AutoGen：构建多智能体 AI 应用的编程框架

microsoft/autogen · A programming framework for agentic AI

GitHub原文发布未知首次收录 2026-10-02上架 2026-10-02 07:03

ELI5：它是什么，解决什么问题

AutoGen 是微软研究团队开创的编程框架，用于创建可自主行动或与人类协作的多智能体 AI 应用。框架采用分层可扩展设计，包含提供消息传递与事件驱动运行时的 Core API、面向快速原型与常见多智能体模式的 AgentChat API，以及扩展 LLM 客户端和代码执行等能力的 Extensions API，同时提供无代码 GUI（AutoGen Studio）和智能体基准测试套件（AutoGen Bench）。项目目前已进入维护模式，不再新增功能，建议新用户转向 Microsoft Agent Framework。

# 多 Agent # orchestration # Agent 工作流 # autogen # llm-framework

核心能力与快速开始

★ 61252 · Python

能做什么: 提供多智能体 AI 应用的构建能力：Core API 实现消息传递、事件驱动智能体以及本地与分布式运行时，并支持 .NET 与 Python 的跨语言能力；AgentChat API 在 Core API 之上提供更简洁、有主见的 API，便于快速原型开发，支持双智能体对话、群组对话等常见多智能体模式；Extensions API 支持第一方与第三方扩展，包括 OpenAI、AzureOpenAI 等 LLM 客户端实现以及代码执行等能力。配套开发者工具包括：AutoGen Studio，用于无需编写代码即可搭建和运行多智能体工作流；AutoGen Bench，用于评估智能体性能的基准测试套件。生态示例包括使用 AgentChat API 和 Extensions API 构建的 Magentic-One 多智能体团队，可处理网页浏览、代码执行和文件处理等任务。
适用场景: 适合需要编排多个 LLM 智能体协同完成复杂任务的场景，例如构建双智能体对话或群组对话等常见多智能体模式；快速原型验证多智能体工作流；通过 AgentTool 组合专家智能体（如数学、化学领域智能体）由通用助手调度；接入 Playwright MCP 服务器构建网页浏览助手；使用 AutoGen Studio 以无代码方式搭建和演示多智能体流程；使用 AutoGen Bench 评测智能体表现。
项目形态: 开发框架
部署方式: 未说明；README 提供本地安装方式（pip 安装 autogen-agentchat、autogen-ext[openai]、autogenstudio），AutoGen Studio 可通过命令行运行在本地端口，但未说明生产部署方案。
主要依赖: 需要 Python 3.10 或更高版本；Quickstart 示例需调用 OpenAI API，需创建账号并配置 OPENAI_API_KEY；使用 MCP 示例需安装对应 MCP 服务器（如通过 npm 安装 @playwright/mcp）。
使用限制: 项目已进入维护模式，不会获得新功能或增强，转为社区管理，社区支持响应可能有限；AutoGen Studio 定位为快速原型与示例界面，并非生产就绪应用，开发者需自行实现认证、安全等部署所需功能；README 警告仅连接可信的 MCP 服务器，因其可能在本地环境执行命令或泄露敏感信息。
许可证: CC-BY-4.0
最近推送: 2026-04-15 19:59

官方入门项目文档核对 README 依据 ↗

资料检查：2026-10-02 07:00 · 卡片整理：2026-10-02 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证 · 本次更新未完成，保留上次成功内容

相似资源

Norma AI Agent Platform：连接文档知识库与自动化 Agent 工作流

Norma 是一个可在 Windows 本地运行的 AI Agent 平台，用于把用户保存的文档、笔记和目标连接成自动化数字工作流。它通过 RAG 从本地文件中检索信息、以长期记忆记录偏好，并由 Agentic 工作流把大目标拆解为可执行步骤并自动完成。适用于文档摘要、清单生成等知识驱动任务的自动化。

ai-pm-toolkit：为 Claude Code 与 Codex 提供产品管理工作流、技能与项目记忆

该项目是面向产品经理与产品构建者的产品管理工具箱，让编码 Agent（Claude Code 或 Codex）按可复用的方法完成问题框定、机会排序、PRD 撰写、实验规划与发布准备。它提供 Umberto 编排入口（SKILL.md），把工作分为 Discover、Define、Develop、Deliver 四个阶段，并映射到从发现优先级到交付的八个环节；阶段技能可与干系人、分析、文档与沟通技能，以及 AI、企业、增长、平台等视角组合。项目记忆存放在文件系统中，会话开始时注入活跃项目指针，提示时注入当前阶段，可在会话之间保留项目上下文、证据缺口与决策；同时通过四个阻塞式 hook 对写入与发布做约束检查，并为每个技能提供 evals 清单与评估协议。仓库使用 MIT 许可证。

BossConsole：面向 AI Agent 的多平台操作台，统一管理模型与桌面工具

BossConsole 是一个运行在 JVM 上的 AI Agent 操作控制台，把终端、代码编辑器、内置浏览器等工具集中到一个原生应用中，方便用户在同一界面里运行和研究 AI 模型。它支持 Claude、Gemini、OpenCode 等模型，可切换不同 Agent，并提供热重载、MCP 工具集成、RBAC 权限管理、多线程任务执行以及本地保存凭据等能力。

pm-agent-harness-kit：面向产品经理的 AI Agent 技能与流水线工具包

PM-AHK 是一个面向产品经理的 Agent Harness Kit，包含 7 个按流水线协作的 PM 专用 Agent（pm-lead、pm-explorer、pm-strategist、pm-builder、pm-reviewer 以及辅助的 pm-coach、pm-smith）和 59 项技能，覆盖 PRD、用户故事、RICE 优先级、战略画布、实验设计、指标与财务、干系人对齐、增长、工作坊与职业发展等产品管理场景。项目宣称支持 opencode、Claude Code 和 Codex 运行时（copilot、cursor 计划中），可通过安装脚本部署，并提供可选的 MCP Harness 用于多会话流水线的状态管理与审计记录。

这是基于来源内容整理的摘要。原文链接失效后，本页摘要和讨论仍会保留。