当前位置：首页 > news >正文

10分钟快速上手：用AutoGen构建你的第一个AI智能体团队

news 2026/6/29 18:37:33

10分钟快速上手：用AutoGen构建你的第一个AI智能体团队

【免费下载链接】autogenA programming framework for agentic AI项目地址: https://gitcode.com/GitHub_Trending/au/autogen

还在为复杂的AI应用开发而头疼吗？想要快速搭建能够协作完成任务的智能AI助手吗？AutoGen正是你需要的解决方案！这是一个微软开源的多智能体编程框架，让你能够轻松创建自主运行或与人类协作的AI应用。今天，我将带你从零开始，在10分钟内构建你的第一个AI智能体团队！

🤔 为什么你需要AutoGen？

想象一下这样的场景：你需要一个能够自动处理客户咨询、分析数据并生成报告的AI系统。传统方法可能需要你分别开发聊天机器人、数据分析模块和报告生成器，然后费力地整合它们。而有了AutoGen，你可以创建多个专门化的AI智能体，让它们像团队成员一样协作完成任务！

AutoGen的核心优势在于简化了智能体间的通信、工具调用和任务编排。它采用发布-订阅模式，智能体可以订阅自己关心的事件，也可以发布其他智能体可能需要的事件。这种设计让复杂的多智能体系统变得异常简单。

🚀 快速开始：安装与配置

首先，让我们准备好环境。AutoGen支持Python 3.10及以上版本：

# 克隆项目仓库 git clone https://gitcode.com/GitHub_Trending/au/autogen # 安装核心组件 pip install -U "autogen-agentchat" "autogen-ext[openai]"

如果你想要一个无代码的图形界面来管理智能体，还可以安装AutoGen Studio：

pip install -U "autogenstudio"

💡提示：使用AutoGen需要OpenAI API密钥。创建账户后，通过export OPENAI_API_KEY="sk-..."设置环境变量。

🎯 创建你的第一个智能体

让我们从一个简单的"Hello World"开始。创建一个助理智能体，让它使用GPT-4模型：

import asyncio from autogen_agentchat.agents import AssistantAgent from autogen_ext.models.openai import OpenAIChatCompletionClient async def main() -> None: # 创建模型客户端 model_client = OpenAIChatCompletionClient(model="gpt-4") # 创建助理智能体 agent = AssistantAgent("assistant", model_client=model_client) # 运行智能体 response = await agent.run(task="请用中文说'你好，世界！'") print(response) await model_client.close() asyncio.run(main())

运行这段代码，你会看到智能体用中文问候世界！这只是一个开始，真正的威力在于多个智能体的协作。

🤝 构建智能体团队：客服助手示例

让我们创建一个更实用的例子：一个包含三个智能体的客服系统。一个负责接待客户，一个负责查询信息，一个负责生成报告。

import asyncio from autogen_agentchat.agents import AssistantAgent from autogen_ext.models.openai import OpenAIChatCompletionClient from autogen_agentchat.ui import Console async def customer_service_team(): # 创建模型客户端 model_client = OpenAIChatCompletionClient(model="gpt-4") # 创建接待员智能体 receptionist = AssistantAgent( "receptionist", model_client=model_client, system_message="你是一个友好的客服接待员，负责初步了解客户需求。" ) # 创建信息查询智能体 researcher = AssistantAgent( "researcher", model_client=model_client, system_message="你负责查询产品信息和政策，提供准确的数据支持。" ) # 创建报告生成智能体 reporter = AssistantAgent( "reporter", model_client=model_client, system_message="你负责整理对话内容，生成结构化的客户服务报告。" ) # 模拟客户咨询 customer_query = "我想了解你们的产品退货政策，我上周购买的商品有问题。" print("👤 客户:", customer_query) print("\n--- 智能体协作开始 ---\n") # 接待员处理初步咨询 receptionist_response = await receptionist.run( task=f"客户说：'{customer_query}'。请友好回应并收集更多信息。" ) print("🤖 接待员:", receptionist_response) # 研究员查询具体政策 research_result = await researcher.run( task="查询产品退货政策，包括时间限制、条件和流程。" ) print("🔍 研究员:", research_result) # 报告员生成总结 final_report = await reporter.run( task=f"基于以下信息生成客户服务报告：客户问题：{customer_query}，接待员回应：{receptionist_response}，政策信息：{research_result}" ) print("\n📋 报告员生成的总结:", final_report) await model_client.close() asyncio.run(customer_service_team())

这个简单的示例展示了AutoGen的核心概念：多个专门化的智能体协同工作，每个智能体都有自己的角色和职责。

🔧 添加工具能力：让智能体更强大

智能体不仅可以聊天，还可以调用外部工具！让我们创建一个能够进行网页浏览的智能体：

import asyncio from autogen_agentchat.agents import AssistantAgent from autogen_ext.models.openai import OpenAIChatCompletionClient from autogen_ext.tools.mcp import McpWorkbench, StdioServerParams async def web_browsing_assistant(): model_client = OpenAIChatCompletionClient(model="gpt-4") # 配置Playwright MCP服务器（需要先安装） server_params = StdioServerParams( command="npx", args=["@playwright/mcp@latest", "--headless"], ) async with McpWorkbench(server_params) as mcp: # 创建带有工具能力的智能体 agent = AssistantAgent( "web_assistant", model_client=model_client, workbench=mcp, # 集成工具 model_client_stream=True, max_tool_iterations=10, ) # 让智能体执行网页浏览任务 await Console(agent.run_stream( task="请查找微软AutoGen仓库的贡献者数量" )) asyncio.run(web_browsing_assistant())