AutoGen: Microsofts Open Source Framework, das LLM-Agents miteinander chatten lässt

Name

Jennie Rose

Published on 10.11.2023

Willkommen in der Zukunft der Multi-Agenten-Systeme, präsentiert von Microsoft. Wenn Sie mit komplexen Abläufen zu kämpfen hatten und sich nach einer vereinfachten, aber leistungsstarken Lösung sehnen, ist AutoGen die Antwort. Dieser Artikel soll Ihr umfassender Leitfaden sein, um dieses bahnbrechende Framework zu verstehen - von seinen wichtigsten Funktionen bis hin zur Installation und darüber hinaus.

In einer Welt, in der KI zunehmend Teil unseres täglichen Lebens wird, steht AutoGen für Innovation und Praktikabilität. Egal, ob Sie ein KI-Enthusiast, ein Entwickler oder jemand sind, der einfach nur neugierig auf das nächste große Ding in der Technologie ist, dieser Artikel ist für Sie. Wir werden uns tief in die Details von AutoGen vertiefen, also machen Sie sich bereit für eine aufschlussreiche Reise!

Möchten Sie die neuesten Nachrichten über LLM erfahren? Schauen Sie sich das neueste LLM-Leaderboard an!

Was ist AutoGen, die Zukunft der Multi-Agenten-Systeme

AutoGen (opens in a new tab) ist ein neuestes Framework von Microsoft, das darauf abzielt, die Art und Weise, wie wir über Multi-Agenten-Systeme nachdenken und implementieren, zu revolutionieren. Vereinfacht ausgedrückt handelt es sich dabei um ein Toolkit, das es mehreren KI-Agenten ermöglicht, miteinander zu sprechen und zusammenzuarbeiten, um komplexe Aufgaben zu lösen. Aber was unterscheidet AutoGen von anderen Multi-Agenten-Frameworks, ist seine nahtlose Integration mit Large Language Models (LLMs) und seine Möglichkeit zur Einbindung von menschlicher Beteiligung.

• Multi-Agenten-Systeme: Dies sind Systeme, in denen mehrere Agenten interagieren, um Aufgaben zu lösen. Agenten können Software-Entitäten oder Menschen sein.
• Large Language Models (LLMs): Dies sind KI-Modelle, die auf umfangreichen Datensätzen trainiert sind, um menschenähnlichen Text zu verstehen und zu generieren.

Wie funktioniert AutoGen?

AutoGen-Architektur, erläutert

Das Multi-Agenten-Konversations-Framework von AutoGen dient als Grundlage des gesamten Systems. Es ist so konzipiert, dass es eine flexible und robuste Plattform bietet, die Large Language Models (LLMs), verschiedene Tools und sogar menschliche Teilnehmer integriert. Diese Architektur ermöglicht es AutoGen, äußerst vielseitig zu sein und für eine Vielzahl von Aufgaben und Projekten geeignet zu sein.

• Agenten-Typen: AutoGen unterstützt verschiedene Arten von Agenten, von denen jeder seine eigenen Aufgaben und Fähigkeiten hat. Dies ermöglicht ein hoch modulares und anpassbares System.

• Konversationsmuster: Das Framework unterstützt verschiedene Konversationsmuster, darunter Ein-zu-Eins-, Gruppen- und hierarchische Konversationen. Diese Flexibilität ermöglicht die einfache Orchestrierung komplexer Arbeitsabläufe.

• Integration mit LLMs: AutoGen ist darauf ausgelegt, nahtlos mit Large Language Models zusammenzuarbeiten und somit fortschrittliche natürliche Sprachverarbeitungs- und Generierungsfunktionen innerhalb des Multi-Agenten-Systems zu ermöglichen.

Anpassbare Agenten in AutoGen

AutoGen ermöglicht eine individuelle Anpassung, indem Sie Agenten mit bestimmten Rollen und Funktionen erstellen können. Diese Agenten können für Aufgaben von der Datenanalyse bis zum Kundenservice maßgeschneidert werden. Die Flexibilität von AutoGen liegt darin, dass Sie die Rollen und Verantwortlichkeiten jedes Agenten entsprechend den Anforderungen Ihres Projekts definieren können.

• Agenten mit Rollenzuordnung: Weisen Sie Agenten Rollen basierend auf den Aufgaben zu, die sie ausführen sollen. Sie können beispielsweise einen "Datenanalysten"-Agenten und einen "Kundenservice"-Agenten im Team haben.

• Funktionalitäten: Jeder Agent kann programmiert werden, um spezifische Funktionen auszuführen. Dadurch wird sichergestellt, dass jeder Agent in seiner Rolle spezialisiert und effizient ist.

Konversationsmodi in AutoGen

Eine der faszinierendsten Funktionen von AutoGen ist die Unterstützung verschiedener Konversationsmodi. Diese Modi definieren, wie Agenten miteinander und möglicherweise mit Menschen interagieren. Das Framework unterstützt Ein-zu-Eins-Gespräche, Gruppenchats und sogar hierarchische Konversationen, bei denen ein Agent die Aktionen der anderen überwacht.

• Hierarchische Gespräche: Einige Agenten können als Vorgesetzte agieren, die die Handlungen anderer Agenten überwachen und sicherstellen, dass Aufgaben effizient erledigt werden.

