微軟開源AI Agent大更新，重塑智能體！多層級更強架構
今天凌晨，微軟宣布其開源AI Agent AutoGen 發(fā)布0.4版本，全面重新設計的庫，在代碼穩(wěn)定性、魯棒性、通用性和可擴展性方面更好，可以開發(fā)前沿高級AI Agent應用。
開源地址：https://github.com/microsoft/autogen
自微軟開源AutoGen以來在github已獲得超37000顆星，成為AI Agent領域應用最多的框架之一。由于開發(fā)者的快速增長，也帶來了API效率低下以及調(diào)試和干預功能有限等難題。
同時開發(fā)者對AI Agent自動化行為的可觀測性、控制能力、多層級Agent之間的協(xié)作有了更高的需求。所以，微軟對AutoGen 進行了大更新，發(fā)布0.4版本一次性解決所有問題。
0.4版本亮點功能
異步消息傳遞：Agent之間的通信采用了異步消息機制，不需要等待其他Agent的響應就可以繼續(xù)自動執(zhí)行任務。這種全新模式非常適合事件驅(qū)動的應用程序，Agent可以響應特定事件或條件觸發(fā)的動作。
同時也保留了傳統(tǒng)的請求/響應模式，一個Agent發(fā)送請求并等待另一個Agent的回應。
模塊化和可擴展性：用戶可以輕松地使用自定義Agent、工具、內(nèi)存和模型等，將不同的功能模塊組合起來，構建出滿足特定業(yè)務場景的Agent系統(tǒng)。例如，可以通過注冊不同的Agent類型和工具，來實現(xiàn)特定的自動化功能。
可觀測性和調(diào)試：內(nèi)置的指標跟蹤、消息追蹤和調(diào)試工具，能夠?qū)gent交互和工作流程進行監(jiān)控和控制?？梢郧宄涗汚gent工作流程中的每個步驟，包括大模型調(diào)用、工具使用、中間輸出、內(nèi)存狀態(tài)和提示模板等。
這對于醫(yī)療診斷、法律分析、金融投資等，需要對Agent的運行流程進行精準追溯的行業(yè)非常有幫助。
可擴展性和分布式：用戶可以設計復雜的、分布式的Agent網(wǎng)絡，可以在組織邊界之間無縫運行。通過分布式架構，可以將不同的Agent部署在不同的服務器或云平臺上，實現(xiàn)資源的合理分配和高效利用。
內(nèi)置和社區(qū)擴展：擴展模塊通過高級模型客戶端、Agent、多Agent團隊和Agent型工作流程工具增強了框架的功能。社區(qū)支持允許開源開發(fā)者管理自己的擴展，可以基于框架開發(fā)出更多具有特定功能的Agent或工具，并分享給其他開發(fā)者使用。
對于一些常見的功能需求，開發(fā)者可以直接使用社區(qū)提供的擴展模塊，無需從頭開始開發(fā)，極大降低了開發(fā)的難度和門檻。
跨語言支持：AutoGen 現(xiàn)在允許不同編程語言編寫的Agent之間進行互操作。例如，Python編寫的Agent可以與.NET 編寫的Agent協(xié)同工作。這項功能極大地拓寬了AutoGen的應用范圍，并消除了由于編程語言差異造成的障礙
除了新增功能之外，微軟對AutoGen的基礎架構也進行了重塑，包括核心、Agent聊天和擴展。
核心，事件驅(qū)動Agent系統(tǒng)的基石；Agent聊天，基于核心層構建的任務驅(qū)動的高級API，具有群聊、代碼執(zhí)行、預構建Agent等功能；擴展，核心接口實現(xiàn)了和第三方集成，例如，Azure代碼執(zhí)行器和OpenAI模型等。
在UI方面也進行了大量更新：通過UI進行交互式反饋，添加用戶Agent以實現(xiàn)在團隊運行期間實時的用戶輸入和指導；
消息流可視化，通過直觀的UI界面理解Agent通信，該界面映射消息路徑和依賴關系；可視化拖拽界面，使用拖放組件到位置并配置它們的關系和屬性的界面，可視覺化設計Agent。
集成Magentic-One
Magentic-One也是微軟開源的一款多層級通用AI Agent，現(xiàn)在也集成在了AutoGen中。
Magentic-One是一個多層級架構，分別由Orchestrator、WebSurfer、FileSurfer、Coder和ComputerTerminal 5個AI Agent組成。
每個專業(yè)Agent都擁有自己的技能集和知識庫，能夠在各自的領域內(nèi)高效運作。但它們并非孤立工作，而是通過 Orchestrator 進行協(xié)調(diào)，確保所有活動都是連貫且符合最終目標。
Orchestrator負責整個任務的規(guī)劃、進度跟蹤及錯誤恢復。當接收到一個任務時，會深度分析任務需求，并根據(jù)需要分配給其他四個專業(yè)Agent不同的子任務。
?
這些專業(yè)Agent分別擅長處理特定類型的任務，WebBrowser Agent 能處理網(wǎng)頁瀏覽相關的操作，F(xiàn)ileNavigatorAgent 管理本地文件系統(tǒng)的導航，Code WriterAgent負責編寫和執(zhí)行Python 代碼片段，ComputerTerminal則允許執(zhí)行操作系統(tǒng)級別的命令，從而為更高層次的任務提供底層支持。
在 Magentic-One 架構中，異步事件驅(qū)動是一個很重要功能。傳統(tǒng)上，許多系統(tǒng)依賴于同步請求-響應模式，其中每次調(diào)用都需要等待結果返回才能繼續(xù)下一步驟。而異步方法允許系統(tǒng)中的組件并發(fā)運行，在任何時候接收新輸入或觸發(fā)動作，而不會阻塞其他部分的工作。
例如，當 Orchestrator 分配了一個涉及下載網(wǎng)頁內(nèi)容并從中提取信息的任務給WebBrowserAgent 后可以立即開始加載頁面，同時 Orchestrator 和其他Agent繼續(xù)處理其他任務。
一旦頁面加載完成并且所需的數(shù)據(jù)被提取出來，WebBrowserAgent 就會向 Orchestrator 發(fā)送通知，告知任務已完成并將結果傳遞回去。這種方式使得 Magentic-One 能夠更有效地管理資源，減少等待時間，并更好地應對高并發(fā)場景下的挑戰(zhàn)。
除了異步事件驅(qū)動架構外，Magentic-One 的另一個顯著特點是其高度模塊化的設計。這意味著每個Agent都可以被視為獨立的功能單元，具有明確的職責范圍和接口定義。結構簡化了系統(tǒng)的構建流程，因為開發(fā)者只需關注單個Agent的功能實現(xiàn)，而不必擔心與其他部分的交互細節(jié)。
更重要的是，模塊化促進了代碼重用和技術共享，已經(jīng)存在的Agent可以直接應用于新的項目中，或者稍加修改就能適應不同的應用場景。
此外，Magentic-One 的模塊化設計也帶來了極大的可擴展性。隨著技術的進步或業(yè)務需求的變化，可以輕松地添加新的Agent或更新現(xiàn)有Agent的功能，而不需要對整個系統(tǒng)進行大規(guī)模改造。例如，如果發(fā)現(xiàn)某個領域內(nèi)的任務變得更加復雜，可以通過引入專門針對該領域的Agent來增強系統(tǒng)的處理能力。
本文轉(zhuǎn)自 AIGC開放社區(qū) ，作者：AIGC開放社區(qū)
