Magentic-One：微软开源多智能体系统，让 AI 自己动手解决问题

最新推荐文章于 2025-04-07 17:51:34 发布

程序员笑武

最新推荐文章于 2025-04-07 17:51:34 发布

阅读量2.2k

点赞数 15

文章标签： microsoft 人工智能分类数据挖掘语言模型金融

本文链接：https://blog.csdn.net/m0_59164304/article/details/143665367

版权

Magentic-One 是微软开源的通用多智能体系统，能够像人类专家一样解决复杂的网络和文件任务，性能比肩 SOTA。 它采用创新的多智能体架构，由 Orchestrator 代理协调其他专门代理完成任务，具有高度的模块化、灵活性和可扩展性。 Magentic-One 为开发者和研究人员提供了一个强大的平台，推动 AI 代理技术走向新的高度。

在这里插入图片描述

从“聊天”到“行动”的 AI 革命

想象一下，你只需要告诉 AI 你的需求，它就能自动帮你完成，比如预订机票和酒店、撰写市场调研报告、甚至帮你分析复杂的代码库。这不再是科幻电影的场景，而是 AI Agent技术带来的未来。与以往只能进行简单对话的 AI 系统不同，AI Agent更注重“行动”，它们能够像人类一样感知、推理和行动，真正将 AI 的力量转化为实际的生产力。

Magentic-One 正是这场 AI 革命的先锋。

开源多智能体系统，开启 AI 新纪元

Magentic-One 是微软研究院推出的一款开源通用多智能体系统，旨在解决跨多个领域的开放式网络和基于文件的复杂任务。 它能够像人类专家一样浏览网页、操作文件、编写和执行代码，甚至与其他人类进行交互。这标志着 AI 代理技术发展迈向新的里程碑，使其更接近于解决人们日常生活中遇到的各种问题。

Magentic-One 基于微软的开源多智能体应用开发框架 AutoGen 构建。AutoGen 提供了模块化和灵活的多智能体范例，使得 Magentic-One 具有高度的灵活性和可扩展性，为开发者和研究人员提供了一个强大的平台。

在这里插入图片描述

图1：Magentic-One 示例，展示了其在各种领域解决开放式网络和文件任务的能力。

架构解析：多Agent协同，高效解决问题

Magentic-One 采用独特的“多智能体”架构，其核心是一个名为 Orchestrator 的主Agent。 Orchestrator 就像一位总指挥，负责任务分解和规划、指导其他Agent执行子任务、跟踪总体进度以及根据需要采取纠正措施。它通过内外双循环机制进行工作：

外循环： 管理任务分类账（包含事实、猜测和计划），制定整体策略。
内循环： 管理进度分类账（包含当前进度、代理的任务分配），监控执行情况并动态调整。

在这里插入图片描述

图2：Magentic-One 的 Orchestrator Agent的双循环机制，展示了其如何管理任务和进度。

Magentic-One 包含四个专门Agent，各司其职：

WebSurfer： 负责操作浏览器，进行网页导航、点击、输入、提取信息等操作。
FileSurfer： 负责处理本地文件，例如读取、导航、搜索等。
Coder： 负责编写和分析代码。
ComputerTerminal： 提供控制台 shell，用于执行 Coder 编写的代码。

这些Agent协同工作，就像一个高效的团队，共同完成复杂的任务。Magentic-One 支持多模态 LLM，并与模型无关，可以灵活地使用不同的 LLM 和 SLM，例如 GPT-4o 和 OpenAI o1-preview。

Magentic-One示例：WebSurfer 和 Coder

Magentic-One 提供了丰富的示例来帮助开发者快速上手。以下分别展示了 WebSurfer 和 Coder 的简单示例：

WebSurfer 示例 (example_websurfer.py)

# ... (省略部分代码)      async def main() -> None:       # ... (省略部分代码)          actual_surfer = await runtime.try_get_underlying_agent_instance(web_surfer.id, type=MultimodalWebSurfer)       await actual_surfer.init(           model_client=client,           downloads_folder=os.getcwd(),           start_page="https://www.bing.com",  # 设置起始页面           browser_channel="chromium",  # 使用Chromium浏览器           headless = False # 显示浏览器窗口       )          # ... (省略部分代码)

这段代码演示了如何初始化和使用 WebSurfer 代理，通过设置 headless = False 可以直接观察浏览器操作。用户可以与 WebSurfer 交互，指示其执行各种网页操作。

Coder 和 Executor 示例 (example_coder.py)

# ... (省略部分代码)      async def main() -> None:       async with DockerCommandLineCodeExecutor() as code_executor:  # 使用 Docker 执行代码           # ... (省略部分代码)              await Executor.register(               runtime,               "Executor",               lambda: Executor("A agent for executing code", executor=code_executor, confirm_execution=confirm_code),           )              # ... (省略部分代码)

这段代码演示了如何使用 Coder 代理编写代码，并通过 Executor Agent 在 Docker 容器中执行代码，保证了代码执行的安全性。

性能评估：比肩 SOTA，实力强劲

为了评估 Magentic-One 的性能，微软推出了 AutoGenBench，这是一个开源的Agent基准测试工具。在 GAIA、AssistantBench 和 WebArena 等基准测试中，Magentic-One 取得了与最先进技术（SOTA）相当或更优的性能，证明了其作为通用Agent系统的强大实力。

Image 3: Evaluation results of Magentic-One on the GAIA, AssistantBench and WebArena. Error bars indicate 95% confidence intervals. Note that WebArena results are self-reported.

图3：Magentic-One 在 GAIA、AssistantBench 和 WebArena 上的评估结果，误差线表示 95% 置信区间。WebArena 结果为自报告。

Magentic-One 的未来，无限可能

Magentic-One 的开源，为 AI Agent技术的发展带来了新的可能性。 未来，我们可以期待 Magentic-One 在更多领域展现其强大的能力，例如：

更复杂、更智能的任务自动化
更自然、更流畅的人机交互
更安全、更可靠的 AI 应用

Magentic-One 代表了 AI Agent 技术发展的重要一步，它展现了多智能体系统在解决复杂任务方面的巨大潜力。 随着技术的不断发展和完善，Magentic-One 将在未来发挥更大的作用，引领 AI Agent 新时代。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述