# AutoGenTest **Repository Path**: NanGePlus/AutoGenTest ## Basic Information - **Project Name**: AutoGenTest - **Description**: AutoGenTest - **Primary Language**: Python - **License**: Not specified - **Default Branch**: main - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 1 - **Forks**: 0 - **Created**: 2024-12-03 - **Last Updated**: 2025-03-26 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # 1、项目介绍 ## 1.1、本次分享介绍 (1)AutoGen框架介绍 (2)AutoGen功能测试 相关视频: https://www.bilibili.com/video/BV1tGzSYxEZe/ https://youtu.be/jbEXvhWACqk ## 1.2 AutoGen介绍 AutoGen是微软发布的一个用于构建AI Agent系统的开源框架，简化了事件驱动、分布式、可扩展和弹性Agent应用程序的创建过程 通过AutoGen可以快速构建AI Agent协作的系统并自主或在人类监督下执行任务 github地址:https://github.com/microsoft/autogen ### (1)版本 **AutoGen0.2** 当前的稳定版本，一直维护 **AutoGen0.4** 是最新架构的第一版本，此版本仍处于开发阶段 V0.4版本是对AutoGen的一次从头开始的重写，目的是为构建Agent创建一个更健壮、可扩展、更易用的跨语言库 这是一个突破性的变化，该版本后续还会支持AutoGen Studio 预计会在年底(2024)前发布0.4新版本 本期视频内容均为使用V0.4版本进行相关介绍和代码测试 ### (2)核心功能 **异步消息传递** Agent通过异步消息进行通信，支持事件驱动和请求/响应交互模式 **全面的类型支持** 在所有的接口中使用类型，并在构建时强制进行类型检查，注重质量和内聚性 **可拓展性和分布式** 设计复杂的分布式Agent应用网络，可跨组织边界运行 **模块化和可扩展** 利用可插拔组件定制系统，支持自定义Agent、工具、模型等 **跨语言支持** 跨不同编程语言，目前支持python和.NET，不久会支持更多语言 **可观察性和调试** 用于跟踪、追踪和调试Agent交互和工作流的内置功能和工具，包括支持行业标准的OpenTelemetry ### (3)应用接口 AutoGen的应用接口采用分层架构设计，存在多套软件接口 目前，应用程序可以使用3个主要应用接口:Core、AgentChat、Extensions **Core:事件驱动型接口，核心接口，autogen-core** 按照Agent模式构建 支持Agent之间异步消息传递(类似于RPC)，或通过主题广播(类似pub/sub)来处理和生成类型化消息 Agent可以是分布式的，可以用不同的编程语言实现，同时还可以相互通信 如果要是想构建可扩展性的事件驱动Agent系统，可以从Core接口开始 **AgentChat:任务驱动型应用接口，autogen-agentchat** 建立在Core核心层之上，抽象了许多底层系统概念 允许定义会话Agent，将它们组织成Team，然后运行Team协作完成任务 如果要是只想基于任务去构建Agent系统，可以从AgentChat接口开始 **Extensions:第三方系统接口，扩展包，autogen-ext** 主要为第三方系统实现的核心接口，如OpenAI模型客户端接口等 除内置扩展外，该扩展包还容纳社区贡献的扩展接口 ### (4)Agent属性 **name** 指定Agent的名称 **model_client** 指定Agent使用的大语言模型 **description** Agent的描述信息 **handoffs** 负责Agent的移交 **system_message** Agent的系统提示词 **tools** 提供给Agent使用的工具集合 ### (5)Team:官方提供5中预设Team 在AgentChat中Team由一个或多个Agent组成，定义了Agent组如何协作完成任务 Team通过接收任务和返回任务结果与应用程序交互 Team是有状态的，并在多个任务中保持上下文，需要终止条件来决定何时停止处理当前任务 **BaseGroupChat** Team的基类，其他4中Team预设类别均继承该基类 **RoundRobinGroupChat** 该预设Team中的参与者(Agent)以顺序循环的方式轮流向所有参与者发布信息 该预设Team允许所有的Agent共享上下文，并以循环方式轮流做出响应 其属性如下: participants:设置Team的参与者(Agent) ,List列表 termination_condition:Team终止条件，默认None则无限期运行 max_turns:Team支持的最大会话回合数，默认None则无限制 **SelectorGroupChat** 该预设Team中的参与者(Agent)以推荐选择的方式轮流向所有参与者发布信息 每次消息发布后，都会使用ChatCompletionClient(LLM)选择下一个发言者(Agent) 