AutoGen: Enabling Next-Gen LLM Applications via Multi-Agent Conversation Framework

本文是LLM系列的文章，针对《AutoGen: Enabling Next-Gen LLM Applications via Multi-Agent Conversation Framework》的翻译。

摘要

本技术报告介绍了一种新的框架AutoGen，它可以使用多个代理来开发LLM应用程序，这些代理可以相互对话以解决任务。AutoGen代理是可定制的、可对话的，并且无缝地允许人类参与。它们可以在各种模式下运行，这些模式采用LLM、人工输入和工具的组合。AutoGen的设计提供了多种优势：a）它优雅地驾驭了这些LLM强大但不完美的生成和推理能力；b） 它利用人类的理解和智慧，同时通过代理之间的对话提供有价值的自动化；c） 它简化并统一了作为自动化代理聊天的复杂LLM工作流的实现。我们提供了许多不同的例子，说明开发人员如何轻松使用AutoGen来有效地解决任务或构建应用程序，包括编码、数学、运筹学、娱乐、在线决策、问答等。

1 引言

2 AutoGen框架

3 相关工作

4 AutoGen的应用

5 讨论

我们引入了一个开源库AutoGen，它集成了可对话代理和对话编程的范例。该库利用非常适合多代理协作的功能强大的代理。它在代理之间具有统一的会话接口，以及自动回复机制，这有助于建立一个代理交互接口，该接口利用具有广泛功能的聊天优化llm的优势，同时适应广泛的应用程序。AutoGen是用于创建和试验多代理系统的通用框架，这些系统可以轻松地满足各种实际需求，例如重用、自定义和扩展现有代理，以及对它们之间的对话进行编程。
我们的实验，如第3节所详述的，证明了这种方法提供了许多好处。采用AutoGen提高了性能(优于最先进的方法)，减少了开发代码，并减少了现有应用程序的手动负担。它为开发人员提供了灵活性，如A1(场景3)、A5和A6所示，其中AutoGen支持多代理聊天遵循动态模式，而不是固定的来回交互。它允许人类以对话的方式与多个人工智能代理一起参与活动。尽管这些应用程序很复杂(大多数涉及两个以上代理或动态多回合代理合作)，但基于AutoGen的实现仍然很简单。在不同的代理之间划分任务促进了模块化。此外，由于每个代理都可以单独开发、测试和维护，因此这种方法简化了整体开发和代码管理。
虽然这项工作仍处于早期实验阶段，但它为许多未来的方向和研究机会铺平了道路。例如，我们可以探索将现有的代理实现有效地集成到我们的多代理框架中，并研究多代理工作流中自动化和人工控制之间的最佳平衡。随着我们进一步开发和完善AutoGen，我们的目标是研究哪些策略(如代理拓扑和对话模式)能够导致最有效的多代理对话，同时优化整体效率和其他因素。虽然增加代理数量和其他自由度为解决更复杂的问题提供了机会，但它也可能带来新的安全挑战，需要额外的研究和仔细考虑。
我们在附录B中提供了更多的讨论，包括使用AutoGen的指南和未来工作的方向。我们希望AutoGen能够在开发速度、实验便利性、整体有效性和安全性方面帮助改进许多LLM应用程序。我们积极欢迎来自更广泛社区的贡献。