Phase 16: Multi-Agent & Swarms

Seleção de grupos de conversa e oradores

A orquestração de conversa compartilhada coloca N agentes em uma conversa; uma função selecionadora (LLM, round-robin ou custom) escolhe quem fala a seguir. Este é o arquétipo da conversa emergente multi-agente. Os agentes não sabem o seu papel num gráfico estático, eles apenas reagem ao pool compartilhado. AutoGen GroupChat e AG2 GroupChat são as implementações de referência: a semântica do GroupChat do AutoGen v0.2 foi preservada no garfo AG2; AutoGen v0.4 o reescreveu como um modelo de ator orientado por eventos. A Microsoft colocou o AutoGen em modo de manutenção em fevereiro de 2026 e o fundiu com o Kernel Semântico no Microsoft Agent Framework (RC fevereiro de 2026). O primitivo do GroupChat sobrevive tanto no AG2 quanto no Microsoft Agent Framework. Aprenda uma vez, use em todos os lugares.

Type: Learn + Build

Languages: Python (stdlib)

Prerequisites: Phase 16 · 04 (Primitive Model)

Time: ~60 minutes

Problemas

Os gráficos estáticos (LangGraph) são ótimos quando o fluxo de trabalho é conhecido. As conversas reais não são estáticas: às vezes o programador pergunta ao revisor, às vezes o pesquisador, às vezes o escritor. A codificação em ar condicionado de cada possível transferência produz uma explosão de borda. Você quer que agentes reagam a um pool compartilhado, com alguma função decidindo quem fala a seguir.

É exatamente isso que o AutoGen GroupChat faz.

Conceptos

A forma

              ┌─── shared pool ────┐
              │   m1  m2  m3  ...  │
              └─────────┬──────────┘
                        │ (everyone reads all)
      ┌───────┬─────────┼─────────┬───────┐
      ▼       ▼         ▼         ▼       ▼
    Agent A  Agent B  Agent C  Agent D  Selector
                                           │
                                           ▼
                                  "next speaker = C"

Cada agente vê todas as mensagens, e uma função selecionadora é invocada em cada turno para escolher quem fala a seguir.

Os três sabores selectores

Round-robin.Ciclo fixo. Determinista. Escala linearmente em N mas ignora o contexto um codificador recebe a volta mesmo quando o tópico é revisão legal.

LLM-selected.Uma chamada para um LLM que lê o pool recente e retorna o melhor próximo orador. Consciente do contexto, mas lento: a cada turno adiciona uma chamada de LLM.

Custom.Uma função Python com qualquer lógica que você deseja. Típica: LLM-selecionado com regras de fallback (por exemplo, "sempre dar ao verificador a volta após o codificador").

A API do Agente Conversable

agent = ConversableAgent(
    name="coder",
    system_message="You write Python.",
    llm_config={...},
)
chat = GroupChat(agents=[coder, reviewer, tester], messages=[])
manager = GroupChatManager(groupchat=chat, llm_config={...})

GroupChatManagerQuando um agente completa uma volta, o gerente chama o selector, que retorna o próximo agente.

Cessão

Três padrões comuns:

Max rounds.Capeta dura em viradas totais.
"TERMINATE" token.Os agentes podem emitir uma mensagem sentinela; o gerente parou quando apareceu.
Goal-reached check.Um verificador leve corre a cada turno e pára o bate-papo quando terminado.

Linhagem: forças e fusões

No início de 2025, a Microsoft começou uma grande reescritura do AutoGen (v0.4) em torno de um modelo de ator orientado a eventos. A comunidade forcou a semântica GroupChat do AutoGen v0.2 como AG2, preservando a API que os primeiros adotadores tinham integrado.

Em fevereiro de 2026, a Microsoft anunciou que o AutoGen iria entrar em modo de manutenção, com o modelo de ator orientado por eventos se fundindo em Microsoft Agent Framework(RC fevereiro 2026, agora fundido com o Kernel Semantic). O conceito de GroupChat sobrevive em ambas as faixas; os detalhes de implementação diferem. AG2 é o código preferido para o upstream para o código compatível com v0.2.

