今天凌晨，微软宣布其开源AI Agent AutoGen 发布0.4版本，全面重新设计的库，在代码稳定性、鲁棒性、通用性和可扩展性方面更好，可以开发前沿高级AI Agent应用。
开源地址：https://github.com/microsoft/autogen
自微软开源AutoGen以来在github已获得超37000颗星，成为AI Agent领域应用最多的框架之一。由于开发者的快速增长，也带来了API效率低下以及调试和干预功能有限等难题。
同时开发者对AI Agent自动化行为的可观测性、控制能力、多层级Agent之间的协作有了更高的需求。所以，微软对AutoGen 进行了大更新，发布0.4版本一次性解决所有问题。
0.4版本亮点功能
异步消息传递：Agent之间的通信采用了异步消息机制，不需要等待其他Agent的响应就可以继续自动执行任务。这种全新模式非常适合事件驱动的应用程序，Agent可以响应特定事件或条件触发的动作。
同时也保留了传统的请求/响应模式，一个Agent发送请求并等待另一个Agent的回应。
模块化和可扩展性：用户可以轻松地使用自定义Agent、工具、内存和模型等，将不同的功能模块组合起来，构建出满足特定业务场景的Agent系统。例如，可以通过注册不同的Agent类型和工具，来实现特定的自动化功能。
可观测性和调试：内置的指标跟踪、消息追踪和调试工具，能够对Agent交互和工作流程进行监控和控制。可以清楚记录Agent工作流程中的每个步骤，包括大模型调用、工具使用、中间输出、内存状态和提示模板等。
这对于医疗诊断、法律分析、金融投资等，需要对Agent的运行流程进行精准追溯的行业非常有帮助。
可扩展性和分布式：用户可以设计复杂的、分布式的Agent网络，可以在组织边界之间无缝运行。通过分布式架构，可以将不同的Agent部署在不同的服务器或云平台上，实现资源的合理分配和高效利用。
内置和社区扩展：扩展模块通过高级模型客户端、Agent、多Agent团队和Agent型工作流程工具增强了框架的功能。社区支持允许开源开发者管理自己的扩展，可以基于框架开发出更多具有特定功能的Agent或工具，并分享给其他开发者使用。
对于一些常见的功能需求，开发者可以直接使用社区提供的扩展模块，无需从头开始开发，极大降低了开发的难度和门槛。
跨语言支持：AutoGen 现在允许不同编程语言编写的Agent之间进行互操作。例如，Python编写的Agent可以与.NET 编写的Agent协同工作。这项功能极大地拓宽了AutoGen的应用范围，并消除了由于编程语言差异造成的障碍
除了新增功能之外，微软对AutoGen的基础架构也进行了重塑，包括核心、Agent聊天和扩展。
核心，事件驱动Agent系统的基石；Agent聊天，基于核心层构建的任务驱动的高级API，具有群聊、代码执行、预构建Agent等功能；扩展，核心接口实现了和第三方集成，例如，Azure代码执行器和OpenAI模型等。
在UI方面也进行了大量更新：通过UI进行交互式反馈，添加用户Agent以实现在团队运行期间实时的用户输入和指导；
消息流可视化，通过直观的UI界面理解Agent通信，该界面映射消息路径和依赖关系；可视化拖拽界面，使用拖放组件到位置并配置它们的关系和属性的界面，可视觉化设计Agent。
集成Magentic-One
Magentic-One也是微软开源的一款多层级通用AI Agent，现在也集成在了AutoGen中。
Magentic-One是一个多层级架构，分别由Orchestrator、WebSurfer、FileSurfer、Coder和ComputerTerminal 5个AI Agent组成。
每个专业Agent都拥有自己的技能集和知识库，能够在各自的领域内高效运作。但它们并非孤立工作，而是通过 Orchestrator 进行协调，确保所有活动都是连贯且符合最终目标。
Orchestrator负责整个任务的规划、进度跟踪及错误恢复。当接收到一个任务时，会深度分析任务需求，并根据需要分配给其他四个专业Agent不同的子任务。
这些专业Agent分别擅长处理特定类型的任务，WebBrowser Agent 能处理网页浏览相关的操作，FileNavigatorAgent 管理本地文件系统的导航，Code WriterAgent负责编写和执行Python 代码片段，ComputerTerminal则允许执行操作系统级别的命令，从而为更高层次的任务提供底层支持。
在 Magentic-One 架构中，异步事件驱动是一个很重要功能。传统上，许多系统依赖于同步请求-响应模式，其中每次调用都需要等待结果返回才能继续下一步骤。而异步方法允许系统中的组件并发运行，在任何时候接收新输入或触发动作，而不会阻塞其他部分的工作。
例如，当 Orchestrator 分配了一个涉及下载网页内容并从中提取信息的任务给WebBrowserAgent 后可以立即开始加载页面，同时 Orchestrator 和其他Agent继续处理其他任务。
一旦页面加载完成并且所需的数据被提取出来，WebBrowserAgent 就会向 Orchestrator 发送通知，告知任务已完成并将结果传递回去。这种方式使得 Magentic-One 能够更有效地管理资源，减少等待时间，并更好地应对高并发场景下的挑战。
除了异步事件驱动架构外，Magentic-One 的另一个显著特点是其高度模块化的设计。这意味着每个Agent都可以被视为独立的功能单元，具有明确的职责范围和接口定义。结构简化了系统的构建流程，因为开发者只需关注单个Agent的功能实现，而不必担心与其他部分的交互细节。
更重要的是，模块化促进了代码重用和技术共享，已经存在的Agent可以直接应用于新的项目中，或者稍加修改就能适应不同的应用场景。
此外，Magentic-One 的模块化设计也带来了极大的可扩展性。随着技术的进步或业务需求的变化，可以轻松地添加新的Agent或更新现有Agent的功能，而不需要对整个系统进行大规模改造。例如，如果发现某个领域内的任务变得更加复杂，可以通过引入专门针对该领域的Agent来增强系统的处理能力。
本文素材来源微软，如有侵权请联系删除
END
