Multi-agente basato sulla conversazione (AutoGen)
Microsoft AutoGen consente a più agenti di conversare tra loro finché non raggiungono un consenso.
Multi-agente basato sulla conversazione (AutoGen) è una lezione AI Agents gratuita su CoddyKit. Questa è la lezione 1 di 4. Puoi leggere la lezione completa qui gratuitamente — poi esercitati direttamente nel browser con un editor di codice integrato e un tutor IA disponibile 24/7. Fa parte del percorso di apprendimento AI Agents, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso AI Agents include 4 lezioni in totale.
Parti di questa lezione non sono ancora state tradotte e vengono mostrate in inglese.
Perché usare più agenti?
Un agente con tutti gli strumenti è spesso peggiore di due agenti specializzati che comunicano tra loro. La specializzazione è migliore del generalista.
Esempi:
- Researcher + Writer — uno raccoglie informazioni, l'altro compone la risposta
- Coder + Reviewer — uno scrive il codice, l'altro lo esamina criticamente
- User-Proxy + Assistant — rappresenta l'utente e comunica con l'agente operativo
Schema di AutoGen
Microsoft AutoGen permette agli agenti di conversare: ciascuno è un AssistantAgent o un UserProxyAgent. Si scambiano messaggi fino a raggiungere il 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
Rappresenta una persona (o uno script). Può eseguire il codice restituito dall'assistente, porre domande di chiarimento e decidere quando l'attività è terminata.
Agenti conversazionali
Tutti gli agenti AutoGen ereditano da ConversableAgent. È possibile creare sottoclassi per comportamenti personalizzati.
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.')
Selezione dell'oratore
GroupChatManager decide chi parlerà dopo. Strategie:
- round_robin — rotazione fissa
- auto — l'LLM sceglie in base alla conversazione
- manual — la scelta spetta alla persona
Condizioni di terminazione
Le conversazioni terminano quando:
- Un agente emette la parola chiave TERMINATE
- Viene raggiunto max_round
- UserProxyAgent decide che l'attività è terminata
Esecuzione del codice
UserProxyAgent può eseguire qualsiasi codice emesso dall'assistente nei blocchi di codice. Usare una sandbox:
user_proxy = UserProxyAgent(
name='user',
code_execution_config={
'work_dir': './workdir',
'use_docker': True # safer
}
)Controllare i costi
Le conversazioni tra più agenti sono costose: N agenti × M turni = N×M chiamate LLM per attività. Limitare drasticamente il numero di turni.
Quando usarlo
- Attività con una chiara separazione dei ruoli (ricerca, codice, revisione)
- Attività in cui la valutazione critica migliora la qualità
- Attività troppo complesse per il prompt di un singolo agente
Quando NON usarlo
- Domande e risposte semplici: un singolo agente è più rapido ed economico
- Percorsi sensibili alla latenza
- Attività che un singolo agente può svolgere bene per intero
AutoGen e LangGraph a confronto
AutoGen = basato sulla conversazione (chat libere tra agenti). LangGraph = basato su un grafo (macchina a stati esplicita). Entrambi sono validi: scegliere in base a quanto naturalmente l'attività si adatta all'uno o all'altro.
Schema di AutoGen
Qual è l'astrazione centrale di AutoGen?
Riepilogo
AutoGen = agenti basati sui ruoli che conversano. È ideale per le attività in cui un agente supervisiona e gli altri sono specializzati. Controllare i costi e limitare il numero di turni.
Domande Frequenti
La lezione «Multi-agente basato sulla conversazione (AutoGen)» è gratuita?
Sì — il testo completo di «Multi-agente basato sulla conversazione (AutoGen)» è gratuito qui sul web. Per esercitarvi in modo interattivo (un editor di codice integrato e un tutor IA 24/7) e sbloccare il resto del corso AI Agents, passa a CoddyKit PRO. Il corso AI Agents include 4 lezioni in totale.
Cosa imparerò in «Multi-agente basato sulla conversazione (AutoGen)»?
Microsoft AutoGen consente a più agenti di conversare tra loro finché non raggiungono un consenso. Eserciti AI Agents con codice pratico che esegui direttamente nel browser, e un tutor IA 24/7 risponde alle tue domande mentre lavori sulla lezione.
Ho bisogno di esperienza per iniziare AI Agents?
Non è richiesta alcuna esperienza precedente. AI Agents su CoddyKit è strutturato per principianti e studenti avanzati, quindi puoi iniziare da qui o dall'inizio e procedere al tuo ritmo. Questa è la lezione 1 di 4.
Quanto tempo richiede la lezione «Multi-agente basato sulla conversazione (AutoGen)»?
La maggior parte delle lezioni CoddyKit richiede circa 5–10 minuti. Ogni lezione è breve e interattiva, quindi fai progressi costanti e riprendi esattamente da dove hai lasciato su web e app.
Posso scrivere ed eseguire codice in questa lezione AI Agents?
Sì. Ogni lezione AI Agents include un editor di codice integrato, quindi scrivi ed esegui codice reale direttamente nel tuo browser e ricevi feedback istantaneo dall'IA — nessuna configurazione locale necessaria.
Tutte le lezioni di questo corso
- Multi-agente basato sulla conversazione (AutoGen)
- Supervisori gerarchici (orchestratore + worker)
- Ruoli e specializzazioni degli agenti
- Protocolli di comunicazione (message bus)