# AutoGen AutoGen 是微软推出的开源框架，用于构建具备对话、工具调用和多智能体协作能力的 AI 应用。目前该项目已进入维护模式，现有用户应考虑迁移，新项目建议优先评估 Microsoft Agent Framework。 Canonical URL: https://aiidelist.com/zh/ide/autogen Language: zh 更新日期: 2026-10-06 ## 概览 - 分类: Developer Workflow Tools - AutoGen 是微软开源的多智能体 AI 框架，专注于对话智能体、工具调用、代码执行和协作，目前主要适用于现有项目维护和迁移规划。 - 编辑器基础: Standalone - 平台: Python 3.10+, .NET documentation and samples, Web UI via AutoGen Studio, Docker, Local development, Cloud applications, OpenAI-compatible endpoints - 开源: 是 - 本地模型支持: 是 - 自带 API 密钥: 是 ## 简评 AutoGen 对于理解和维护旧版微软多智能体项目仍有价值，但应被视为维护期框架。新团队在起步前应对比 Microsoft Agent Framework、LangGraph、CrewAI 等活跃发展的框架。 ## 适合场景 - 需要维护或迁移规划的现有 AutoGen 项目 - 多智能体 AI 原型开发 - 智能体协作相关的研究实验 - 具备工具调用能力的助手 - 人机协作的智能体工作流 - 受控环境下的代码执行实验 - 学习早期的微软多智能体设计模式 ## 优点 - 在多智能体 AI 研究和原型领域极具影响力的开源框架。 - 同时提供高层 AgentChat API 和底层事件驱动 Core API。 - 非常适合实验智能体团队、工具使用、代码执行及人机协作模式。 - 通过 Ollama 和 llama.cpp 等供应商支持本地模型工作流。 - AutoGen Studio 降低了智能体原型设计的门槛，优于纯代码框架。 ## 局限 - 应使用 Microsoft Agent Framework 的长期新项目 - 寻找类似 Cursor 或 Windsurf 的 AI 代码编辑器的开发者 - 需要终端优先的编码智能体的团队 - 缺乏时间进行沙箱隔离、监控和安全加固的生产系统 - 寻找无代码聊天机器人构建器的非技术用户 - 需要框架具备持续新功能开发的团队 - 项目现已进入维护模式，不再接收新功能或增强功能。 - 遵循微软技术路线的新智能体项目通常应从 Microsoft Agent Framework 开始。 - 并非 AI 原生代码编辑器、IDE 插件或全自动 GitHub issue 修复产品。 - 生产环境使用需要严格的沙箱、安全审查、评估和可观测性配套。 - 从 v0.2 到新版架构发生了重大变化，旧教程可能已失效。 ## 为什么选择 AutoGen？ 如今，AutoGen 的核心价值在于它作为一个成熟的多智能体框架，为智能体如何协调、调用工具、执行代码以及实现人机协作提供了重要的参考标准。它普及了一个核心理念：LLM 应用可以由一组专门的智能体团队构建，而不仅仅是围绕一个助手的冗长提示词。 需要注意的是其维护状态。AutoGen 目前已进入维护模式，这直接影响了选型决策。现有团队可能仍需维护 AutoGen 系统、理解 AutoGen Studio 原型或迁移旧的智能体模式。但对于新团队，应将 Microsoft Agent Framework 视为微软未来的技术路线，而非在 AutoGen 上开启长期项目。 在开发者工具目录中，AutoGen 被定义为框架和迁移资源，而非 AI IDE。它不会像 Cursor 那样编辑代码库，也不会像 Aider 那样作为终端编码智能体运行，更不会自动将 GitHub issue 转化为 PR。它的作用是帮助开发者构建智能体应用。 ## 核心工作流程 典型的 AutoGen 项目始于定义智能体及其角色、模型客户端和授权工具。在简单的 AgentChat 工作流中，开发者可以创建助手型智能体并将其置于团队模式中。在更高级的 Core 工作流中，开发者更接近事件驱动的运行时，并设计智能体之间的类型化消息流。 实际设计中的挑战在于确定每个智能体的自主程度。智能体可以仅回答问题，也可以调用工具、浏览网页、在容器中执行代码、请求人工审批、委派任务给另一个智能体或参与群聊。框架提供了实现这些模式的可能性，但开发者必须定义好边界。 最健壮的 AutoGen 工作流通常会对终止条件、工具权限、记忆、错误处理和人工检查点进行明确限制。如果没有这些约束，多智能体系统可能会变得昂贵、难以调试且难以信任。 ## 适用场景 AutoGen 适用于研究、实验以及以智能体协作为核心理念的存量多智能体系统。例如：分析师智能体、编码实验智能体、网页与文件处理智能体、研究助手、模拟型智能体团队，以及比较不同协调模式的原型。 它也非常适合用于研究多智能体的失效模式。