Multiagente basado en conversaciones (AutoGen)
Microsoft AutoGen permite que varios agentes conversen entre sí hasta alcanzar un consenso.
Multiagente basado en conversaciones (AutoGen) es una lección gratuita de AI Agents en CoddyKit. Esta es la lección 1 de 4. Puedes leer la lección completa abajo gratuitamente — luego la practicas en el navegador con un editor de código integrado y un tutor de IA 24/7. Forma parte de la ruta de aprendizaje de AI Agents, y tu progreso se sincroniza en la web y la app de CoddyKit. El curso de AI Agents incluye 4 lecciones en total.
Partes de esta lección aún no han sido traducidas y se muestran en inglés.
¿Por qué usar varios agentes?
Un agente con todas las herramientas suele ser peor que dos agentes especializados que se comunican entre sí. La especialización es mejor que el enfoque generalista.
Ejemplos:
- Investigador + redactor: uno recopila información y el otro redacta la respuesta
- Programador + revisor: uno escribe el código y el otro lo critica
- Proxy del usuario + asistente: uno representa al usuario y habla con el agente de trabajo
Patrón de AutoGen
Microsoft AutoGen permite que los agentes conversen: cada uno es un AssistantAgent o un UserProxyAgent. Intercambian mensajes hasta alcanzar un consenso.
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
Representa a la persona (o a un script). Puede ejecutar el código que devuelve el asistente, hacer preguntas aclaratorias y decidir cuándo se ha completado la tarea.
Agentes conversables
Todos los agentes de AutoGen heredan de ConversableAgent. Puede crear subclases para personalizar su comportamiento.
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.')
Selección del interlocutor
GroupChatManager decide quién habla a continuación. Estrategias:
- round_robin: rotación fija
- auto: el LLM elige según la conversación
- manual: la persona elige
Condiciones de finalización
Las conversaciones terminan cuando:
- Un agente emite la palabra clave TERMINATE
- Se alcanza max_round
- UserProxyAgent decide que la tarea ha terminado
Ejecución de código
UserProxyAgent puede ejecutar cualquier código que el asistente emita en bloques de código. Use un entorno aislado:
user_proxy = UserProxyAgent(
name='user',
code_execution_config={
'work_dir': './workdir',
'use_docker': True # safer
}
)Control de costes
Las conversaciones multiagente son costosas: N agentes × M rondas = N×M llamadas al LLM por tarea. Limite las rondas de forma estricta.
Cuándo usarlo
- Tareas con una separación clara de roles (investigación, programación y revisión)
- Tareas en las que la crítica mejora la calidad
- Tareas demasiado complejas para una sola indicación de agente
Cuándo NO usarlo
- Preguntas y respuestas sencillas: un solo agente es más rápido y barato
- Rutas en las que la latencia es crítica
- Tareas que un solo agente puede realizar bien de principio a fin
AutoGen frente a LangGraph
AutoGen se basa en conversaciones (chats libres entre agentes). LangGraph se basa en grafos (una máquina de estados explícita). Ambos son válidos; elija según cuál se adapte mejor a la naturaleza de su tarea.
Patrón de AutoGen
¿Cuál es la abstracción central de AutoGen?
Resumen
AutoGen = agentes basados en roles que conversan. Es ideal para tareas en las que un agente supervisa y otros se especializan. Controle los costes y limite las rondas.
Preguntas frecuentes
¿La lección «Multiagente basado en conversaciones (AutoGen)» es gratis?
Sí — el texto completo de «Multiagente basado en conversaciones (AutoGen)» es gratis para leer aquí en la web. Para practicarla de forma interactiva (editor de código integrado y tutor de IA 24/7) y desbloquear el resto del curso de AI Agents, actualiza a CoddyKit PRO. El curso de AI Agents incluye 4 lecciones en total.
¿Qué aprenderé en «Multiagente basado en conversaciones (AutoGen)»?
Microsoft AutoGen permite que varios agentes conversen entre sí hasta alcanzar un consenso. Practicas AI Agents con código real que ejecutas directamente en el navegador, y un tutor de IA 24/7 responde tus preguntas mientras trabajas en la lección.
¿Necesito experiencia previa para empezar AI Agents?
No se requiere experiencia previa. AI Agents en CoddyKit está estructurado para principiantes hasta estudiantes avanzados, así que puedes empezar aquí o desde el inicio y avanzar a tu ritmo. Esta es la lección 1 de 4.
¿Cuánto tiempo toma la lección «Multiagente basado en conversaciones (AutoGen)»?
La mayoría de las lecciones de CoddyKit toman alrededor de 5–10 minutos. Cada una es compacta e interactiva, así que avanzas constantemente y retomas exactamente por donde dejaste en la web y la app.
¿Puedo escribir y ejecutar código en esta lección de AI Agents?
Sí. Cada lección de AI Agents incluye un editor de código integrado, así que escribes y ejecutas código real directamente en tu navegador y obtienes retroalimentación instantánea de IA — sin configuración local necesaria.
Todas las lecciones de este curso
- Multiagente basado en conversaciones (AutoGen)
- Supervisores jerárquicos (orquestador y trabajadores)
- Roles y especializaciones de los agentes
- Protocolos de comunicación (buses de mensajes)