By 黄金金枪鱼 
AutoGen 之所以在 2024 到 2026 年间成为多 Agent 框架的事实标杆,关键不在 API 设计多精妙,而在于它把"多 Agent 协作"的样板代码从论文级压到了脚本级。实测 microsoft/autogen 仓库在本 session 拿到 59,743 颗星、累计推进日期 2026-04-15(CC-BY-4.0 许可)——但就在同一个时间窗,该项目已进入 maintenance mode,主线维护已迁向 Microsoft Agent Framework(12,131 颗星,推进日期 2026-07-15)。要在 30 分钟内跑通一个多 Agent 项目,必须先理解这条迁移路径,再选对入口。
一、为什么这条路径现在必须先讲清楚
AutoGen 在 2024-09 发布 v0.4 重写版后,核心团队在 2025 年宣布 v0.4+ 仓库迁移至 AG2(全称 AgentOS),原 microsoft/autogen 仓库进入 maintenance mode、仅做 bug fix 与安全更新。新工程应在 AG2(ag2ai/ag2 仓库,4,773 颗星,推进日期 2026-07-14,Apache-2.0)或 Microsoft Agent Framework 之间二选一。
这条信息容易被中文教程遗漏:README 写的是入门路径,但顶层维护状态决定了你半年后是否需要重写。本教程覆盖两套入口,你可以按团队约束任选其一。
二、30 分钟最小闭环(以 AG2 路径为例)
步骤 1:环境与安装(约 5 分钟)
python3 -m venv .venv && source .venv/bin/activate
pip install -U "autogen-agentchat" "autogen-ext[openai]"
# 或 AG2 路径
# pip install -U ag2[openai]步骤 2:导出 API Key(以 OpenAI 为例,Anthropic / Ollama / Azure 走对应 autogen-ext 子包)
export OPENAI_API_KEY="sk-..."步骤 3:写一个两 Agent 协作的脚本(约 10 分钟)
import asyncio
from autogen_agentchat.agents import AssistantAgent
from autogen_agentchat.teams import RoundRobinGroupChat
from autogen_agentchat.conditions import TextMentionTermination
from autogen_ext.models.openai import OpenAIChatCompletionClient
async def main() -> None:
model_client = OpenAIChatCompletionClient(model="gpt-4.1")
coder = AssistantAgent("coder", model_client=model_client,
system_message="You write Python. Reply 'TERMINATE' when done.")
reviewer = AssistantAgent("reviewer", model_client=model_client,
system_message="You review code for security/performance. Reply 'TERMINATE' when done.")
team = RoundRobinGroupChat(
participants=[coder, reviewer],
termination_condition=TextMentionTermination("TERMINATE"),
)
result = await team.run(task="Write a thread-safe LRU cache in 50 lines.")
print(result)
await model_client.close()
asyncio.run(main())
步骤 4:替换为更高级的协作模式(约 10 分钟)
把 RoundRobinGroupChat 换成 SelectorGroupChat,由 LLM 自身根据上下文决定下一发言者;再把 termination 改成 MaxMessageTermination(10) 或自定义 token 计数终止。这是从"会跑"到"能落地"的关键拐点。
三、关键点
- 选择入口比写代码重要。AutoGen v0.2 老 API 已标 deprecated;新代码直接走
autogen-agentchat(微软维护)或ag2(社区维护,fork 节奏更快)。 GroupChat选型三件套:RoundRobin(最稳,适合入门与原型)/ SelectorGroupChat(LLM 动态选,质量高但慢)/ Swarm(去中心化,适合并行子任务)。生产优先 Selector + cost ceiling。- 多 Agent 不是越多越好。两个 Agent 协作在"写 + 审"场景下通常优于 5 个 Agent 堆叠——边际 token 成本与决策噪声同时上升。
- Terminate 必须显式。不写 termination_condition 会让对话无限循环,token 预算 5 分钟内烧光;推荐
TextMentionTermination+MaxMessageTermination组合兜底。 - 可观测是生产门槛。RoundRobinGroupChat.run_stream() 返回
BaseAgentEvent/BaseChatMessage,接 OpenTelemetry 比打印 stdout 实用 100 倍——下一篇教程会展开。
四、行业影响
多 Agent 协作从 2024 年的"论文概念"走到 2026 年的"工程选项",背后是 LLM 上下文窗口扩张与工具调用稳定性提升的复合结果。但 AG2 / Microsoft Agent Framework / CrewAI / LangGraph 多线并立也意味着框架锁定风险高——一个 Agent 接口半年后可能换名或废弃。生产选型应优先看 GitHub 活跃度与公司背书,而非 feature 数量。
据 HN id=46377537 讨论帖 58 颗星,Microsoft Agent Framework 在 2025-10 发布后被广泛视为 AutoGen 的"企业级接班人"——同公司同团队主推的迁移路径,意味着未来 12 个月内 learn.microsoft.com 上的迁移指南会持续更新,旧 AutoGen 项目的迁移成本相对可控。
五、结语
30 分钟跑通的,本质是一段对话循环;真正难的是上线后如何在真实业务里约束 Agent 的工具调用、控制 token 成本、保留审计日志。下一篇教程会展开 AG2 + OpenTelemetry + Prometheus 的可观测链路,把多 Agent 协作从 demo 推到生产。
参考资料:
官方文档
- arXiv: AutoGen 论文 2308.08155 - 2023-08-16 / Wu Qingyun 等
- Microsoft Learn: AutoGen → Microsoft Agent Framework 迁移指南 [200]
- Microsoft DevBlogs: AutoGen 博客索引 [200]
开源项目
- microsoft/autogen 仓库元数据 API [200] - 59,743 stars / pushed 2026-04-15 / CC-BY-4.0
- ag2ai/ag2 仓库元数据 API [200] - 4,773 stars / pushed 2026-07-14 / Apache-2.0
- microsoft/agent-framework 仓库元数据 API [200] - 12,131 stars / pushed 2026-07-15
- AG2 官网 [200]
行业报道
- HN: Microsoft Agent Framework 讨论(id=46377537, 58 颗星) [200] - 2025-10 公告聚合
- HN: AutoGen Reaches 54K GitHub Stars(id=47102506) - 多 Agent 系统趋势
社区讨论
- HN: AutoGen Multi-Agent Framework 综述(id=37855314) [200] - 论文与官方对比
- HN Algolia: AutoGen 聚合搜索 [200] - 持续聚合
对比基准
- HN: Show HN - Quorum 多 Agent CLI 辩论(id=46244914) [200] - AutoGen 后端真实部署案例
本文由 AI 生成。内容基于公开资料整理,可能存在事实偏差,引用链接请以原始来源为准。