由于智能体可以互相对话、调用工具和执行代码，使用 AutoGen 可以更容易地观察协作在何处崩溃：例如无限循环、任务委派不当、不安全的工具调用、过高的 Token 消耗或不清晰的交接规则。 对于需要持续框架投入、长期微软支持以及与 Microsoft Foundry、MCP、A2A、可观测性和持久化工作流进行现代集成的企业级新系统，它则不太适用。这些需求现在更直接地指向了 Microsoft Agent Framework。 ## 竞争对手对比 与 Microsoft Agent Framework 相比，AutoGen 是旧的技术路线。Agent Framework 是微软生态中生产级智能体和多智能体工作流的继任者。二者的区别不仅在于功能，更在于生命周期。新项目应考虑直接从 Agent Framework 开始，以避免未来的迁移工作。 与 LangGraph 相比，AutoGen 更侧重于对话，而 LangGraph 则更侧重于状态机和图工作流。LangGraph 通常适合需要对状态转换、重试、检查点和持久化编排进行显式控制的团队。如果项目已经使用了对话团队抽象或旧的智能体模式，则 AutoGen 更具相关性。 与 CrewAI 相比，AutoGen 更多是一个灵活的多智能体实验框架，而 CrewAI 强调基于角色的团队（Crews）和任务委派，提供更具主见的用户体验。CrewAI 在处理简单的角色工作流时更易上手；而 AutoGen 通过 Core 提供了更多的底层控制。 与 LlamaIndex 或 Haystack 相比，AutoGen 本质上不是一个检索框架。虽然它可以结合检索和工具使用，但如果核心难题是将回答建立在文档、索引和搜索管道的基础上，LlamaIndex 和 Haystack 是更好的切入点。 ## 最佳配置建议 最佳的 AutoGen 配置应保持克制。使用能完成任务的最少智能体数量，为每个智能体赋予具体的角色，并避免在安全环境测试通过前开放高权限工具。 对于代码执行，必须使用严格的沙盒环境。基于 Docker 的执行很有用，但在没有额外控制的情况下，不应将其视为处理不可信任务的绝对安全边界。能够浏览网页、调用本地服务或执行生成代码的智能体，需要进行仔细的隔离、身份验证和审查。 在模型配置方面，需平衡质量与成本。多智能体系统会因为智能体之间的消息交换、互相评审、计划重试和工具调用而迅速增加 Token 消耗。较便宜或本地模型可能足以应对部分智能体，而更强大的托管模型应留给规划、合成或最终评审环节。 对于暂时留在 AutoGen 的团队，请保持架构的“迁移友好性”。避免深度耦合已弃用的 API，记录每个智能体的角色和工具契约，并尽早将 AutoGen 概念映射到 Microsoft Agent Framework 的等效概念中。 ## 迁移建议 最重要的迁移步骤是梳理当前的 AutoGen 设计。列出每个智能体、模型客户端、工具、团队模式、终止条件、记忆依赖和外部服务。许多 AutoGen 系统在演示时看起来很简单，但实际上依赖于隐式的对话行为，在迁移过程中必须将其显式化。 在转向 Microsoft Agent Framework 时，建议逐个迁移工作流，而不是尝试全量重构。从一个封闭的智能体团队开始，复现相同的行为，然后比较输出、成本、延迟、可观测性和错误处理。 由于现代 AutoGen 架构将 AgentChat、Core 和 Extensions 引入为不同的层，旧的 AutoGen v0.2 项目需要特别留意。维护旧代码的团队应决定是先在 AutoGen 内部更新，还是直接迁移到更新的 Microsoft Agent Framework 路线。 ## 实践中的权衡 AutoGen 的主要优势在于多智能体实验的灵活性。到 2026 年，其主要局限在于生命周期风险。处于维护模式的框架依然可用，但除非团队有特定理由留守，否则它不再是构建多年期新平台的最佳基础。 更广泛的教训是，多智能体系统并不自动优于单智能体工作流。更多的智能体可以改善任务分解和评审，但也可能带来循环、隐藏成本、协调错误和安全风险。AutoGen 让探索这些模式变得容易，但并不保证其天然安全。 实际结论是：对于现有用户、研究历史和迁移需求，AutoGen 依然重要。对于新的生产级智能体系统，在决定使用 AutoGen 之前，应优先对比 Microsoft Agent Framework、LangGraph、CrewAI、LlamaIndex 和 Haystack。 ## 功能 ### AgentChat - 用于单智能体和多智能体对话的高层 API - 助手智能体、用户代理模式及自定义智能体 - 团队模式，包括选择器群聊、Swarm 和 Magentic-One - 人机协作对话工作流 ### Core 运行时 - 事件驱动的编程模型 - 智能体之间的类型化消息传递 - 直接消息与发布-订阅模式 - 支持分布式多智能体系统 ### 扩展与工具 - 支持 OpenAI, Azure OpenAI, Azure AI Foundry, Anthropic, Ollama 和 llama.cpp 的模型客户端 - 通过 McpWorkbench 集成 MCP 工具 - Docker 命令行代码执行 - 适配 OpenAI 智能体、LangChain 工具、Semantic Kernel 工具和网页智能体 ### Studio 与原型设计 - AutoGen Studio Web UI，用于无代码智能体原型设计 - 本地应用目录，保存智能体实验记录 - 在编写完整应用代码前测试智能体工作流 - 适用于演示、研究和探索性多智能体设计 ## 价格 open-source - AutoGen OSS: Free — 开源框架，可通过 GitHub 和 Python 包（如 autogen-agentchat, autogen-core, autogen-ext, autogenstudio）获取。 - Bring Your Own Model/API: Usage-based — AutoGen 本身免费，但模型调用、嵌入、云基础设施、浏览器自动化和代码执行资源由所选服务商计费。 - Microsoft Agent Framework: Free — 微软为新智能体项目提供的开源继任路径；服务商、托管和云成本视具体情况单独计费。 价格核对日期: 2026-07-08 ## 支持的模型 - OpenAI - Azure OpenAI - Azure AI Foundry - GitHub Models - Anthropic - Ollama - llama.cpp - Gemini ## 隐私与数据处理 AutoGen 是运行在开发者环境中的开源框架，数据处理取决于配置的模型提供商、工具集成、浏览器代理、代码执行沙箱及部署架构。在使用敏感数据或生产系统前，团队应审查提供商条款并隔离网页浏览、本地控制或代码执行组件。 ## 企业功能 - 支持内部审计的开源代码库 - 可扩展的模型客户端抽象 - 自定义智能体与团队模式 - MCP 工具集成 - 基于 Docker 的命令执行支持 - 用于分布式智能体系统的事件驱动 Core API - 人机协作对话模式 - 至 Microsoft Agent Framework 的迁移路径 - 社区管理的维护模式 ## 替代工具 - Microsoft Agent Framework - LangGraph - CrewAI - LangChain - LlamaIndex - Semantic Kernel ## 资料来源 - [官方网站](https://microsoft.github.io/autogen/stable/) - [AutoGen 官方文档](https://microsoft.github.io/autogen/stable/) - [AutoGen GitHub 仓库](https://github.com/microsoft/autogen) - [AutoGen AgentChat 文档](https://microsoft.github.io/autogen/stable/user-guide/agentchat-user-guide/index.html) - [AutoGen Core 文档](https://microsoft.github.io/autogen/stable/user-guide/core-user-guide/index.html) - [AutoGen Extensions 文档](https://microsoft.github.io/autogen/stable/reference/python/autogen_ext.html) - [AutoGen 模型客户端](https://microsoft.github.io/autogen/stable/user-guide/core-user-guide/components/model-clients.html) - [AutoGen Studio 文档](https://microsoft.github.io/autogen/stable/user-guide/agentchat-user-guide/autoGen-studio.html) - [Microsoft Agent Framework 概览](https://learn.microsoft.com/en-us/agent-framework/overview/) - [Microsoft Agent Framework 1.0 发布公告](https://devblogs.microsoft.com/agent-framework/microsoft-agent-framework-version-1-0/) - [AutoGen 至 Microsoft Agent Framework 迁移指南](https://learn.microsoft.com/en-us/agent-framework/migration-guide/from-autogen/) 最近核对日期: 2026-07-08 ## 更新记录 - 2026-07-08: 基于 AutoGen 官方文档、GitHub 仓库、AgentChat/Core/Extensions 文档、模型客户端文档及 Microsoft Agent Framework 迁移指南创建目录条目。