI-Agenten zu erstellen, die miteinander kommunizieren und zusammenarbeiten können, um Aufgaben zu lösen. Dieser Ansatz verbessert nicht nur die Leistung von LLMs, sondern erhöht auch die Flexibilität und den Nutzen des Systems, indem er menschliche Eingaben und die Nutzung von Werkzeugen integriert.AutoGen unterstützt alles, von einfachen Dialogen zwischen zwei intelligenten Agenten bis hin zu komplexen Gruppenchats mit mehreren intelligenten Agenten für Workflows aller Komplexitäten.

Microsoft stellt AutoGen 0.4 vor, eine komplett neu geschriebene und nicht rückwärtskompatible Version von AutoGen. Die neue Version 0.4 von AutoGen verwendet eine mehrschichtige, erweiterbare, modulare Architektur und ist ein asynchrones, nachrichtengesteuertes, erweiterbares Multi-Agenten-Framework für den Aufbau fortschrittlicher intelligenter KI-Körpersysteme.

Funktionsliste

• Multi-Intelligenz-ZusammenarbeitErmöglicht es mehreren KI-Agenten, im Dialog zusammenzuarbeiten, um komplexe Aufgaben zu lösen.
• Anpassbarkeit und ErweiterbarkeitDie Entwickler können das Verhalten und die Dialogmuster der Intelligenzen nach Bedarf anpassen.
• Unterstützung für die Beteiligung der MenschenIntelligentsia kann mit menschlichen Nutzern interagieren und menschliches Feedback erhalten, um die Aufgabenausführung zu optimieren.
• WerkzeugintegrationIntelligente Stellen können Code oder externe Tools direkt verwenden, um die Aufgabenbearbeitung zu verbessern.
• Vielfältige AnwendungsszenarienEs gibt Beispiele für Anwendungen in Bereichen, die von der mathematischen Problemlösung über die Programmierung bis hin zur Optimierung von Lieferketten reichen.
• LeistungsoptimierungVerbesserung der Effizienz von LLM durch Mechanismen wie Multi-Configuration Reasoning und Caching.

AutoGen-Kern

AutoGen-Core ist die Kern-API des AutoGen-Frameworks, die auf dem Actor-Modell basiert und asynchrone Nachrichtenübermittlung zwischen Intelligenzen und ereignisgesteuerte Workflows unterstützt. Es bietet die zugrundeliegende Infrastruktur, die es Entwicklern ermöglicht, hochflexible und skalierbare multi-intelligente Körpersysteme zu erstellen. Zu den wichtigsten Funktionen gehören:

• asynchrones MessagingIntelligentsia: Intelligentsia kommunizieren über asynchrone Nachrichten miteinander, um eine effiziente gleichzeitige Verarbeitung zu gewährleisten.
• ereignisgesteuerter WorkflowUnterstützung von ereignisbasiertem Workflow-Management, so dass das System auf Veränderungen in der Umgebung und auf Aufgabenanforderungen reagieren kann.
• hohe FlexibilitätBietet ein hohes Maß an Kontrolle über die zugrundeliegenden Komponenten und eignet sich für eine tiefgreifende Anpassung und Optimierung durch fortgeschrittene Benutzer.

AutoGen-AgentChat

AutoGen-AgentChat ist eine High-Level-API, die auf AutoGen-Core aufbaut und sich auf die Erstellung multi-intelligenter Körperdialoganwendungen konzentriert. Es bietet Entwicklern eine höhere Abstraktionsebene, die die Erstellung und Verwaltung von multi-intelligenten Körpersystemen vereinfacht. Die wichtigsten Merkmale sind:

• auftragsorientiertErmöglicht die Definition von Dialogintelligenzen und deren Zusammenstellung zur Lösung bestimmter Aufgaben.
• Vordefiniertes VerhaltenVoreingestellte Verhaltensweisen von Intelligenzen und Multi-Intelligenz-Entwurfsmodi sind für eine schnelle Inbetriebnahme vorgesehen.
• benutzerfreundlichGeeignet für Anfänger, mit intuitiven Standardeinstellungen und einer leicht verständlichen Benutzeroberfläche.

