Multi-Agent-Kommunikation (AutoGen)
Microsoft AutoGen ermöglicht mehreren Agents, miteinander zu chatten, bis sie einen Konsens erreichen.
Multi-Agent-Kommunikation (AutoGen) ist eine kostenlose AI Agents-Lektion auf CoddyKit. Dies ist Lektion 1 von 4. Du kannst die komplette Lektion unten kostenlos lesen – dann übst du sie direkt im Browser mit einem integrierten Code-Editor und einem KI-Tutor rund um die Uhr. Sie ist Teil des AI Agents-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der AI Agents-Kurs umfasst insgesamt 4 Lektionen.
Teile dieser Lektion wurden noch nicht übersetzt und werden auf Englisch angezeigt.
Warum mehrere Agenten?
Ein Agent mit allen Tools ist oft schlechter als zwei spezialisierte Agenten, die miteinander kommunizieren. Spezialisierung ist besser als ein Generalist.
Beispiele:
- Researcher + Writer – einer sammelt Informationen, der andere formuliert die Antwort
- Coder + Reviewer – einer schreibt Code, der andere überprüft ihn kritisch
- User-Proxy + Assistant – repräsentiert den Benutzer und kommuniziert mit dem ausführenden Agenten
AutoGen-Muster
Mit Microsoft AutoGen können Agenten miteinander kommunizieren: Jeder ist entweder ein AssistantAgent oder ein UserProxyAgent. Sie tauschen Nachrichten aus, bis sie einen Konsens erreichen.
Two-Agent Example
# pip install pyautogen
from autogen import AssistantAgent, UserProxyAgent
llm_config = {'model': 'gpt-4o-mini', 'api_key': '...'}
assistant = AssistantAgent(
name='coder',
system_message='You write Python code. Reply with code only.',
llm_config=llm_config
)
user_proxy = UserProxyAgent(
name='user',
human_input_mode='NEVER',
code_execution_config={'work_dir': './workdir'}
)
user_proxy.initiate_chat(assistant, message='Write a function that returns the factorial of n.')UserProxyAgent
Repräsentiert den Menschen oder ein Skript. Kann vom Assistant zurückgegebenen Code ausführen, Rückfragen stellen und entscheiden, wann die Aufgabe abgeschlossen ist.
Kommunizierende Agenten
Alle AutoGen-Agenten erben von ConversableAgent. Sie können für benutzerdefiniertes Verhalten eine Unterklasse erstellen.
GroupChat for >2 Agents
class AssistantAgent:
def __init__(self, name, system_message=''):
self.name = name
self.system_message = system_message
def initiate_chat(self, manager, message):
manager.run(self, message)
class GroupChat:
def __init__(self, agents, messages, max_round=12):
self.agents = agents
self.messages = messages
self.max_round = max_round
class GroupChatManager:
def __init__(self, groupchat, llm_config=None):
self.groupchat = groupchat
def run(self, initiator, message):
self.groupchat.messages.append({'role': initiator.name, 'content': message})
for i, agent in enumerate(self.groupchat.agents):
if i >= self.groupchat.max_round:
break
reply = f'{agent.name} contributes to: {message}'
self.groupchat.messages.append({'role': agent.name, 'content': reply})
print(reply)
user_proxy = AssistantAgent(name='user_proxy')
researcher = AssistantAgent(name='researcher')
writer = AssistantAgent(name='writer')
critic = AssistantAgent(name='critic')
group = GroupChat(agents=[user_proxy, researcher, writer, critic], messages=[], max_round=12)
manager = GroupChatManager(groupchat=group, llm_config={})
user_proxy.initiate_chat(manager, message='Write a blog post about RAG.')
