Wu 等，Microsoft Research / 宾州州立大学等。arXiv 2023-08。开源库允许用可对话的多个 agent 协作完成任务。
原文：arXiv:2308.08155。当时仓库：microsoft/autogen。
1 - AutoGen（论文）
按原文结构转述 Wu 等 2023：用多 Agent 对话构建 LLM 应用。
Qingyun Wu, Gagan Bansal, Jieyu Zhang, Yiran Wu, Beibin Li, Erkang Zhu, Li Jiang, Xiaoyun Zhang, Shaokun Zhang, Jiale Liu, Ahmed Awadallah, Ryen W. White, Doug Burger, Chi Wang. AutoGen: Enabling Next-Gen LLM Applications via Multi-Agent Conversation。Microsoft Research 等。arXiv 2023-08。arXiv:2308.08155。
摘要
AutoGen 是开源框架，让开发者通过多个可以互相交谈的 agent 构建 LLM 应用。agent 可定制、可对话，后端可以是 LLM、人类输入、工具，或它们的组合。交互行为也可灵活定义。自然语言和代码都能用来编排不同应用的对话模式。作者在数学、编程、问答、运筹、在线决策、娱乐等示例上展示框架有效。
框架
两个核心概念：
可对话 agent。 能收发消息、维护内部上下文。能力来自三类后端：LLM（角色扮演、根据对话推进、写代码）、人（按配置在若干轮征求输入，默认 UserProxy 可设频率与可跳过）、工具（执行代码或函数调用）。ConversableAgent 是最高层抽象；预置的 AssistantAgent 偏 LLM 助手，UserProxyAgent 偏人类代理兼代码/函数执行。
文中示例：助手生成方案，用户代理征求人输入或执行代码，再把结果作为反馈送回助手。
对话式编程。 把复杂工作流收成 agent 之间的对话：计算是「为了回话采取的动作」，控制流是「谁在何时对谁说话」。统一接口包括 send/receive 与 generate_reply。默认 auto-reply：收到消息就生成回复并送回，直到终止条件。控制可以用自然语言提示（例如出错就再写代码，完成时输出 TERMINATE）、Python 代码（最大自动回复数、人工模式、注册自定义回复函数），以及两者切换（含 LLM 提出的 function call）。除静态来回外，还支持动态选下一个说话者的群聊（GroupChatManager）。
应用与限度（文中可见）
示例包括：两只内置 agent 解 MATH；检索增强问答（助手在上下文不够时回复 UPDATE CONTEXT 以触发再检索）；ALFWorld 上加一只常识 grounding agent，相对两 agent 变体平均约 15% 提升；把 OptiGuide 编码工作流从 430 行以上收到约 100 行，多 agent 相对单 agent 在识别不安全代码上 F1 更高。伦理节写明：让 LLM agent 通过执行代码或函数调用改外部环境（例如装包）有风险，需要额外防护。文中称工作仍偏早期实验。
2 - AutoGen 讲解
多角色收成消息总线。控制流变成「谁对谁说话」。必须有一方产生副作用，否则仍是对话。
论文解决了什么问题
单只 LLM 加工具已经能跑 ReAct。更复杂的任务被拆成「写代码的、跑代码的、盯安全的、补常识的」。若每次都手写控制平面，编排会爆炸。AutoGen 的解法是：每个角色是可对话对象，默认收到消息就回；工作流看起来像聊天，而不是一张显式状态机。控制流从 while 变成消息总线：谁在何时对谁说话。
对后续 LLM 与 Agent 的影响
工程化：2023 年「多 Agent」从口号变成可 clone 的库。后来许多图/角色框架仍是消息传递加自动回复。按 AI Agent 定义，多只 LLM 互相对话，至少一方在对环境行动（执行代码、调函数），整体才是 Agent 系统；若只产文本，就还是角色扮演。总线本身不产生副作用。
限度：角色变多会放大空转和串通式幻觉；论文自己把代码执行写成风险。它是开发库，循环仍在你的进程里。不要把它读成已经解决了 SWE-bench 那种真实仓库修改。消息条数 ≠ 完成率；多角色 ≠ 更可靠的单步。