Quando o GroupChat se encaixa

Emergent conversations.Não quer pre-cablear todos os possíveis próximos alto-falantes.
Role-mixing tasks.O codificador pede ao pesquisador, o pesquisador pede ao arquivo, o arquivo pede ao codificador de volta.
Exploratory problem-solving.Pensa em "reunião de tempestade cerebral", não em "linha de montagem".

Quando falha

Strict determinism.O selector de LLM pode ser inconsistente, o mesmo prompt, diferentes corridas, diferentes oradores próximos.
Sycophancy cascades.Os agentes deferem-se a quem falar com mais confiança.
Context bloat.Cada agente lê cada mensagem; depois de 10 voltas, o contexto é enorme.
Hot speakers.Um agente domina a conversa porque o selector favorece suas especialidades.

Chat de grupo vs supervisor

Os mesmos primitivos, diferentes padrões:

Supervisor: um agente planeja e outros executam.
Chat em grupo: todos os agentes são pares; selector é uma função sobre o pool compartilhado.

Ambos usam os quatro primitivos da lição 04.

Construí-lo

code/main.pyO programa de discussão é um programa de discussão de grupos que permite a criação de um grupo de conversas de forma a permitir a criação de um grupo de conversas de grupos.TERMINATE- O sinal.

A demonstração imprime a transcrição da conversa, mais o rastro de decisão do selector para ambas as variantes.

Correr .

python3 code/main.py

Usá-lo

outputs/skill-groupchat-selector.mdconfigura um selector GroupChat para uma determinada tarefa round-robin vs LLM-selected vs custom, e quais entradas do selector (mensagens recentes, especialidades de agente, contagens de viradas) para usar.

Envia-o

Lista de verificação:

Max rounds cap.Sempre. 10 a 20 para tarefas típicas.
Speaker-balance metric.As rotas de pista por agente; alerta quando o desequilíbrio excede um limiar.
Termination token. TERMINATEou um agente verificador dedicado.
Projection or scoped memory.Após ~ 10 mensagens, considere dar a cada agente apenas uma visão de alcance para evitar o conteúdo inflado.
Selector logging.Para as variantes selecionadas pelo LLM, registre tanto a entrada do selector quanto a sua escolha.

Exercícios

Corra .code/main.pyComparar a conversa entre um round-robin e um LLM selecionado.
Adicione uma regra de "max-speaks-per-agent" no selector.
Implementar uma terminação atingida: parar quando o revisor retornar "aprovado".
Leia os documentos estáveis do AutoGen no GroupChat (https://microsoft.github.io/autogen/stable/user-guide/core-user-guide/design-patterns/group-chat.html ). Identificar o selector padrão utilizado por GroupChatManager- Não .
Leia o repo AG2 (https://github.com/ag2ai/ag2O que é que a versão v0.4 adiciona?

Termos-chave

Term	What people say	What it actually means
GroupChat	"Agents in one chat room"	Shared message pool + selector function. AutoGen / AG2 primitive.
Speaker selection	"Who talks next"	The function that picks the next agent. Round-robin, LLM-selected, or custom.
GroupChatManager	"The meeting host"	AutoGen component that owns the selector and loops over turns.
ConversableAgent	"The base agent"	AutoGen base class; an agent that can send and receive messages.
Termination token	"The 'stop' word"	Sentinel string (usually `TERMINATE`) that ends the chat.
Hot speaker	"One agent dominates"	Failure mode where the selector keeps picking the same agent.
Context bloat	"Pool grows unbounded"	Each agent reads every prior message; context grows with turns.
Projection	"Scoped view"	Role-specific view into the shared pool to prevent context bloat.

Mais leitura

AutoGen group chat docs a execução de referência
AG2 repo comunidade AutoGen v0.2 continuação
Microsoft Agent Framework docs Sucessor fundido, RC Fevereiro 2026
AutoGen v0.4 release notes Detalhes de reescritura do modelo de ator orientado para eventos

This free lesson is part of the AI Engineering from Scratch curriculum. Read the full explanation, run the lesson code, and verify the result in the interactive reader or from the repository source.

Browse the complete course catalog or open this lesson on GitHub.