这文讲解了如何安装和使用 Microsoft 的 Autogen 工具。它能让多个“代理”协作完成任务，比如对话管理、调用工具等。文中还介绍了关键组件 ConversableAgent 和 GroupChat，以及一些实用的示例程序，比如绘制股票走势图、执行代码等，帮助用户轻松上手并解决复杂问题。

1 安装

1
pip install pyautogen

2 源码

1
git clone https://github.com/microsoft/autogen
  • 下载了 2.2G，其中 2.1G 在.git 文件夹下，其余约 60M。只需关注主分支即可。
  • 核心代码位于 autogen/agentchat 目录，核心组件包括：conversable_agent 和 groupchat。
  • conversable_agent：用于管理每个角色的行为。
    • agent -> ConversableAgent：会话的基类，一般不直接使用，而是作为其他类的父类。它能保持对话状态、历史记录，并调用其他工具。
      • Agent 可以指定自己在什么情况下被调用，比 Tool 或 function 更强大。
      • 参数 system_message 指定其用途。
      • 参数 description 告知其他代理什么时候该调用它（如提示：... DO NOT call this Agent in any other scenarios.）
      • 核心函数 generate_reply() 它会依次尝试各种 reply，含终止，用户输入，调函数，执行代码，llm 回答…… 这些 reply 在 __init__ 时被注册到 _reply_func_list 中
    • ConversableAgent -> UserProxyAgent：用户角色，用于模拟用户输入和执行代码等。user_proxy 充当的角色之一是老板，而其他 agent 是员工。无论其他 agent 做什么，至少需要一个 user_proxy 提出目标问题。
    • ConversableAgent -> AssistantAgent：AI 角色，用于执行任务处理、调用 API 和逻辑推理等相关代码。
  • groupchat：用于管理多个 Agent 的协作。
    • GroupChat：管理多个代理之间的对话，相当于管理一个群聊房间。可通过字典图限定各个 Agent 可与谁交互。
      • 通过多个 agent 以一定规则结合实现一个大功能，具体规则可以由聊天组来定义。
      • 所有代理都参与到一个对话线程中并共享相同的上下文。这对于需要多个代理之间协作的任务非常重要。
      • 如果有两个以上代理，就不确定的下一句话该传给谁，就需要使用 ChatGroup 管理，并利用 transitions 设置代理之间的衔接。
    • GroupChatManager：管理多个 GroupChat，相当于多个群聊房间的管理者，负责统筹多个对话组的协调和资源分配。

3 程序及分析

以下程序用于绘制 NVDA 和 TESLA 的股票走势图，并允许用户参与对话，共同推进任务的完成。在运行过程中，遇到找不到 yfinance 库的问题时，程序会将问题反馈给大模型，由大模型自动完成安装。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
import os
from dotenv import load_dotenv
from autogen import AssistantAgent, UserProxyAgent

load_dotenv()
llm_config = {
	"model": "gpt-4o",
	"api_key": os.environ.get("OPENAI_API_KEY"),
	"base_url": os.environ.get("OPENAI_API_BASE"),
	"temperature": 0.9,
}

assistant = AssistantAgent("assistant", llm_config=llm_config)
user_proxy = UserProxyAgent(
	"user_proxy", code_execution_config={"work_dir": "coding", "use_docker": False}	
	) 
user_proxy.initiate_chat(assistant, message="Plot a chart of NVDA and TESLA stock price change YTD.")
  • 对话至少包含一个 AssistantAgent 和一个 UserProxyAgent。
  • AssistantAgent：用于与 LLM 交互。
    • 参数：llm_config=llm_config，设置 LLM 参数，需要访问大模型。
  • UserProxyAgent：用于与程序员交互及运行代码。
    • 参数：code_execution_config，设置是否运行代码和相关配置。
    • 参数：human_input_mode="NEVER"，设置是否需要与人交互，默认情况下最后一步与人交互。
  • initiate_chat：开始对话。
    • 参数：max_turns=2，限制讨论回合数。
  • 分析：对话开始后，在两个代理之间展开。A.send() -> B.recv(), B.send() -> A.recv()... 如此往复直到结束（找到答案、超过对话轮数或满足退出条件）。每次 AssistantAgent 调用 LLM 时，会参考初始问题和当前的多轮对话内容做出回应（具体操作包括调用工具、语言回复或生成代码，见 ConversableAgent 类中实现）。UserProxyAgent 可以让用户参与、执行代码或调用工具来完成具体任务。

