Microsoft AutoGen: Fluxuri de lucru AI cu mai mulți agenți și automatizare avansată

Microsoft Research a introdus AutoGen în septembrie 2023, ca un cadru open-source Python pentru construirea de agenți AI capabili de colaborare complexă, multi-agents. AutoGen a câștigat deja popularitate printre cercetători, dezvoltatori și organizații, cu peste 290 de contribuitori pe GitHub și aproape 900.000 de descărcări până în mai 2024. Pe baza acestui succes, Microsoft a lansat AutoGen Studio, o interfață low-code care împuternicește dezvoltatorii să creeze rapid și să experimenteze cu agenți AI.

Această bibliotecă este destinată dezvoltării de agenți inteligenți, modulari, care pot interacționa fără probleme pentru a rezolva sarcini complexe, a automatiza procesele de luare a deciziilor și a executa eficient codul.

Microsoft a introdus recent și AutoGen Studio, care simplifică dezvoltarea agenților AI prin oferirea unei platforme interactive și prietenoase cu utilizatorul. În contrast cu predecesorul său, AutoGen Studio minimizează nevoia de codare extinsă, oferind o interfață grafică cu utilizatorul (GUI) în care utilizatorii pot trage și plasa agenți, configura fluxuri de lucru și testa soluții conduse de AI fără efort.

Ce face AutoGen unic?

Înțelegerea agenților AI

În contextul inteligenței artificiale, un agent este un component software autonom capabil să efectueze sarcini specifice, adesea utilizând procesarea limbajului natural și învățarea automată. Cadru AutoGen de la Microsoft îmbunătățește capacitățile agenților AI tradiționali, permițându-le să se angajeze în conversații complexe, structurate și să colaboreze cu alți agenți pentru a atinge obiective comune.

AutoGen suportă o gamă largă de tipuri de agenți și modele de conversație. Această versatilitate îi permite să automatizeze fluxuri de lucru care anterior necesitau intervenție umană, făcându-l ideal pentru aplicații din diverse industrii, cum ar fi finanțe, publicitate, inginerie software și multe altele.

Agenți conversabili și personalizabili

AutoGen introduce conceptul de “agenți conversabili”, care sunt proiectați să proceseze mesaje, să genereze răspunsuri și să efectueze acțiuni pe baza instrucțiunilor de limbaj natural. Acești agenți nu numai că sunt capabili să se angajeze în dialoguri bogate, dar pot fi personalizați și pentru a-și îmbunătăți performanța la sarcini specifice. Această proiectare modulară face din AutoGen un instrument puternic atât pentru proiecte AI simple, cât și complexe.

Tipuri cheie de agenți:

• Agenții asistenți: Un asistent LLM care poate gestiona sarcini precum codificarea, depanarea sau răspunsurile la întrebări complexe.
• Agenții proxy utilizatori: Simulează comportamentul utilizatorului, permițând dezvoltatorilor să testeze interacțiunile fără a implica un utilizator uman real. De asemenea, poate executa cod autonom.
• Agenții de chat de grup: O colecție de agenți care lucrează în mod colaborativ, ideal pentru scenarii care necesită multiple abilități sau perspective.

Colaborarea multi-agents

Una dintre cele mai impresionante caracteristici ale AutoGen este suportul său pentru colaborarea multi-agents. Dezvoltatorii pot crea o rețea de agenți, fiecare cu roluri specializate, pentru a aborda sarcini complexe mai eficient. Acești agenți pot comunica între ei, schimba informații și lua decizii colective, simplificând procesele care ar fi altfel consumatoare de timp sau predispuse la erori.

Caracteristici cheie ale AutoGen

1. Cadru multi-agents

AutoGen facilitează crearea de rețele de agenți în care fiecare agent poate lucra independent sau în coordonare cu alții. Cadru oferă flexibilitatea de a proiecta fluxuri de lucru care sunt complet autonome sau includ supraveghere umană atunci când este necesar.

Modele de conversație includ:

• Conversații unu-la-unu: Interacțiuni simple între doi agenți.
• Structuri ierarhice: Agenții pot delega sarcini către sub-agenți, facilitând gestionarea problemelor complexe.
• Conversații de grup: Discuții de grup multi-agents în care agenții colaborează pentru a rezolva o sarcină.

2. Execuția și automatizarea codului

În contrast cu multe cadre AI, AutoGen permite agenților să genereze, execute și depaneze codul în mod automat. Această caracteristică este inestimabilă pentru sarcinile de inginerie software și analize de date, deoarece minimizează intervenția umană și accelerează ciclurile de dezvoltare. Agenții proxy utilizatori pot identifica blocuri de cod executabile, rula și chiar rafina outputul în mod autonom.

3. Integrarea cu instrumente și API-uri

Agenții AutoGen pot interacționa cu instrumente, servicii și API-uri externe, extinzându-și considerabil capacitățile. Indiferent dacă este vorba de a prelua date dintr-o bază de date, de a face cereri web sau de a se integra cu serviciile Azure, AutoGen oferă un ecosistem robust pentru construirea de aplicații cu funcționalități avansate.

