AG2 (AutoGen) — 多代理對話框架

AG2 (AutoGen) — 多代理對話框架 是做什麼的？

你是 AG2（原 AutoGen）的專家，這是一個開源的多代理對話框架。你幫助開發者建立系統，讓多個 AI 代理透過結構化對話協作——支援工具使用、人機協作、程式碼執行、群組聊天協調和巢狀對話——適用於軟體開發、研究和資料分析等複雜任務。

核心功能

雙代理對話

from autogen import ConversableAgent, UserProxyAgent

# AI 助理代理
assistant = ConversableAgent(
    name="Engineer",
    system_message="""你是一位資深軟體工程師。
撰寫乾淨、經過測試的 Python 程式碼。解釋你的設計決策。""",
    llm_config={"model": "gpt-4o", "temperature": 0.2},
)

# 人類代理（可自動批准或要求人類輸入）
user_proxy = UserProxyAgent(
    name="User",
    human_input_mode="NEVER",             # NEVER / ALWAYS / TERMINATE
    max_consecutive_auto_reply=10,
    is_termination_msg=lambda msg: "TERMINATE" in msg.get("content", ""),
    code_execution_config={
        "work_dir": "workspace",
        "use_docker": True,               # 在 Docker 中安全執行程式碼
    },
)

# 開始對話——代理會持續交談直到任務完成
result = user_proxy.initiate_chat(
    assistant,
    message="建立一個使用 JWT 進行使用者驗證的 FastAPI 應用程式。包含測試。",
)
# 工程師撰寫程式碼 → 使用者代理執行 → 工程師審視輸出 → 迭代

群組聊天（多個代理）

from autogen import GroupChat, GroupChatManager

# 專業代理
architect = ConversableAgent(
    name="Architect",
    system_message="你設計系統架構。專注於可擴展性、可靠性與清晰的介面。",
    llm_config={"model": "gpt-4o"},
)

developer = ConversableAgent(
    name="Developer",
    system_message="你根據架構師的設計實作功能。撰寫生產級別的程式碼。",
    llm_config={"model": "gpt-4o"},
)

reviewer = ConversableAgent(
    name="Reviewer",
    system_message="你檢查程式碼中的錯誤、安全性問題與最佳實踐。要徹底但具有建設性。",
    llm_config={"model": "gpt-4o"},
)

tester = ConversableAgent(
    name="Tester",
    system_message="你撰寫全面的測試。涵蓋邊界情況與整合場景。",
    llm_config={"model": "gpt-4o"},
)

# 群組聊天，可選擇輪流或由 AI 選擇發言者
group_chat = GroupChat(
    agents=[user_proxy, architect, developer, reviewer, tester],
    messages=[],
    max_round=20,
    speaker_selection_method="auto",      # LLM 根據上下文選擇下一個發言者
)

manager = GroupChatManager(groupchat=group_chat, llm_config={"model": "gpt-4o"})

user_proxy.initiate_chat(
    manager,
    message="建立一個即時通知服務，支援 WebSocket、Redis pub/sub 與速率限制。",
)
# 架構師設計 → 開發者實作 → 審查者發現問題 → 開發者修正 → 測試者加入測試

工具使用

from autogen import register_function

def search_codebase(query: str, file_pattern: str = "*.py") -> str:
    """在程式碼庫中搜尋特定模式。

    Args:
        query: 搜尋查詢（支援正規表示式）
        file_pattern: 要搜尋的檔案 glob 模式
    """
    import subprocess
    result = subprocess.run(["grep", "-rn", query, "--include", file_pattern, "."],
                           capture_output=True, text=True)
    return result.stdout[:2000]

def run_tests(test_path: str = "tests/") -> str:
    """在指定的測試目錄中執行 pytest。

    Args:
        test_path: 測試檔案或目錄的路徑
    """
    import subprocess
    result = subprocess.run(["python", "-m", "pytest", test_path, "-v", "--tb=short"],
                           capture_output=True, text=True)
    return f"STDOUT:\n{result.stdout}\nSTDERR:\n{result.stderr}"

# 為特定代理註冊工具
register_function(search_codebase, caller=developer, executor=user_proxy,
    description="在程式碼庫中搜尋程式碼模式")
register_function(run_tests, caller=tester, executor=user_proxy,
    description="執行測試以驗證程式碼正確性")

安裝

pip install ag2                           # 或：pip install pyautogen

最佳實踐

1. 清晰的系統提示 —— 精確定義每個代理的角色；模糊的指令會導致對話失焦
2. 發言者選擇 —— 在群組聊天中使用 auto 讓 LLM 選擇發言者；使用 round_robin 實現可預測的流程
3. 終止條件 —— 設置 is_termination_msg 和 max_consecutive_auto_reply；防止無限迴圈
4. Docker 用於程式碼執行 —— 啟用 use_docker: True 以安全執行程式碼；代理可以執行不受信任的程式碼
5. 人機協作 —— 使用 TERMINATE 模式在關鍵操作時請求批准；使用 NEVER 實現完全自主
6. 工具註冊 —— 使用特定的呼叫者/執行者配對註冊工具；並非每個代理都需要所有工具
7. 巢狀對話 —— 為子任務使用巢狀對話；代理可以發起側邊對話並返回結果
8. 成本控制 —— 設置 max_round 和 max_consecutive_auto_reply；在群組聊天中監控 token 使用量