AutoGen：可编程的多 Agent 对话

AutoGen 把 Agent 抽象为可对话、可配置的角色，用消息路由和终止条件编排 planner、executor、critic、人类或工具。

论文信息

字段	内容
论文链接	AutoGen: Enabling Next-Gen LLM Applications via Multi-Agent Conversation
公司 / 机构	Microsoft Research
首次公开日期	2023-08-16
原作者代码	已开源：microsoft/autogen
本地 adapter / CLI key	autogen
本地复现代码	src/auto_research/agent_research/

原始论文总结

背景与主要改动

复杂应用常需要多个模型、工具和人类协作，手写控制流难复用。AutoGen 提供 ConversableAgent 与 conversation programming：每个角色声明能力、回复策略和终止条件， 通过群聊或嵌套会话组合成工作流。

flowchart LR
    U["用户任务"] --> P["Planner agent"]
    P --> E["Executor agent"]
    E --> C["Critic agent"]
    C -->|需修改| P
    C -->|通过 / terminate| O["最终结果"]
    T["工具 / 代码执行器"] <--> E

原论文关键图

原论文 Figure 1（关键图）：展示原论文提出的核心架构、主要模块及其连接关系。图片来自原论文，版权归原作者所有；点击图片可查看来源。

核心公式

AutoGen 主要是编排抽象而非新损失函数，可写为消息驱动状态机：

\[ m_{t+1}=A_{r_t}(H_t,\mathcal T_{r_t}),\qquad H_{t+1}=H_t\cup\{(r_t,m_{t+1})\},\qquad \text{stop}(H_{t+1})\in\{0,1\}. \]

论文离线与线上效果

论文通过数学、代码生成、问答和决策类应用展示多 Agent 对话相对单 Agent 的能力与 开发效率改善；这些是应用评测和案例，没有生产线上 A/B 实验。

本地复现

PlanBench mini 固定 120 episodes：joint success 1.0000、平均成本 3.0000， 记录 120 份 plan、360 条跨角色消息和 120 次 critic round。

auto-research agent-eval --method autogen \
  --benchmark planbench-mini --episodes 120 --seed 42

稳定指标： classic-agent-mini-suites-seed42.json。

复现边界

实现 planner/executor/critic 的消息协议、角色交接与显式终止；未嵌入完整 AutoGen 运行时、容器代码执行或真实 LLM 群聊，1.0 是确定性控制流测试而非论文应用得分。