Hilfe verwenden

Installation und Einrichtung

Um mit AutoGen zu arbeiten, muss es zunächst über den Python-Paketmanager Pip installiert werden:

pip install -U "autogen-agentchat" "autogen-ext[openai]"

Zur Nutzung einiger Funktionen benötigen Sie einen OpenAI-API-Schlüssel, der über Umgebungsvariablen festgelegt werden kann:

export OPENAI_API_KEY='your-api-key-here'

AutoGen verwenden

Grundlegende Intelligenz schaffen::

from autogen import AssistantAgent, UserProxyAgent
# 定义一个助手智能体
assistant = AssistantAgent("assistant", 
llm_config={
"config_list": [{"model": "gpt-4", "api_key": os.environ["OPENAI_API_KEY"]}]
})
# 创建一个用户代理
user_proxy = UserProxyAgent("user_proxy", 
code_execution_config={"work_dir": "coding", "use_docker": False})
# 开始对话
user_proxy.initiate_chat(assistant, message="解释一下什么是AutoGen？")

Aufbau von Multi-Intelligenz-Systemen::

AutoGen unterstützt komplexere Multi-Intelligenz-Interaktionen, wie z. B. Gruppenchats:

from autogen import GroupChat, GroupChatManager
# 假设你已经定义了多个智能体
group_chat = GroupChat(agents=[assistant, another_agent], messages=[], max_round=10)
manager = GroupChatManager(group_chat)
user_proxy.initiate_chat(manager, message="团队合作解决这个编程问题：...")

Einsatz von Werkzeugen::

Intelligentsia kann Tools wie die Ausführung von Code oder die Durchführung von Websuchen aufrufen:

# 配置代码执行环境
user_proxy = UserProxyAgent("user_proxy", code_execution_config={"work_dir": "coding", "use_docker": True})
# 让智能体执行代码
user_proxy.initiate_chat(assistant, message="编写并执行一个简单的Python脚本来打印'Hello, AutoGen!'")

Anpassung des intelligenten Körperverhaltens::

Sie können bestimmte Verhaltensweisen der Intelligenz definieren, z. B. das Reagieren unter bestimmten Bedingungen:

defcustom_handler(message):
if"error"in message.get("content", "").lower():
return"检测到错误，正在重新尝试..."
returnNone
assistant.register_handler(custom_handler, event="on_message")

Arbeitsablauf

• Einen Dialog einleiten: durchinitiieren_chatMethoden können die Kommunikation zwischen Intelligenzen oder die Interaktion zwischen Intelligenzen und Nutzern in Gang setzen.
• Überwachung und ÄnderungIntelligentsia kann während eines Dialogs hinzugefügt oder verändert werden, oder die Dialogregeln können je nach Aufgabe geändert werden.
• Schlussfolgerung und ErgebnisseAm Ende des Dialogs ist es möglich, den generierten Inhalt oder die Ergebnisse der Ausführung der Intelligenzen zu betrachten und ihre Leistung und Genauigkeit zu analysieren.

Die Verwendung von AutoGen erfordert einige grundlegende Python-Programmierkenntnisse, aber die Dokumentation und die Beispiele sind umfangreich und helfen Anfängern, schnell loszulegen. Mit diesen Schritten und Beispielen können Sie beginnen, die Möglichkeiten von AutoGen für die Entwicklung von KI-Anwendungen zu erkunden.

Das Ökosystem unterstützt auch zwei wichtige Entwickler-Tools:

AutoGen-Studio Bietet eine codefreie GUI für die Erstellung von Multi-Agenten-Anwendungen.

AutoGen Bench bietet eine Benchmarking-Suite zur Bewertung der Agentenleistung.