本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# AutoGen
<a name="autogen"></a>

[https://www.microsoft.com/en-us/research/project/autogen/](https://www.microsoft.com/en-us/research/project/autogen/) 是 最初發行的開放原始碼架構Microsoft。 AutoGen 專注於啟用對話式和協作式自主 AI 代理器。它提供彈性的架構，用於建置多代理程式系統，強調代理程式之間用於複雜自主工作流程的非同步、事件驅動的互動。

## 的主要功能 AutoGen
<a name="key-features-of-autogen"></a>

AutoGen 提供下列主要功能：
+ **對話式客服人員** – 以自動客服人員之間的自然語言對話為基礎，透過對話實現複雜的推理。如需詳細資訊，請參閱 AutoGen 文件中的[多客服人員對話架構](https://microsoft.github.io/autogen/docs/Use-Cases/agent_chat)。
+ **非同步架構** – 非封鎖自動代理程式互動的事件驅動設計，支援複雜的平行工作流程。如需詳細資訊，請參閱 AutoGen 文件[中的解決非同步聊天序列中的多個任務](https://microsoft.github.io/autogen/0.2/docs/notebooks/agentchat_multi_task_async_chats/)。
+ **Human-in-the-loop** – 視需要支援選用人工參與自動代理程式工作流程。如需詳細資訊，請參閱 AutoGen 文件中的[允許客服人員的人工意見回饋](https://microsoft.github.io/autogen/0.2/docs/tutorial/human-in-the-loop/)。
+ **程式碼產生和執行** – 適用於程式碼導向自動代理程式的特殊功能，可寫入和執行程式碼。如需詳細資訊，請參閱 AutoGen 文件中的[程式碼執行](https://microsoft.github.io/autogen/stable/user-guide/core-user-guide/design-patterns/code-execution-groupchat.html)。
+ **可自訂的行為** – 針對各種使用案例的彈性自動代理程式組態和對話控制。如需詳細資訊，請參閱 AutoGen 文件中的 [agentchat.conversable\_agent](https://microsoft.github.io/autogen/docs/reference/agentchat/conversable_agent)。
+ **基礎模型選擇** – 在 Amazon Bedrock 上支援各種基礎模型，包括 Anthropic Claude、Amazon Nova 模型 (Premier、Pro、Lite 和 Micro)，以及其他具有不同自動推理功能的模型。如需詳細資訊，請參閱 AutoGen 文件中的 [LLM 組態](https://microsoft.github.io/autogen/docs/topics/llm_configuration)。
+ **LLM API 整合** – 多個 LLM 服務介面的標準化組態，包括 Amazon BedrockOpenAI、 和 Azure OpenAI。如需詳細資訊，請參閱 AutoGen API 參考中的 [oai.openai\_utils](https://microsoft.github.io/autogen/docs/reference/oai/openai_utils)。
+ **多模態處理** – 支援文字和影像處理，以啟用豐富的多模態自動代理程式互動。如需詳細資訊，請參閱 AutoGen 文件中的[在 中使用多模態模型：GPT-4VAutoGen](https://microsoft.github.io/autogen/0.2/docs/notebooks/agentchat_lmm_gpt-4v/)。

## 使用時機 AutoGen
<a name="when-to-use-autogen"></a>

AutoGen 特別適合自動代理程式案例，包括：
+ 需要自動代理程式之間自然對話流程的應用程式，以進行複雜的推理
+ 同時需要完全自主操作和選用人工監督功能的專案
+ 涉及自動程式碼產生、執行和偵錯的使用案例，無需人工介入
+ 需要彈性、非同步自主代理程式通訊模式的案例

## 的實作方法 AutoGen
<a name="implementation-approach-for-autogen"></a>

AutoGen 為業務利益相關者提供對話式實作方法，如 AutoGen 文件[入門](https://microsoft.github.io/autogen/docs/Getting-Started)中所述。此架構可讓組織：
+ 建立自主代理程式，透過自然語言對話進行通訊。
+ 在多個客服人員之間實作非同步、事件驅動的互動。
+ 必要時，結合全自主操作與選用的人工監督。
+ 為透過對話協作的不同業務職能開發專門的客服人員。

這種對話式方法可讓自動化系統的推理透明化，並可供商業使用者存取。決策者可以觀察客服人員之間的對話，以了解如何得出結論，並在需要人工判斷時選擇性地參與對話。

## 的實際範例 AutoGen
<a name="real-world-example-of-autogen"></a>

Magentic-One 是一種開放原始碼、通則多代理程式系統，旨在跨各種環境自動解決複雜的多步驟任務，如 [Microsoft AI Frontiers 部落格](https://www.microsoft.com/en-us/research/articles/magentic-one-a-generalist-multi-agent-system-for-solving-complex-tasks/)中所述。其核心是 Orchestrator 代理程式，它會分解高階目標，並使用結構化總帳追蹤進度。此代理程式會將子任務委派給專業代理程式 （例如 WebSurfer、Coder、 和 ComputerTerminal)FileSurfer，並在必要時重新規劃以動態調整。

系統是以AutoGen架構為基礎，且與模型無關，預設為 GPT‐4o。它可在 GAIA、 AssistantBench和 等基準測試中實現最先進的效能WebArena，完全無需進行任務特定的調校。此外，它還透過AutoGenBench建議支援模組化可擴展性和嚴格的評估。