AG2 实战：开源多 Agent 协作框架

来源：docs.ag2.ai · github.com/ag2ai/ag2 · DeepLearning.ai 课程 | 整理时间：2026-04-07

什么是 AG2？

AG2 是由 AutoGen 原作者 Chi Wang 和 Qingyun Wu 创建的开源多 Agent 协作框架。它延续了 AutoGen v0.2 的对话式架构，提供了简洁、同步的 API，非常适合快速构建多 Agent 应用。

AG2 vs Microsoft AutoGen

2024 年 9 月，原作者离开微软后创立了 AG2AI 组织。AutoGen 生态由此分为两个项目：

如果你是 AutoGen 老用户：AG2 完全兼容 v0.2 API，迁移零成本。

安装与配置

安装

# 基础安装（OpenAI 支持）
pip install 'ag2[openai]'

# 多模型支持
pip install 'ag2[openai,gemini,anthropic,mistral,together]'

# 或使用旧包名
pip install 'autogen[openai]'

API Key 配置

方式一：配置文件 OAI_CONFIG_LIST

[
  {
    "model": "gpt-4o",
    "api_key": "your-key-here"
  }
]

方式二：环境变量

from autogen import LLMConfig
import os

llm_config = LLMConfig(config_list={
    "api_type": "openai",
    "model": "gpt-4o",
    "api_key": os.environ["OPENAI_API_KEY"],
})

支持的 LLM 提供商

OpenAI、Azure OpenAI、Anthropic Claude、Google Gemini、Mistral、DeepInfra、TogetherAI、本地模型（Ollama 等）。

核心概念

五大核心类

编排模式

AG2 提供五种可组合的对话模式：

实战示例

示例 1：双 Agent 代码审查

from autogen import ConversableAgent, LLMConfig

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

# 开发者 Agent
coder = ConversableAgent(
    name="coder",
    system_message="你是一位 Python 开发者，编写简洁高效的代码。",
    llm_config=llm_config,
)

# 审查者 Agent
reviewer = ConversableAgent(
    name="reviewer",
    system_message="你是一位严格的代码审查者。指出代码中的问题和改进建议，不要重写代码。",
    llm_config=llm_config,
)

# 启动对话
response = reviewer.run(
    recipient=coder,
    message="写一个计算斐波那契数列的 Python 函数",
    max_turns=10
)
response.process()
print(response.summary)

示例 2：多 Agent 群聊（AutoPattern）

from autogen import ConversableAgent, LLMConfig
from autogen.agentchat import run_group_chat
from autogen.agentchat.group.patterns import AutoPattern

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

# 产品经理
planner = ConversableAgent(
    name="planner",
    system_message="你是产品经理，根据需求制定技术方案。",
    description="制定技术方案和任务拆解",
    llm_config=llm_config,
)

# 开发者
developer = ConversableAgent(
    name="developer",
    system_message="你是全栈开发者，根据方案编写代码。",
    description="实现技术方案",
    llm_config=llm_config,
)

# 测试者
tester = ConversableAgent(
    name="tester",
    system_message="你是测试工程师，验证代码质量和功能正确性。",
    description="测试和验证实现",
    llm_config=llm_config,
)

# 配置自动选择发言者
auto_pattern = AutoPattern(
    agents=[planner, developer, tester],
    initial_agent=planner,
    group_manager_args={"name": "manager", "llm_config": llm_config},
)

# 启动群聊
response = run_group_chat(
    pattern=auto_pattern,
    messages="实现一个用户注册 API，包含邮箱验证",
    max_rounds=20,
)
response.process()
print(response.summary)

示例 3：工具注册与人工介入

from datetime import datetime
from typing import Annotated
from autogen import ConversableAgent, register_function, LLMConfig

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

# 定义工具函数
def get_weekday(date_string: Annotated[str, "日期格式: YYYY-MM-DD"]) -> str:
    """获取指定日期是星期几"""
    date = datetime.strptime(date_string, "%Y-%m-%d")
    weekdays = ["星期一", "星期二", "星期三", "星期四", "星期五", "星期六", "星期日"]
    return weekdays[date.weekday()]

# 创建 Agent
date_agent = ConversableAgent(
    name="date_agent",
    system_message="你帮助用户查询日期信息。",
    llm_config=llm_config,
)

executor = ConversableAgent(
    name="executor",
    human_input_mode="NEVER",
    llm_config=llm_config,
)

# 注册工具
register_function(
    get_weekday,
    caller=date_agent,
    executor=executor,
    description="查询指定日期是星期几",
)

# 对话
result = executor.initiate_chat(
    recipient=date_agent,
    message="1995年3月25日是星期几？",
    max_turns=2,
)
print(result.chat_history[-1]["content"])

v0.9 统一群聊 API

v0.9 版本将之前的 Group Chat 和 Swarm 合并为统一的 run_group_chat API，内置多种编排模式：

# 轮流发言示例
from autogen.agentchat.group.patterns import RoundRobinPattern

pattern = RoundRobinPattern(
    agents=[agent_a, agent_b, agent_c],
)

response = run_group_chat(
    pattern=pattern,
    messages="讨论微服务 vs 单体架构的优劣",
    max_rounds=12,
)

高级功能

版本路线图

相关链接

• AG2 官方文档
• GitHub ag2ai/ag2
• DeepLearning.ai 课程
• ../ai-agents/agent-patterns.md — Agent 设计模式
• langgraph-guide.md — LangGraph 实战
• crewai-guide.md — CrewAI 实战