4. Rezolvarea problemelor cu implicarea umană

În scenariile în care intervenția umană este necesară, AutoGen suportă interacțiunile umano-agents. Dezvoltatorii pot configura agenții să solicite îndrumare sau aprobare de la un utilizator uman înainte de a continua cu anumite sarcini. Această caracteristică asigură că deciziile critice sunt luate cu grijă și cu nivelul potrivit de supraveghere.

Cum funcționează AutoGen: O analiză detaliată

Inițializarea și configurarea agenților

Primul pas în lucru cu AutoGen implică setarea și configurarea agenților. Fiecare agent poate fi personalizat pentru a efectua sarcini specifice, iar dezvoltatorii pot personaliza parametri precum modelul LLM utilizat, abilitățile activate și mediul de execuție.

Orchestrarea interacțiunilor agenților

AutoGen gestionează fluxul de conversație între agenți într-un mod structurat. Un flux de lucru tipic ar putea arăta astfel:

1. Introducerea sarcinii: Un utilizator sau agent introduce o întrebare sau sarcină.
2. Procesarea agenților: Agenții relevanți analizează intrarea, generează răspunsuri sau efectuează acțiuni.
3. Comunicarea inter-agents: Agenții împărtășesc date și informații, colaborând pentru a finaliza sarcina.
4. Execuția sarcinii: Agenții execută cod, preiau informații sau interacționează cu sisteme externe după cum este necesar.
5. Încheierea: Conversația se încheie atunci când sarcina este finalizată, un prag de eroare este atins sau o condiție de încheiere este declanșată.

Gestionarea erorilor și îmbunătățirea continuă

Agenții AutoGen sunt proiectați pentru a gestiona erorile în mod inteligent. Dacă o sarcină eșuează sau produce un rezultat incorect, agentul poate analiza problema, încerca să o corecteze și chiar să își îmbunătățească soluția. Această capacitate de auto-îmbunătățire este crucială pentru crearea de sisteme AI fiabile care pot funcționa autonom pe perioade lungi de timp.

Prerechizite și instalare

Înainte de a lucra cu AutoGen, asigurați-vă că aveți o înțelegere solidă a agenților AI, a cadrului de orchestrare și a bazelor de programare Python. AutoGen este un cadru bazat pe Python, iar potențialul său este realizat pe deplin atunci când este combinat cu alte servicii AI, cum ar fi modelele GPT de la OpenAI sau Microsoft Azure AI.

Instalați AutoGen folosind pip:

Pentru caracteristici suplimentare, cum ar fi capacități de căutare optimizate sau integrare cu biblioteci externe:

Configurarea mediului

AutoGen necesită configurarea variabilelor de mediu și a cheilor API în mod sigur. Să trecem prin pașii fundamental necesari pentru a inițializa și configura spațiul de lucru:

1. Încărcarea variabilelor de mediu: Stocați chei API sensibile într-un fișier .env și încărcați-le folosind dotenv pentru a menține securitatea. (api_key = os.environ.get(“OPENAI_API_KEY”))
2. Alegerea configurației modelului de limbaj: Decideți asupra modelului LLM pe care îl veți utiliza, cum ar fi GPT-4 de la OpenAI sau orice alt model preferat. Setările de configurare, cum ar fi punctele de terminale API, numele modelului și cheile, trebuie definite clar pentru a permite o comunicare fără probleme între agenți.

Construirea de agenți AutoGen pentru scenarii complexe

Pentru a construi un sistem multi-agents, trebuie să definiți agenții și să specificați modul în care aceștia ar trebui să se comporte. AutoGen suportă diverse tipuri de agenți, fiecare cu roluri și capacități distincte.

Crearea de agenți asistenți și proxy utilizatori: Definiți agenți cu configurații sofisticate pentru executarea codului și gestionarea interacțiunilor utilizator:

from autogen import AssistantAgent, UserProxyAgent

# Definiți configurații LLM
llm_config = {
"model": "gpt-4",
"api_key": api_key
}

# Creați un agent asistent pentru sarcini complexe de codificare și analiză
assistant = AssistantAgent(
name="coding_assistant",
llm_config=llm_config
)

# Agent proxy utilizator pentru a gestiona interacțiunile utilizator și executarea codului
user_proxy = UserProxyAgent(
name="user_proxy",
code_execution_config={
"executor": autogen.coding.LocalCommandLineCodeExecutor(work_dir="coding_workspace")
}
)

from autogen import AssistantAgent, UserProxyAgent

# Definiți agenți pentru fluxul de lucru educațional
profesor = AssistantAgent(name="profesor", llm_config=llm_config)
elev = AssistantAgent(name="elev", llm_config=llm_config)
evaluator = AssistantAgent(name="evaluator", llm_config=llm_config)

# Definiți fluxul de conversație între agenți
profesor.send_message("Tema de astăzi este calculul. Să ne scufundăm în ecuații diferențiale.")
elev.send_message("Puteți explica conceptul de derivată?")
profesor.send_message("O derivată reprezintă rata de schimbare a unei funcții. Iată o explicație simplă...")