Sprecherauswahl
Der GroupChatManager entscheidet, wer als Nächstes spricht. Mögliche Strategien:
- round_robin – feste Rotation
- auto – das LLM wählt basierend auf dem Gespräch
- manual – der Mensch wählt
Abbruchbedingungen
Gespräche enden, wenn:
- ein Agent das Schlüsselwort TERMINATE ausgibt
- max_round erreicht ist
- UserProxyAgent entscheidet, dass die Aufgabe abgeschlossen ist
Codeausführung
UserProxyAgent kann jeden Code ausführen, den der Assistant in Codeblöcken ausgibt. Verwenden Sie eine Sandbox:
user_proxy = UserProxyAgent(
name='user',
code_execution_config={
'work_dir': './workdir',
'use_docker': True # safer
}
)Kosten im Blick behalten
Gespräche mit mehreren Agenten sind teuer – N Agenten × M Runden = N×M LLM-Aufrufe pro Aufgabe. Begrenzen Sie die Anzahl der Runden konsequent.
Wann Sie es verwenden sollten
- Aufgaben mit klarer Rollentrennung (Recherche, Code, Überprüfung)
- Aufgaben, bei denen Kritik die Qualität verbessert
- Aufgaben, die für einen einzelnen Agenten-Prompt zu komplex sind
Wann Sie es NICHT verwenden sollten
- Einfache Fragen und Antworten – ein einzelner Agent ist schneller und günstiger
- Latenzkritische Abläufe
- Aufgaben, die ein einzelner Agent vollständig und gut erledigen kann
AutoGen vs. LangGraph
AutoGen ist gesprächsorientiert (freie Gespräche zwischen Agenten). LangGraph ist graphorientiert (explizite Zustandsmaschine). Beide Ansätze sind geeignet. Entscheiden Sie danach, welcher besser zur Struktur Ihrer Aufgabe passt.
AutoGen-Muster
Was ist die zentrale Abstraktion in AutoGen?
Zusammenfassung
AutoGen bedeutet: rollenbasierte Agenten kommunizieren miteinander. Es eignet sich hervorragend für Aufgaben, bei denen ein Agent andere beaufsichtigt und weitere Agenten spezialisiert sind. Behalten Sie die Kosten im Blick und begrenzen Sie die Anzahl der Runden.
Häufig gestellte Fragen
Ist die Lektion „Multi-Agent-Kommunikation (AutoGen)“ kostenlos?
Ja — der vollständige Text von „Multi-Agent-Kommunikation (AutoGen)“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des AI Agents-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der AI Agents-Kurs umfasst insgesamt 4 Lektionen.
Was lerne ich in „Multi-Agent-Kommunikation (AutoGen)“?
Microsoft AutoGen ermöglicht mehreren Agents, miteinander zu chatten, bis sie einen Konsens erreichen. Du übst AI Agents mit praktischem Code, den du direkt im Browser ausführst, und ein 24/7 KI-Tutor beantwortet deine Fragen während du die Lektion bearbeitest.
Brauche ich Erfahrung, um AI Agents zu starten?
Keine Vorkenntnisse erforderlich. AI Agents auf CoddyKit ist für Anfänger bis fortgeschrittene Lernende strukturiert, sodass du hier starten oder von Anfang an beginnen und in deinem eigenen Tempo voranschreiten kannst. Dies ist Lektion 1 von 4.
Wie lange dauert die Lektion „Multi-Agent-Kommunikation (AutoGen)“?
Die meisten CoddyKit-Lektionen dauern etwa 5–10 Minuten. Jede ist kompakt und interaktiv, sodass du stetig Fortschritte machst und genau dort weitermachst, wo du aufgehört hast – im Web und in der App.
Kann ich in dieser AI Agents-Lektion Code schreiben und ausführen?
Ja. Jede AI Agents-Lektion enthält einen integrierten Code-Editor, sodass du echten Code direkt in deinem Browser schreibst und ausführst und sofort KI-Feedback erhältst — ohne lokale Einrichtung erforderlich.
Alle Lektionen in diesem Kurs
- Multi-Agent-Kommunikation (AutoGen)
- Hierarchische Supervisors (Orchestrator + Workers)
- Agent-Rollen und Spezialisierungen
- Kommunikationsprotokolle (Message-Busse)