AutoGen

一句话定位

Microsoft 出品的事件驱动多智能体框架：底层 autogen-core 提供 actor 式消息传递（send / publish-subscribe）、agent runtime（单进程 / 分布式 / 跨 .NET-Python）与一套与 LLM provider 无关的 model/tool/memory 抽象；上层 autogen-agentchat 在其上封装 AssistantAgent 与 RoundRobin / Selector / Swarm / GraphFlow / Magentic-One 等 group chat 编排模式，主打”两个 agent 对话到一队专家协作”。当前已进入 maintenance mode，官方推荐新项目转向 Microsoft Agent Framework。

设计理念 / 顶层架构

AutoGen 的核心范式不是单 agent 的 ReAct 循环，而是 actor 模型 + 事件驱动消息传递——agent 是订阅 topic、处理 typed message 的独立单元，多智能体协作是这套消息系统的自然产物。设计取舍：

• 分层、可在不同抽象层介入（README:179）：autogen-core（消息、runtime、底层抽象）→ autogen-agentchat（opinionated 高层 API，常见多 agent 模式）→ autogen-ext（OpenAI/Azure client、code executor 等一/三方扩展）。agentchat 仅依赖 core（autogen-agentchat/pyproject.toml）。
• Agent = 消息处理器：底层 Agent 是 Protocol，BaseAgent/RoutedAgent 用 @message_handler/@event/@rpc 装饰器把方法注册为按消息类型分发的 handler（autogen-core/src/autogen_core/_routed_agent.py:415）。runtime 负责投递。
• 两种通信原语：send_message（点对点 RPC，有返回值）与 publish_message（按 TopicId 广播 pub/sub，无返回）（autogen-core/src/autogen_core/_agent_runtime.py:22,50）。group chat 正是建立在 pub/sub + topic 订阅之上。
• Component 配置系统：几乎所有抽象（agent、team、model client、tool、termination、memory、model_context）都继承 Component，支持 dump_component()/load_component() 声明式序列化（用于 AutoGen Studio 等无代码工具）。
• 入口 API：from autogen_agentchat.agents import AssistantAgent；await agent.run(task=...) 返回 TaskResult，run_stream(...) 返回异步事件流。

最小示例（取自 README:51）：

import asyncio
from autogen_agentchat.agents import AssistantAgent
from autogen_ext.models.openai import OpenAIChatCompletionClient

async def main() -> None:
    model_client = OpenAIChatCompletionClient(model="gpt-4.1")
    agent = AssistantAgent("assistant", model_client=model_client)
    print(await agent.run(task="Say Hello World!"))
    await model_client.close()

asyncio.run(main())

多 agent 团队（RoundRobin + 终止条件，AgentChat 典型形态）：

from autogen_agentchat.agents import AssistantAgent
from autogen_agentchat.teams import RoundRobinGroupChat
from autogen_agentchat.conditions import TextMentionTermination

team = RoundRobinGroupChat(
    [writer, critic],                              # 一组 ChatAgent
    termination_condition=TextMentionTermination("APPROVE"),
    max_turns=10,
)
result = await team.run(task="Write a short poem.")

组件实现（横向逐项）

设计权衡与特性

• actor/事件驱动 vs 命令式编排：与多数”主循环 + 工具列表”的 single-agent 框架不同，AutoGen 把多 agent 协作建模为消息传递系统。优点是天然支持并发、分布式、跨语言（.NET ↔ Python via gRPC + protobuf）；代价是心智模型更重——理解 topic/subscription/runtime 才能玩转底层 core。
• 双层 API 的清晰分工：autogen-core 给追求控制力的用户（自定义 runtime、消息类型），autogen-agentchat 给要快速搭多 agent 团队的用户。多数应用只碰 agentchat 层，从 v0.2 升级者也最熟悉它。
• 编排模式齐全：RoundRobin（确定性轮转）、Selector（LLM 动态选人）、Swarm（handoff/交接驱动，OpenAI Swarm 风格）、GraphFlow（DiGraph 显式工作流，支持条件边/并行/循环）、Magentic-One（task+progress ledger 的通用 orchestrator，可跑 web/代码任务）——覆盖从静态流水线到自主编排的谱系。
• Component 声明式序列化：几乎所有对象可 dump/load 成配置，是 AutoGen Studio 无代码 GUI 的基础，也利于 team/agent 的存取与复现。
• 可观测性是一等公民：runtime 原生埋 OpenTelemetry，外加细粒度结构化事件流（thought / tool-call / memory-query 等），调试多 agent 交互比纯日志清晰。
• License 分裂（注意）：仓库根 LICENSE 是 CC BY 4.0（面向文档/内容），而各 Python 包的 pyproject.toml 与 LICENSE-CODE 声明 MIT（面向代码）。引用时应以 MIT 视代码许可。
• Maintenance mode（重要）：README 顶部明确 AutoGen 已进入维护模式，不再加新功能，社区管理；官方建议新项目用 Microsoft Agent Framework（MAF），并提供迁移指南。学习其架构仍有价值，但生产选型需权衡。

关联

• component-taxonomy · single-vs-multi-agent · multi-agent-orchestration
• 同范式（multi-agent 编排）：connectonion（对比：单 agent + 电池/平台） · 源码：agents-example/autogen/