关于 AutoGen
AutoGen 是微软研究院开源的多智能体框架, 以「可对话智能体」为核心抽象, 让多个 Agent 通过消息往来协作, 并可让其中一方直接执行代码, 早期在自动编程与多智能体研究圈迅速走红。该仓库现由微软与社区共同维护, 新特性开发已基本停止, 官方把长期方向转向了统一 AutoGen 与 Semantic Kernel 的 Microsoft Agent Framework。
需要留意项目已分成两条线: 一是微软仓库, 处于维护模式, 只做缺陷与安全修复; 二是社区分叉 AG2, 由原 AutoGen 作者主导、在 ag2ai 组织下独立治理并持续开发, 采用 Apache 2.0 许可。更麻烦的是包名, PyPI 上的 autogen 与 pyautogen 目前可能指向 AG2 而非微软版本, 安装前务必确认实际拉到的代码库与版本。
参数与价格速览
| 模型 | 框架本身不绑定模型, 通过配置对象接入 OpenAI、Azure OpenAI、Anthropic 等云端模型, 也能接本地推理服务。经典用法里常配一个可执行代码的智能体加一个代用户发言的智能体。由于项目已分叉, 具体模型的接入方式在微软版与 AG2 中略有差异, 以所选分支的文档为准。 |
|---|---|
| 上下文长度 | Python 库, pip 安装后可嵌入自有服务, 也可配合 Docker 做代码执行的隔离。分叉之后微软版与 AG2 各自有独立的安装方式与命名空间, 部署形态以所选分支的官方文档为准。 |
| 国内访问 | 可直接访问 |
| 免费额度 | 完全开源免费, 无授权费、无官方用量限制, 成本仅为自付的模型 API 开销。微软与 AG2 均未推出付费版本, 也没有官方托管云服务, 运行、扩容与运维全部由使用者自行承担。 |
| API 价格 | 项目本身不收费, 也没有官方 API 或云端计费。实际支出取决于所选模型供应商的 token 价格与自建推理的算力成本。相比商业化平台, AutoGen 系没有订阅费, 但同样也没有托管、监控与 SLA 等配套服务。 |
| 上线时间 | 2023-08 |
优缺点
优点
1) 会话式多智能体范式影响深远, 概念清晰、论文与示例丰富, 是学习多智能体协作的经典入口, 支撑过大量研究与教学项目, 理解协作机制时很直观; 2) 代码执行与人在回路的设计成熟, 适合自动编程、数据分析与科研实验类场景, 社区积累了海量可复用样例与教程; 3) 完全开源免费, 没有授权与用量限制, 模型可自由替换或接本地推理, 对预算敏感且愿意自己动手的团队很友好, 也完全不会被单一厂商锁定。
缺点
1) 微软主仓库已进入维护模式, 只修缺陷不再加新功能, 长期依赖存在风险, 官方重心转向 Microsoft Agent Framework; 2) 项目分裂成微软版与社区 AG2 两条线, 名字相近、PyPI 包名互相交叉, 安装时极易装错, 排查与选型成本都高; 3) 没有官方托管与商业支持, 生产化所需的监控、权限与可观测性都要自己搭, 落地曲线比宣传中更陡, 也缺少官方基准与最佳实践指引。
适合人群与场景
做多智能体研究、教学与概念验证的团队, 以及已有 AutoGen 存量代码、需要判断迁移方向的工程团队; 若追求长期维护与商业支持, 建议同时评估 AG2 与 Microsoft Agent Framework。
相关链接
常见问题
AutoGen 和 AG2 到底有什么区别?
AG2 是原 AutoGen 作者离开微软后主导的社区分叉, 沿用原有的会话式智能体模型并独立持续开发, 采用 Apache 2.0 许可。微软仓库则进入维护模式, 只修缺陷与安全问题, 不再加新功能。两者名字相近、PyPI 包名互相交叉, 选型时要明确自己用的是哪一个, 并固定版本以免装错。
现在新项目还值得用 AutoGen 吗?
要看路线: 偏好原汁原味的会话式多智能体实验, 可考虑仍在活跃维护的 AG2; 若已绑定微软技术栈 (Azure、Semantic Kernel), 官方更推荐作为继任者的 Microsoft Agent Framework。若更看重长期支持与生态, 建议与 CrewAI、LangGraph 做了对比后再决定。
AutoGen 的同类替代品
以下是同场景的其他主流 AI 工具,可作为 AutoGen 的备选方案。 想一次看完,见 全部AI Agent 与自动化平台。