Multi-agents fondés sur la conversation (AutoGen)
Microsoft AutoGen permet à plusieurs agents d’échanger jusqu’à parvenir à un consensus.
Multi-agents fondés sur la conversation (AutoGen) est une leçon AI Agents gratuite sur CoddyKit. Ceci est la leçon 1 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage AI Agents, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours AI Agents comprend 4 leçons au total.
Certaines parties de cette leçon n'ont pas encore été traduites et s'affichent en anglais.
Pourquoi plusieurs agents ?
Un agent disposant de tous les outils est souvent moins efficace que deux agents spécialisés qui communiquent entre eux. La spécialisation est supérieure au profil généraliste.
Exemples :
- Chercheur + rédacteur — l’un recueille les informations, l’autre compose la réponse
- Programmeur + réviseur — l’un écrit le code, l’autre le critique
- Mandataire utilisateur + assistant — il représente l’utilisateur et parle au worker
Modèle AutoGen
Microsoft AutoGen permet aux agents de converser : chacun est un AssistantAgent ou un UserProxyAgent. Ils échangent des messages jusqu’à parvenir à un consensus.
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
Représente l’être humain (ou un script). Il peut exécuter le code renvoyé par l’assistant, poser des questions de clarification et décider quand la tâche est terminée.
Agents conversables
Tous les agents AutoGen héritent de ConversableAgent. Vous pouvez créer une sous-classe pour personnaliser le comportement.
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.')
Sélection de l’intervenant
GroupChatManager décide qui parle ensuite. Stratégies :
- round_robin — rotation fixe
- auto — le LLM choisit en fonction de la conversation
- manual — l’être humain choisit
Conditions d’arrêt
Les conversations se terminent quand :
- Un agent émet le mot-clé TERMINATE
- max_round est atteint
- UserProxyAgent décide que la tâche est terminée
Exécution du code
UserProxyAgent peut exécuter tout code que l’assistant émet dans des blocs de code. Utilisez un bac à sable :
user_proxy = UserProxyAgent(
name='user',
code_execution_config={
'work_dir': './workdir',
'use_docker': True # safer
}
)Surveiller les coûts
Les conversations multi-agents sont coûteuses : N agents × M tours = N×M appels au LLM par tâche. Limitez strictement le nombre de tours.
Quand l’utiliser
- Tâches avec une séparation claire des rôles (recherche, code, révision)
- Tâches pour lesquelles la critique améliore la qualité
- Tâches trop complexes pour l’invite d’un seul agent
Quand NE PAS l’utiliser
- Questions-réponses simples : un seul agent est plus rapide et moins coûteux
- Chemins où la latence est critique
- Tâches qu’un seul agent peut entièrement réaliser correctement
AutoGen ou LangGraph
AutoGen repose sur la conversation (discussions libres entre agents). LangGraph repose sur un graphe (machine à états explicite). Les deux conviennent ; choisissez selon la solution qui correspond le plus naturellement à votre tâche.
Modèle AutoGen
Quelle est l’abstraction centrale d’AutoGen ?
Récapitulatif
AutoGen met en scène des agents qui conversent selon leur rôle. Il convient très bien aux tâches où un agent supervise et où d’autres se spécialisent. Surveillez les coûts et limitez le nombre de tours.
Questions Fréquemment Posées
La leçon « Multi-agents fondés sur la conversation (AutoGen) » est-elle gratuite ?
Oui — le texte complet de « Multi-agents fondés sur la conversation (AutoGen) » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours AI Agents, passe à CoddyKit PRO. Le cours AI Agents comprend 4 leçons au total.
Qu'est-ce que j'apprendrai dans « Multi-agents fondés sur la conversation (AutoGen) » ?
Microsoft AutoGen permet à plusieurs agents d’échanger jusqu’à parvenir à un consensus. Tu pratiques AI Agents avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.
Dois-je avoir de l'expérience pour commencer AI Agents ?
Aucune expérience préalable n'est requise. AI Agents sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 1 sur 4.
Combien de temps prend la leçon « Multi-agents fondés sur la conversation (AutoGen) » ?
La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.
Peux-tu écrire et exécuter du code dans cette leçon AI Agents ?
Oui. Chaque leçon AI Agents inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.
Toutes les leçons de ce cours
- Multi-agents fondés sur la conversation (AutoGen)
- Superviseurs hiérarchiques (orchestrateur et exécutants)
- Rôles et spécialisations des agents
- Protocoles de communication (bus de messages)