安装Python 3.11: AutoGen Studio 2.0 需要 Python 3.11 及以上版本。确保已安装此版本。创建项目文件夹：为 AutoGen 项目创建一个新文件夹。 创建项目文件夹：为 AutoGen 项目创建一个新文件夹。 创建虚拟环境：使用 python3 -m venv venv设置新的虚拟环境，并使用source venv/bin/activate激活它（在 Windows 系统中，使用venv\Scripts\activate来激活)。安装 AutoGen Studio：运行 pip install autogenstudio安装 AutoGen Studio 及其依赖项。配置 API 密钥：将 OpenAI 或 Azure OpenAI API 密钥设置为环境变量（例如： set OPENAI_API_KEY=<your_api_key>）。启动 AutoGen Studio：运行 autogenstudio ui --port 8081在 8081 端口启动应用程序。打开网页浏览器，进入 http://localhost:8081/ 访问 AutoGen Studio 界面。
在终端中执行此操作后，终端应显示如下内容。
Initializedapplicationdatafolder:/Users/krishankantsinghal/.autogenstudio
INFO:Startedserverprocess[72082]
INFO:Waitingforapplicationstartup.
*****Appstarted*****
INFO:Applicationstartupcomplete.
INFO:Uvicornrunningonhttp://127.0.0.1:8081(PressCTRL+Ctoquit)
可以创建智能体、定义其技能并指定智能体工作流。
ingFang SC", Cambria, Cochin, Georgia, Times, "Times New Roman", serif;letter-spacing: normal;text-align: left;text-wrap: wrap;">3.2 Playground 功能区在 Playground 与智能体互动、测试工作流并探索 AutoGen Studio 的相关功能。
ingFang SC", Cambria, Cochin, Georgia, Times, "Times New Roman", serif;letter-spacing: normal;text-align: left;text-wrap: wrap;background-color: rgb(0, 0, 0);color: rgb(255, 255, 255);width: fit-content;">4. AutoGen 的关键概念--模型、工作流、智能体和技能及示例：ingFang SC", Cambria, Cochin, Georgia, Times, "Times New Roman", serif;letter-spacing: normal;text-align: left;text-wrap: wrap;">4.1 模型在 AutoGen 中，模型通常是指为智能体提供动力的大型语言模型 (LLM)。AutoGen 支持与各种 LLM 集成，例如 OpenAI 的 GPT 模型或 Azure OpenAI 服务模型。例如，您可以将 AutoGen 配置为使用 OpenAI 的 "text-davinci-003 "模型或部署在 Azure OpenAI 服务上的自定义模型。
4.2 工作流
AutoGen 中的工作流是一种规范，它定义了一组智能体以及它们应如何协作完成任务。它描述了不同智能体之间的角色、职责和交互。例如，一个工作流程可能涉及与用户交互的 "用户智能体"、生成计划和代码的 "助理智能体 "以及运行和评估所生成代码的 "代码执行智能体"。
4.3 智能体
AutoGen 中的智能体是具有特定能力和职责的人工智能实体。可以为智能体分配角色、技能和指令以指导其行为。例如：可以让 "图像生成智能体" 负责根据文本提示生成图像，或让 "研究智能体" 负责从各种来源查找相关信息。
其中UserProxyAgent、AssistantAgent 和 GroupChat 是 AutoGen 框架中的三个智能体组件模版，它们在多智能体对话系统中各司其职。
UserProxyAgent：
UserProxyAgent 是一种用户代理智能体，主要用于作为人类用户的代理。它可以在每次交互时请求人类输入，并且具有执行代码和调用函数的能力。 其主要功能是通过发送消息来启动与 AssistantAgent 的对话，并将任务描述传递给 AssistantAgent。AssistantAgent 处理这些消息，将其拆分为可操作的任务并执行这些任务，然后将结果反馈给 UserProxyAgent。 UserProxyAgent 默认情况下会启用代码执行功能，但不启用基于 LLM 的自动回复功能。如果需要启用 LLM 基础的自动回复，可以注册相应的方法。 它通常被配置为总是请求人类输入（human_input_mode="ALWAYS"），并且默认情况下禁用 LLM 响应。
AssistantAgent： AssistantAgent 是一个基于大型语言模型（LLM）的智能体，能够自主生成 Python 代码和建议。 它可以处理由 UserProxyAgent 发送的任务描述，将其分解为可执行的任务并执行这些任务。此外，AssistantAgent 还可以提供反馈或进一步的代码执行。 AssistantAgent 的设计目的是作为人工智能助手，利用 LLM 来完成复杂的任务，而不需要人工干预或代码执行。 GroupChat： GroupChat 是一个由多个智能体组成的群聊环境，允许它们协同工作以完成用户或用户代理智能体提出的问题。 在 GroupChat 中，不同的智能体可以组合在一起，例如 UserProxyAgent 和 AssistantAgent 可以一起参与群聊，共同解决复杂问题。 GroupChat 管理器负责协调各个智能体之间的通信和任务分配。 模型：OpenAI 的 text-davinci-003 工作流：营销材料创建工作流 代理： 用户智能体：与用户交互以收集需求 内容生成智能体：根据需求生成文本内容 图片生成智能体：创建与文本内容配套的图像 布局智能体：将文本和图像组合成具有视觉吸引力的布局 评审智能体：评估最终营销材料并提出改进建议 技能： generate_text：内容生成智能体根据提示生成文本的技能generate_images图像生成智能体根据文本描述生成图像的技能layout_content：布局智能体将文本和图像结合到布局中的技能review_material：评审智能体能够评估最终营销材料的技能
4.4 技能
AutoGen 中的技能是定义智能体如何解决特定任务的函数（如 Python 函数）。技能通常有描述性名称、文档说明和默认设置。例如，"generate_images" 技能可以是一个 Python 函数，它将文本提示作为输入，并使用Stable Diffusion等人工智能模型生成图像。
4.5 示例
下面的例子可以说明这些概念：假设你想建立一个多智能体系统，用于创建营销材料。可以定义以下组件：
在此示例中，智能体通过定义的工作流程进行协作，利用各自的技能根据用户需求创建营销材料。
结论
AutoGen 和 AutoGen Studio 使开发人员能够高效地构建多代理人工智能系统。从协作解决问题到模块化设计、与 LLM 集成、快速原型设计以及代码生成和执行，AutoGen 为开发人员提供了一系列好处。通过探索该框架，能够让我们在自己的人工智能应用中应用相关功能。