Phase 16: Multi-Agent & Swarms

集团聊天和演讲者选择

交谈配套将N代理放在一个对话中;选项函数 (LLM,圆或定制) 选择下一个说话者. 这就是新兴多代理对话的原型. 代理人不知道他们在静态图表中的作用,他们只是对共享池进行反应. 根据AutoGen v0.2的GroupeChat语义在AG2叉子中保存下来;AutoGen v0.4将其重写为以事件为导向的演员模型. 微软于2026年2月将AutoGen放入维护模式,并将其与语义内核合并到微软代理框架中 (RC 2026年2月). 群众聊天原始的存活在AG2和微软代理框架中学会一次,在任何地方使用它.

Type: Learn + Build

Languages: Python (stdlib)

Prerequisites: Phase 16 · 04 (Primitive Model)

Time: ~60 minutes

问题

静态图表 (长图) 当工作流程已知时很好.真正的对话不是静态:有时编码器会问评论员,有时研究员,有时作家.硬码每次可能交给产生边缘爆炸.你想要代理对共享池进行反应,有功能决定谁接下来说话.

这就是AutoGen集团聊天所做的.

概念

形状

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

每个代理都会看到每一个消息,每一个转折都会调用一个选号函数来选择接下来说谁.

选用三种口味

Round-robin.定制周期. 确定性. 标量线性在N,但忽略文本一个编码器即使是法律审查的主题得到了轮回.

LLM-selected.电话给一个LLM,读取最近的库,并返回最好的下一个演讲者. 意识到环境,但慢:每轮都增加一个LLM电话.

Custom.典型:LLM选择后退规则 (例如",总是给验证器后代码器").

可交谈的代理API

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

GroupChatManager经理打电话给选手,然后再送下一个选手. 循环持续到终止条件.

终止

现在,我们有三种常见模式:

Max rounds.完全转的硬帽子.
"TERMINATE" token.代理人可以发出哨兵信息; 经理在出现时停止.
Goal-reached check.通过轻量级验证器,每次转换都会进行,

血统:叉子和合并

在2025年初,微软开始围绕事件驱动的演员模型重写AutoGen (v0.4).社区将AutoGen v0.2的GroupeChat语义作为AG2,保留了早期采用者集成的API.

2026年2月,微软宣布,AutoGen将进入维护模式,以事件驱动的演员模式合并到Microsoft Agent Framework集团Chat概念在两条轨道中存活下来;实现细节不同. AG2是v0.2兼容代码的首选上游.

当集团聊天适合时

Emergent conversations.你不想预先连接每一个可能的下一个扬声器.
Role-mixing tasks.编码器问研究员,研究员问档案员,档案员问编码器回来.流量不是DAG.
Exploratory problem-solving.想"大脑风暴会议",而不是"集线".

当它失败时

Strict determinism.选择法师可能不一致,相同的提示,不同的运行,不同的下一个扬声器.
Sycophancy cascades.警方将会对那些最自信的说话做出回应.
Context bloat.每个代理都会读取每一个信息; 10 轮后,文本是巨大的.
Hot speakers.选择者喜欢他的专业,所以一个代理主导对话.

集团聊天与监督者

它们是原始的,不同默认的:

监督者:一个代理计划,其他人执行. 选手是"问计划者要做什么".
集团聊天:所有代理人都是同行;选择器是共享池的函数.

两个都使用了04课程的四个原始方法. 群体聊天默认到LLM选择的管弦乐和全池共享状态.

建立它

code/main.py执行一个从头开始的集团聊天. 三个代理 (编码器,审查员,经理),轮和LLM选择的变体,并终止一个TERMINATE标志.

演示程序将打印对话转录以及选手的决定记录.

运行:

python3 code/main.py

用它

outputs/skill-groupchat-selector.md配置一个 GroupChat 选项选项为给定的任务圆比LLLM-选择对定制,以及选项选项输入 (最近的消息,代理专业,转数) 进行使用.

运送它

检查列表:

Max rounds cap.常常. 10-20个用于典型的任务.
Speaker-balance metric.轨道转向每位代理;当失衡超过门时,应警报.
Termination token. TERMINATE或是专门的验证代理.
Projection or scoped memory.在10个消息之后,考虑给每个代理只提供一个范围的视图,以防止文本膨胀.
Selector logging.对于选择的LLM变体,记录选项输入和选择.否则无法调试.

运动

跑步code/main.py根据"轮"和"士"的选择,哪个代理主导?
在选择器中添加"每代理最高说话"规则.
执行目标终止:当审查员回来时停止.
在 GroupChat 上阅读AutoGen稳定文件 (https://microsoft.github.io/autogen/stable/user-guide/core-user-guide/design-patterns/group-chat.html确定使用的默认选择器GroupChatManager现在,我们要去.
阅读AG2备忘录 (https://github.com/ag2ai/ag2根据v0.4的具体特性 (吞吐量,故障耐受性,可编译性)

关键词

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.

进一步阅读

AutoGen group chat docs参考实施
AG2 repo社区AutoGen v0.2延续
Microsoft Agent Framework docs合并后继者,RC 2026年2月
AutoGen v0.4 release notes事件驱动演员模型重写详情

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.