项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整
数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 61752
使用教程
环境要求
- Python 3.10 或更高版本
- 可用的 pip 包管理器
- 用于运行示例的 OpenAI 账户与 API Key
- (运行 MCP 示例时需要)Node.js/npm,用于安装 Playwright MCP 服务器
安装与启动步骤
-
1确认 Python 版本
AutoGen 要求 Python 3.10 或以上,先确认本机版本满足要求,否则先升级 Python。
python --version -
2安装 AgentChat 与扩展
从 Extensions 安装 AgentChat 和 OpenAI 客户端扩展,这是使用 AutoGen 的核心依赖包。
pip install -U "autogen-agentchat" "autogen-ext[openai]" -
3配置 OpenAI Key
示例代码会调用 OpenAI API,需要先注册账号并把 Key 导出为环境变量 OPENAI_API_KEY。
export OPENAI_API_KEY="sk-xxxxxxxx" -
4安装 MCP 服务器
官方快速开始示例使用 Playwright MCP 服务器,需先通过 npm 全局安装该服务器。
npm install -g @playwright/mcp@latest -
5运行快速开始示例
把 README 的示例代码保存为 quickstart.py(含 AssistantAgent、McpWorkbench),然后执行它查看智能体输出。
python quickstart.py -
6安装 AutoGen Studio
如需无代码 GUI,可额外安装 autogenstudio 包,它提供可视化界面来搭建与调试智能体。
pip install -U "autogenstudio" -
7启动 AutoGen Studio
用命令行启动本地 Web UI,指定端口 8080 和应用数据目录,随后在浏览器访问即可使用。
autogenstudio ui --port 8080 --appdir ./my-app
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
OPENAI_API_KEY | 是 | OpenAI API 密钥,示例程序调用模型时使用 | sk-xxxxxxxx |
model | 否 | OpenAIChatCompletionClient 使用的模型名 | gpt-4.1 |
--port | 否 | AutoGen Studio 服务监听端口 | 8080 |
--appdir | 否 | AutoGen Studio 应用数据存放目录 | ./my-app |
如何确认成功
执行示例后在控制台看到智能体运行消息;AutoGen Studio 启动后浏览器打开 http://localhost:8080 能看到界面。
常见问题
Q:AutoGen 现在还能正常使用吗?
A:可以,但项目已进入维护模式,不再增加新功能,转为社区维护。新用户建议直接使用 Microsoft Agent Framework,老用户可参考官方迁移指南迁移。
Q:需要什么 Python 版本?
A:README 明确要求 Python 3.10 或更高版本,低于该版本无法安装。
Q:从 AutoGen v0.2 升级要注意什么?
A:需要参考官方 Migration Guide,按文档说明更新代码和配置。
Q:运行示例前还需要装什么?
A:示例用到 Playwright MCP 服务器,需先执行 npm install -g @playwright/mcp@latest 安装。
Q:连接 MCP 服务器有安全风险吗?
A:README 警告只连接可信的 MCP 服务器,因为它们可能在本地执行命令或暴露敏感信息。
注意事项
- AutoGen 已处于维护模式(Maintenance Mode),不会再收到新特性,长期项目建议评估 Microsoft Agent Framework。
- 示例代码会真实调用 OpenAI API 并产生费用,请妥善保管 API Key,不要提交到代码仓库。
- MCP 服务器可能在本机执行命令或读取敏感信息,仅连接可信来源。
- AutoGen Studio 启动命令中的端口与 appdir 路径可按本地情况调整。
核心亮点
- 多智能体对话编排灵活,支持顺序、分组和嵌套工作流
- 与主流大模型API深度集成,开箱即用
- 提供可视化调试和监控工具,降低排查成本
不足之处
- 学习曲线较陡,概念多,上手门槛高
- 文档更新频繁,部分示例与最新版本不一致
适用场景
- 构建多角色协作的复杂任务自动化流程
- 开发需要工具调用和代码执行的AI助手
- 快速原型验证多智能体交互逻辑
替代项目
LangChain、CrewAI、MetaGPT
同类项目推荐
x-twitter-scraper
开源
让 AI 代理轻松读写 X 数据,支持搜索、导出和发布。
X (Twitter) scraper API, Twitter MCP server, Claude skill to scrape tweets & followe···
MCP-Packet-Tracer
开源
用大白话描述网络需求,自动生成并部署 Cisco 拓扑。
AI-powered Cisco Packet Tracer automation over MCP. Describe a network in natural la···
octocode
开源
让 AI 代理少花 token,快速找对代码上下文
Code research platform for AI agents; find, understand, and prove context across you···
engraphis
开源
让编程代理记住每次对话和代码变更,跨会话秒级召回上下文。
Local-first, inspectable memory for coding agents: durable context across sessions a···
Viral-Bench
开源
让 AI 自动产爆款短视频,躺着涨 TikTok 流量
An autonomous AI agent that gets views on TikTok
nanzi-ai-agent-platform
开源
拖拽编排多智能体,直连数据库问数,安全可控省Token。
开源企业级多智能体平台与 ChatBI 数据洞察平台。支持多 Agent 协作、RAG 知识增强、物理数···
poirot
开源
为深度研究打造的智能体内核,让 Agent 架构更清晰
Poirot is a deep research agent kernel built for those who care about how agents are···
pilotprotocol
开源
让 AI 智能体像网页一样互联互通,点对点安全对话。
Pilot Protocol: The Internet of Agents
contrabass
开源
用 TUI 指挥多个 AI 代理,协同搞定大型编码任务。
A project-level orchestrator for AI coding agents — Go & Charm stack implementation···