4 工具

4.1 使用预先定义的工具

  • 这里的工具是指预定义功能，而不是在对话中由 LLM 编写的代码。
  • 工具必须至少向两个代理注册，才能在对话中发挥作用。
    • 选择工具：向 AssistantAgent 注册，告诉 LLM 这些工具可供使用，由 LLM 判断何时调用它，并将输入信息转换为工具需要的格式。(register_for_llm)
    • 执行工具：向 UserProxyAgent 注册，让 UserProxyAgent 可以运行该工具。(register_for_execution)
    • 也可以使用 autogen.register_function 函数同时向两个代理注册工具。
  • 参考：在 autogen 中定义并使用 tool 的示例

4.2 autogen 自带的工具

功能并非全部是去年发论文时就有的，有些是在近几个月才加的。例如 graph_rag，各种 RAG；还可以调 langchain 和 llamaindex 提供的工具。autogen 并没有自己实现很多功能，但很擅长利用已有工具，给人一种集大成者的感觉。它还支持在 Docker 内部运行工具和代码。

具体代码见：autogen/agentchat/contrib/

4.3 示例代码

Autogen 是 Microsoft 出品的一款工具，从代码到文档再到示例都很完善。好消息是：你能想到的常用功能，在 demo 里都有；坏消息是：demo 有多达 70 多个，其中有些还很长。

具体示例见：autogen/notebook/*.ipynb

  • Async_human_input：异步对话，主要示例如何继承 Agent。
  • JSON_model_example：示例如何使用 LLM 的 JSON 回复，以及多 agent 协调。
  • agentchat_MathChat.ipynb：解决数学问题的 agent，示例了 config 的用法。这里示例 autogen 中原因数学工具的用法，参考它可以实现具体作为工具的 Agent。
  • agentchat_RetrieveChat.ipynb：使用 autogen 原生的 RetrieveUserProxyAgent 处理数据检索；可以检索网上的文档，并生成答案；还包含了往向量数据库里加数据，可定义上下文。
  • agentchat_RetrieveChat_pgvector.ipynb：向量数据库检索示例，这里嵌入使用了 SentenceTransformer，一个 BERT 模型。其原理是将数据切块后放入向量库，检索时从库中找到包含检索内容的块，再由 LLM 筛选并组织出有用内容。
  • agentchat_function_call.ipynb：用 autogen 执行自己定义的函数，类似于 Langchain 工具定义写法。
  • agentchat_group_chat_with_llamaindex_agents.ipynb：用 autogen 调用 LlamaIndex，并使用其内部定义的 Agent。autogen 专门实现了 LLamaIndexConversableAgent，以便与 LlamaIndex 衔接。
  • agentchat_langchain.ipynb：使用 Langchain 提供的工具作为函数，通过 autogen 的 function_call 方法，以 langchain 的 tool/toolkit 方式调用，跳过了 langchain 原生的 agent_executor 方式。
  • agentchat_memory_using_mem0.ipynb：使用 mem0 管理会话，以生成个性化 AI 体验。自我提升记忆是一种自适应系统，不断从用户交互中学习，随着时间推移完善理解，因此会话不用自己管理。
  • agentchat_multi_task_chats.ipynb：顺序执行多个任务，示例了 agent 参数用法，并调用 initiate_chats 串行多个任务。每个任务针对一个 Agent 对话都可能是多轮的；还示例了 chat_result 的解析，还涉及群聊。如果不指定数据流向，则 GroupChat(agents=[user_proxy, research_assistant..) 会从 agents 列表中从前向后流动。
  • agentchat_oai_assistant_retrieval.ipynb：使用了 autogen 调用 OpenAI Assistant 的增强生成工具实现 GPTAssistantAgent，封装了根据问题和提供的数据使用 LLM 回答问题。
  • agentchat_society_of_mind.ipynb：维护层级关系，实现了 SocietyOfMindAgent。UserProxy 与其对话，其内部可包含 ChatGroup，把内部操作对外屏蔽。
  • agentchat_web_info.ipynb：示例了需要从 Web 获取信息的任务，例如讨论论文和股票市场。通过生成和执行代码，从网页上抓取数据，而无需事先定义工具。

5 总结

对话在各个 Agent 之间流动，不必有一个主控来监督每一次交互，但可以设置一些控制点。程序员可以控制以下方面：

  • 定义不同层面的功能：GroupChat 的功能、各个 Agent 的功能、各个 Tools 的功能。
  • 设置默认回复和终止条件：如最大轮数、文本条件和程序条件。
  • 设计控制流：手动设定 Agent 之间的关系，指定用户在何种情况下参与对话。