API-Kompatibilität: Vereinfachter Übergang

Wenn Sie bereits mit der OpenAI-API vertraut sind, wird der Wechsel zu AutoGen ein Spaziergang im Park sein. AutoGen bietet einen einfachen Austausch für OpenAI's Completion- oder ChatCompletion-APIs. Das bedeutet, Sie können problemlos zwischen den beiden wechseln, ohne große Teile Ihres Codes neu schreiben zu müssen.

• Nahtloser Übergang: Sie müssen nicht von vorne anfangen; Ihr bestehender Code kann problemlos an AutoGen angepasst werden.

• Kosteneffizienz: Durch die Kompatibilität mit vorhandenen APIs spart Ihnen AutoGen Zeit und Geld, da Sie nicht in das Erlernen eines neuen Systems von Grund auf investieren müssen.

So starten Sie mit AutoGen: Eine schrittweise Anleitung

Einrichten Ihrer Umgebung

Bevor Sie in den Code eintauchen, müssen Sie Ihre Umgebung einrichten. AutoGen kann über Pip oder Docker installiert werden. Für dieses Tutorial verwenden wir Pip:

pip install autogen

Initialisieren von Agenten

Mit AutoGen können Sie verschiedene Arten von Agenten erstellen. In diesem Beispiel initialisieren wir einen AssistantAgent und einen UserProxyAgent.

from autogen import AssistantAgent, UserProxyAgent, config_list_from_json
 
# LLM-Inferenzendpunkte aus einer Umgebungsvariable oder einer Datei laden
config_list = config_list_from_json(env_or_file="OAI_CONFIG_LIST")
assistant = AssistantAgent("assistant", llm_config={"config_list": config_list})
user_proxy = UserProxyAgent("user_proxy", code_execution_config={"work_dir": "coding"})

In diesem Code-Snippet wird AssistantAgent mit der Rolle "assistant" initialisiert und UserProxyAgent mit der Rolle "user_proxy". Die Funktion config_list_from_json wird verwendet, um LLM-Inferenzendpunkte zu laden.

Starten eines Chats zwischen Agenten

Sobald die Agenten initialisiert sind, können Sie einen Chat zwischen ihnen starten. Hier initiiert der UserProxyAgent einen Chat mit dem AssistantAgent, um einen Chart der Änderungen des NVDA- und TESLA-Aktienkurses Year-To-Date (YTD) zu erstellen.

user_proxy.initiate_chat(assistant, message="Plot a chart of NVDA and TESLA stock price change YTD.")

Dieser Code startet einen Chat zwischen den Agenten user_proxy und assistant. Die Nachricht gibt die Aufgabe an, die der assistant-Agent ausführen soll.

Erweiterte Verwendung: Durchführen von Tests in AutoGen

AutoGen wird mit einer Vielzahl von Testskripten geliefert, die Sie verwenden können, um seine Funktionalitäten besser zu verstehen. Hier sind einige Beispiele basierend auf den Testskripten, die im AutoGen-GitHub-Repository verfügbar sind:

Zwei-Agenten-Interaktion mit AutoGen

Dieser Test zeigt, wie sich zwei Agenten im AutoGen-Framework interagieren können. Der Code initialisiert einen AssistantAgent und einen UserProxyAgent und startet einen Chat zwischen ihnen.

# Code-Snippet von twoagent.py
from autogen import AssistantAgent, UserProxyAgent, config_list_from_json
 
config_list = config_list_from_json(env_or_file="OAI_CONFIG_LIST")
assistant = AssistantAgent("assistant", llm_config={"config_list": config_list})
user_proxy = UserProxyAgent("user_proxy", code_execution_config={"work_dir": "coding"})
user_proxy.initiate_chat(assistant, message="Plot a chart of NVDA and TESLA stock price change YTD.")

Funktionstest mit AutoGen

Dieses Testskript zeigt, wie Funktionen im AutoGen-Framework aufgerufen werden können.

# Code-Snippet von test_function_call.py
from autogen import function_call
 
result = function_call("your_function_here", args={"arg1": "value1", "arg2": "value2"})

In diesem Beispiel wird function_call verwendet, um eine Funktion mit dem Namen your_function_here und den Argumenten arg1 und arg2 aufzurufen.

Weitere Beispiele finden Sie im offiziellen AutoGen GitHub (opens in a new tab).

Fazit

AutoGen ist nicht nur ein weiteres Multi-Agenten-Framework; es ist ein revolutionäres System, das verspricht, die Art und Weise, wie wir über Multi-Agenten-Systeme denken und implementieren, neu zu definieren. Mit seiner Vielzahl von Funktionen, nahtlosen Integrationsmöglichkeiten und dem Potenzial für weitreichende Auswirkungen ist AutoGen zweifellos ein Framework, das es wert ist, erforscht zu werden.

Egal, ob Sie als Entwickler komplexe Workflows vereinfachen möchten oder ein Branchenführer sind, der Innovationen sucht, AutoGen bietet für jeden etwas. Also warum warten? Tauchen Sie ein in die Welt von AutoGen und entdecken Sie noch heute die Zukunft der Multi-Agenten-Systeme!

Möchten Sie die neuesten LLM-News erfahren? Schauen Sie sich das neueste LLM-Ranking an!