As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
# AutoGen
[https://www.microsoft.com/en-us/research/project/autogen/](https://www.microsoft.com/en-us/research/project/autogen/)é uma estrutura de código aberto que foi lançada inicialmente pelaMicrosoft. AutoGenconcentra-se em capacitar agentes de IA autônomos conversacionais e colaborativos. Ele fornece uma arquitetura flexível para criar sistemas multiagentes com ênfase em interações assíncronas e orientadas por eventos entre agentes para fluxos de trabalho autônomos complexos.
## Principais características do AutoGen
AutoGenfornece os seguintes recursos principais:
+ **Agentes conversacionais** — Construídos em torno de conversas em linguagem natural entre agentes autônomos, permitindo um raciocínio sofisticado por meio do diálogo. Para obter mais informações, consulte [Estrutura de Multi-agent conversação](https://microsoft.github.io/autogen/docs/Use-Cases/agent_chat) na AutoGen documentação.
+ **Arquitetura assíncrona** — Event-driven design para interações de agentes autônomos sem bloqueio, suportando fluxos de trabalho paralelos complexos. Para obter mais informações, consulte [Resolvendo várias tarefas em uma sequência de bate-papos assíncronos na documentação](https://microsoft.github.io/autogen/0.2/docs/notebooks/agentchat_multi_task_async_chats/). AutoGen
+ **Human-in-the-loop**— Forte suporte à participação humana opcional em fluxos de trabalho de agentes autônomos, quando necessário. Para obter mais informações, consulte [Permitir feedback humano em agentes](https://microsoft.github.io/autogen/0.2/docs/tutorial/human-in-the-loop/) na AutoGen documentação.
+ **Geração e execução de código** — Recursos especializados para agentes autônomos focados em código que podem escrever e executar código. Para obter mais informações, consulte [Execução de código](https://microsoft.github.io/autogen/stable/user-guide/core-user-guide/design-patterns/code-execution-groupchat.html) na AutoGen documentação.
+ **Comportamentos personalizáveis** — Configuração flexível de agentes autônomos e controle de conversação para diversos casos de uso. Para obter mais informações, consulte [agentchat.conversable\_agent](https://microsoft.github.io/autogen/docs/reference/agentchat/conversable_agent) na documentação. AutoGen
+ **Seleção de modelos** básicos — Suporte para vários modelos básicos, incluindo modelos Anthropic Claude, Amazon Nova (Premier, Pro, Lite e Micro) no Amazon Bedrock e outros para diferentes capacidades de raciocínio autônomo. Para obter mais informações, consulte [Configuração do LLM](https://microsoft.github.io/autogen/docs/topics/llm_configuration) na AutoGen documentação.
+ **Integração da API LLM** — Configuração padronizada para várias interfaces de serviço LLM, incluindo Amazon Bedrock, e. OpenAI Azure OpenAI Para obter mais informações, consulte [oai.openai\_utils](https://microsoft.github.io/autogen/docs/reference/oai/openai_utils) na Referência da API. AutoGen
+ Processamento **multimodal — Support para processamento** de texto e imagem para permitir interações ricas com agentes autônomos multimodais. Para obter mais informações, consulte [Envolvendo-se com modelos multimodais: GPT-4V AutoGen na](https://microsoft.github.io/autogen/0.2/docs/notebooks/agentchat_lmm_gpt-4v/) AutoGen documentação.
## Quando utilizar AutoGen
AutoGené particularmente adequado para cenários de agentes autônomos, incluindo:
+ Aplicativos que exigem fluxos conversacionais naturais entre agentes autônomos para raciocínio complexo
+ Projetos que precisam de operação totalmente autônoma e recursos opcionais de supervisão humana
+ Casos de uso que envolvem geração, execução e depuração autônomas de código sem intervenção humana
+ Cenários que exigem padrões de comunicação de agentes autônomos flexíveis e assíncronos
## Abordagem de implementação para AutoGen
AutoGenfornece uma abordagem de implementação conversacional para as partes interessadas da empresa, conforme detalhado em [Introdução](https://microsoft.github.io/autogen/docs/Getting-Started) na AutoGen documentação. A estrutura permite que as organizações:
+ Crie agentes autônomos que se comunicam por meio de conversas em linguagem natural.
+ Implemente interações assíncronas e orientadas por eventos entre vários agentes.
+ Combine operação totalmente autônoma com supervisão humana opcional quando necessário.
+ Desenvolva agentes especializados para diferentes funções de negócios que colaborem por meio do diálogo.
Essa abordagem conversacional torna o raciocínio do sistema autônomo transparente e acessível aos usuários corporativos. Decision-makers pode observar o diálogo entre os agentes para entender como as conclusões são alcançadas e, opcionalmente, participar da conversa quando o julgamento humano é necessário.
## Real-world exemplo de AutoGen
Magentic-One[é um sistema multiagente generalista e de código aberto projetado para resolver de forma autônoma tarefas complexas de várias etapas em diversos ambientes, conforme descrito no blog AI Frontiers. Microsoft ](https://www.microsoft.com/en-us/research/articles/magentic-one-a-generalist-multi-agent-system-for-solving-complex-tasks/) Em sua essência, está o agente Orchestrator, que decompõe metas de alto nível e acompanha o progresso usando livros contábeis estruturados. Esse agente delega subtarefas a agentes especializados (comoWebSurfer, FileSurferCoder, eComputerTerminal) e se adapta dinamicamente replanejando quando necessário.
O sistema é baseado na AutoGen estrutura e é independente do modelo, usando como padrão o GPT‑4o. Ele alcança desempenho de última geração em benchmarks como, e —tudo sem ajustes específicos da tarefa. GAIA AssistantBench WebArena Além disso, ele oferece suporte à extensibilidade modular e à avaliação rigorosa por meio de sugestões. AutoGenBench