看起来科技巨头们终于正在迈向多AI代理时代，此前OpenAI已经发布了Swarm。现在，微软又开发了Magentic-One，这是其在生成式AI领域对AutoGen的扩展。

什么是Magentic-One？

Magentic-One是微软推出的一个全新的、通用型的多代理系统，能够处理跨多个领域的各种基于网络和文件的任务。它的设计初衷是帮助人们完成日常工作或个人环境中类似的任务。现在，Magentic-One的开源版本已经在微软的AutoGen框架上发布。

谈到关键功能，Magentic-One发布时包含了5个默认代理：

• Orchestrator Agent（协调器代理）：这是负责高级规划和任务管理的核心组件。它指导其他代理，跟踪进度，并在进度停滞时能够重新规划。
• Specialized Agents（专业代理）：另外四个代理支持协调器代理：

WebSurfer（网页冲浪者）：管理网页浏览器，用于导航和与网页交互。
FileSurfer（文件冲浪者）：处理本地文件管理和导航。
Coder（编码者）：专门负责编写和分析代码。
ComputerTerminal（计算机终端）：提供控制台访问，用于执行程序和安装库。

它是如何工作的？

此图展示了协调器系统的工作流程，重点强调了用于管理任务进度的任务账本和进度账本：

1. 任务账本：协调器首先创建或更新此账本，其中包含关键信息，如已知事实、假设和任务计划。
2. 进度账本：在每个步骤中，协调器都会更新此账本，以检查任务完成情况、监控进度，并注明是否有任何代理需要重新分配。
3. 停滞检测：如果任务停滞超过两个周期，协调器将修订任务账本和计划。
4. 代理协调：协调器将子任务分配给代理（编码者、计算机终端、网页冲浪者和文件冲浪者），这些代理根据提供的指令执行操作。
5. 完成检查：一旦进度达到满意程度，系统将检查完成情况并报告最终结果。

让我们来看一个例子：

以下是该图所示的程序流程：

任务定义：协调器接收到一个任务，即提取Python代码、获取C++代码的URL、执行它并进行计算。

协调器管理以下步骤和协调：

• 步骤1：FileSurfer代理访问图像并提取Python代码。
• 步骤2：Coder代理分析Python代码。
• 步骤3：ComputerTerminal执行Python代码，生成C++代码的URL。
• 步骤4：WebSurfer访问URL并提取C++代码。
• 步骤5：另一个Coder代理分析C++代码。
• 步骤6：ComputerTerminal执行C++代码，进行计算并返回最终结果，从而完成任务。

关于其他细节

• 性能与评估：Magentic-One在与GAIA、AssistantBench和WebArena等最先进的基准测试相比时表现出具有竞争力的性能。它使用AutoGenBench进行严格评估，确保在各种复杂任务中的可靠性。
• 开源：Magentic-One基于AutoGen框架构建，具有模块化和灵活性，可以轻松添加或移除代理而不会破坏整体系统。这种设计促进了重用并简化了开发。
• 安全措施：认识到代理系统可能带来的潜在风险，微软实施了包括红队演练在内的安全措施来识别有害行为。该系统鼓励在操作过程中进行人工监督，以最小化风险。
• 支持不同的LLM（大型语言模型）：虽然Magentic-One主要为其代理使用GPT-4o，但它可以融入各种模型，以根据特定任务或成本约束优化性能。

AutoGen与Magentic-One的比较

我想到的一个问题是，既然AutoGen已经是该领域的一个流行框架，为什么微软还需要另一个框架。主要原因是易用性。我从未觉得AutoGen足够直观易用。

以下是两个框架之间的一些关键差异：

• 基础：Magentic-One构建在AutoGen框架之上，该框架为多代理通信和合作提供了底层架构。而AutoGen是一个独立的框架。
• 目的：Magentic-One是一个通用型多代理系统，旨在使用专门代理处理复杂的多步骤任务，而AutoGen则是一个更广泛的框架，用于创建各种类型的AI代理，没有特定关注任务执行。
• 代理结构：Magentic-One采用结构化方法，由一个协调器代理管理四个专门代理（WebSurfer、FileSurfer、Coder、ComputerTerminal）来协作完成任务。而AutoGen没有为其代理规定如此具体的架构。
• 评估工具：Magentic-One包含AutoGenBench，这是一个专用的评估工具，用于评估代理在GAIA和AssistantBench等基准测试上的性能。而AutoGen允许创建代理，但不包含内置的性能评估工具。
• 灵活性和适应性：Magentic-One的模块化架构支持轻松添加或移除代理而不会影响整体性能，从而提高了适应性。而AutoGen提供了基础功能，但可能需要更多的手动调整才能实现类似的适应性。
• 模型无关性：两个系统都是模型无关的；然而，Magentic-One目前针对特定模型（如GPT-4o）进行了优化，同时允许根据任务需求集成各种语言模型。而AutoGen则设计为一般支持多个模型，但不关注特定实现。

我还没有尝试过这个框架，但这个想法看起来不错，并且使多代理协调比以往更容易。