其属性如下: participants:设置Team的参与者(Agent) ,List列表 model_client:设置LLM，ChatCompletionClient termination_condition:Team终止条件，默认None则无限期运行 max_turns:Team支持的最大会话回合数，默认None则无限制 selector_prompt:用于选择下一个发言者(Agent)的prompt模版 allow_repeated_speaker:是否允许连续选择同一个发言者(Agent)，默认False则不允许 selector_func:自定义选择器函数，用于获取对话历史记录并返回下一个发言者(Agent),若启动该功能则LLM选择会失效，若该函数返回None,则LLM会主动接管进行下一位发言者(Agent)的选择 **Swarm** 该预设Team中的参与者(Agent)以移交方式向所有参与者发布信息 参与者列表中的第一个参与者是初始发言者，下一位发言者是根据HandoffsMessage消息中指定的参与者。若无移交信息，则当前发言者继续发言 其属性如下: participants:设置Team的参与者(Agent) ,List列表 termination_condition:Team终止条件，默认None则无限期运行 max_turns:Team支持的最大会话回合数，默认None则无限制 **MagenticOneGroupChat** 官方正在开发中，相应源码暂没相关注释 ### (6)Team:运行接口 **run()** 处理任务并返回任务结果 **run_stream()** 类似于run()，处理任务并返回异步生成器消息内容和最终任务结果 **reset()** 若上一个任务与下一个任务无关，则重置Team的状态 否则，Team可以利用上一个任务的上下文来处理下一个任务 ### (7)Termination:终止Team Team运行后可以一直运行下去，在很多情况下需要知道何时停止运行，这就是终止条件的作用 终止条件是有状态的，但在每次运行run()或run_stream()结束后会自动重置 多个终止条件支持使用AND或OR运算符进行组合 目前支持如下8种终止条件: **MaxMessageTermination** 在生成指定数量的消息，包括Agent和Task消息后则终止 **TextMentionTermination** 当在消息中提到特定的文本或字符串则终止 **TokenUsageTermination** 当使用了一定数量的tokens时则终止 **TimeoutTermination** 在指定的持续时间(以秒为单位)后终止 **HandoffTermination** 在请求移交至特定目标后终止。特别适合需要用户干预的场景 **SourceMatchTermination** 在特定的Agent做出响应之后终止 **ExternalTermination** 允许从运行外部对终止进行控制。特被适合用户界面集成(如聊天中的停止按钮)场景 **StopMessageTermination** 当Agent发出StopMessage时终止 # 2、前期准备工作 ## 2.1 开发环境搭建:anaconda、pycharm anaconda:提供python虚拟环境，官网下载对应系统版本的安装包安装即可 pycharm:提供集成开发环境，官网下载社区版本安装包安装即可 可参考如下视频进行安装，【大模型应用开发基础】集成开发环境搭建Anaconda+PyCharm https://www.bilibili.com/video/BV1q9HxeEEtT/?vd_source=30acb5331e4f5739ebbad50f7cc6b949 https://youtu.be/myVgyitFzrA ## 2.2 大模型相关配置 (1)GPT大模型使用方案 (2)非GPT大模型(国产大模型)使用方案(OneAPI安装、部署、创建渠道和令牌) (3)本地开源大模型使用方案(Ollama安装、启动、下载大模型) 可参考如下视频: 提供一种LLM集成解决方案，一份代码支持快速同时支持gpt大模型、国产大模型(通义千问、文心一言、百度千帆、讯飞星火等)、本地开源大模型(Ollama) https://www.bilibili.com/video/BV12PCmYZEDt/?vd_source=30acb5331e4f5739ebbad50f7cc6b949 https://youtu.be/CgZsdK43tcY # 3、项目初始化 ## 3.1 下载源码 GitHub或Gitee中下载工程文件到本地，下载地址如下： https://github.com/NanGePlus/AutoGenTest https://gitee.com/NanGePlus/AutoGenTest ## 3.2 构建项目 使用pycharm构建一个项目，为项目配置虚拟python环境 项目名称：AutoGenTest ## 3.3 将相关代码拷贝到项目工程中 直接将下载的文件夹中的文件拷贝到新建的项目目录中 ## 3.4 安装项目依赖 命令行终端中执行如下命令安装依赖包 pip install 'autogen-agentchat==0.4.0.dev8' pip install 'autogen-ext[openai]==0.4.0.dev8' pip install asyncio==3.4.3 # 4、测试 相关测试代码在nangeAGICode/RoundRobinGroupChat文件夹下