[!IMPORTANT] AG2 движется к версии v1.0. Текущий фреймворк будет приведён в порядок через устаревания в нескольких следующих минорных версиях и переведён в режим обслуживания. Бета-фреймворк (autogen.beta) станет официальной версией AG2 начиная с v1.0.

Читать полный план выпуска →

AG2: Открытая AgentOS-платформа для AI-агентов

AG2 (бывший AutoGen) — открытый фреймворк для создания AI-агентов и организации взаимодействия между несколькими агентами при решении задач. AG2 нацелен на упрощение разработки и исследований в области агентного AI. Фреймворк предлагает: агентов, способных взаимодействовать друг с другом, поддержку различных больших языковых моделей (LLM) и инструментов, автономные рабочие процессы и режим human-in-the-loop, а также паттерны многоагентных диалогов.

Проект в настоящее время поддерживается активной группой волонтёров из нескольких организаций. Свяжитесь с администраторами проекта Chi Wang и Qingyun Wu по адресу support@ag2.ai, если вы хотите стать мейнтейнером.

Содержание

• AG2: Открытая AgentOS-платформа для AI-агентов
  • Содержание
  • Начало работы
    • Установка
    • Настройка API-ключей
    • Запуск первого агента
  • Примеры приложений
  • Введение в концепции агентов
    • Conversable Agent
    • Оркестрация нескольких агентов
    • Human in the Loop
    • Инструменты
    • Продвинутые паттерны агентного проектирования
  • Объявления
  • Стиль кода и линтинг
  • Связанные статьи
  • Стена участников
  • Цитирование проекта
  • Лицензия

Начало работы

Пошаговое руководство по концепциям и коду AG2 см. в разделе Basic Concepts нашей документации.

Установка

AG2 требует Python версии >= 3.10, < 3.14. AG2 доступен через ag2 (или его псевдоним autogen) на PyPI.

Windows/Linux:

Mac:

По умолчанию устанавливается минимальный набор зависимостей. Вы можете установить дополнительные опции в зависимости от нужных функций.

Настройка API-ключей

Чтобы хранить зависимости LLM в порядке и не допустить случайного попадания API-ключей в коммиты, рекомендуем хранить ключи в конфигурационном файле.

В наших примерах используется файл OAI_CONFIG_LIST для хранения API-ключей. Вы можете выбрать любое имя файла, но обязательно добавьте его в .gitignore, чтобы он не попал в систему контроля версий.

Вы можете использовать следующий шаблон:

[
  {
    "model": "gpt-5",
    "api_key": "<ваш OpenAI API-ключ здесь>"
  }
]

Запуск первого агента

Создайте скрипт или Jupyter Notebook и запустите первого агента.

from autogen import AssistantAgent, UserProxyAgent, LLMConfig

llm_config = LLMConfig.from_json(path="OAI_CONFIG_LIST")

assistant = AssistantAgent("assistant", llm_config=llm_config)

user_proxy = UserProxyAgent("user_proxy", code_execution_config={"work_dir": "coding", "use_docker": False})

user_proxy.run(assistant, message="Summarize the main differences between Python lists and tuples.").process()

Примеры приложений

Мы поддерживаем отдельный репозиторий с широким набором приложений, которые помогут вам начать работу с различными сценариями использования. Также доступна коллекция Jupyter Notebooks в качестве отправной точки.

• Build with AG2
• Jupyter Notebooks

Введение в концепции агентов

В AG2 реализовано несколько концепций агентов для построения AI-систем. Ниже представлены наиболее распространённые из них.

• Conversable Agent: Агенты, способные отправлять сообщения, получать сообщения и генерировать ответы с использованием GenAI-моделей, а также без них.
• Оркестрация нескольких агентов: Координация работы нескольких агентов для решения сложных задач.
• Human in the Loop: Включение человека в рабочий процесс агента для контроля и обратной связи.
• Инструменты: Расширение возможностей агентов с помощью внешних инструментов и API.
• Продвинутые паттерны агентного проектирования: Сложные архитектуры для специализированных сценариев использования.