Microsoft Magentic-One: 新的多AI代理框架

比OpenAI Swarm、LangGraph、AutoGen和CrewAI更好吗？

看起来大科技巨头们终于开始迈向多AI智能代理时代，此前OpenAI发布了Swarm。现在，微软已经开发出了Magentic-One，这是生成式人工智能领域中AutoGen的一个扩展。

Magentic-One是微软推出的一款新型通用多智能体系统，可处理多个领域中的各种基于网络和文件的任务。它旨在帮助处理类似于人们在日常工作或个人设置中面对的任务。Magentic-One的开源版本现在已经在微软的AutoGen框架上推出。

谈到关键特点，Magentic-One发布了5个默认代理：

WebSurfer：管理一个Web浏览器，用于浏览和与网页交互。

文件搜寻器：处理本地文件管理和导航。

编码人员：专注于编写和分析代码。

计算机终端：提供控制台访问，用于执行程序和安装库。

这个图表示了Orchestrator系统的工作流程，主要关注任务分类帐和进度分类帐来管理任务进度。

让我们看一个例子：

以下是该图中程序的流程：

任务定义：编排者收到一个任务，要提取Python代码，获取一个C++代码的URL，执行它，并进行计算。

指挥者管理以下步骤和协调：

步骤1：FileSurfer代理访问图像，提取Python代码。

第二步：编码器代理分析Python代码。

步骤三：计算机终端执行Python代码，生成C++代码的URL。

步骤4：WebSurfer访问URL并提取C++代码。

步骤5：另一位Coder代理分析C++代码。

第六步：计算机终端执行C ++代码，计算并返回最终结果，完成任务。

谈论一些其他细节

性能和评估：Magentic-One 在与 GAIA、AssistantBench 和 WebArena 等最先进基准的竞争中展示了竞争性能。它利用 AutoGenBench 进行严格评估，确保在各种复杂任务中的可靠性。
开源：Magentic-One建立在AutoGen框架之上，具有模块化和灵活性，可以通过添加或删除代理来轻松适应，而不会破坏整个系统。这种设计促进了重复使用并简化了开发。
安全措施：意识到与代理系统相关的潜在风险，微软已实施安全措施，包括红队演习以识别有害行为。该系统鼓励在操作过程中进行人类监督，以最小化风险。
支持不同的LLMs：Magentic-One主要使用GPT-4o作为其代理，可以整合不同的模型以优化性能，根据特定任务或成本约束。

一个我想到的问题是，为什么微软需要另一个框架，而AutoGen已经是该领域中流行的框架。主要原因是易用性。我从未发现AutoGen足够直观易用。

以下是两个框架之间的一些关键区别：

基础：Magentic-One建立在AutoGen框架上，该框架为多智能体通信和合作提供了基础架构。AutoGen是一个独立的框架。
目的：Magentic-One 是一个通用的多智能体系统，旨在使用专门的代理处理复杂的多步任务，而 AutoGen 则是一个更广泛的框架，专门用于创建各种类型的 AI 代理，而不专注于任务执行。
代理结构：Magentic-One采用结构化方法，由一个Orchestrator代理管理四个专门代理（WebSurfer，FileSurfer，Coder，ComputerTerminal）共同完成任务。AutoGen并没有为其代理规定如此特定的架构。
评估工具：Magentic-One 包括 AutoGenBench，这是一款专门用于评估代理在 GAIA 和 AssistantBench 等基准上表现的工具。虽然 AutoGen 可以用于创建代理，但它不包括内置的性能评估工具。
灵活性和适应性：Magentic-One的模块化架构支持轻松添加或移除代理而不影响整体性能，促进适应性。AutoGen提供了基础功能，但可能需要更多的手动调整以实现类似的适应性。
模型不可知性：两个系统都是模型不可知的；但是，Magentic-One目前针对特定模型（如GPT-4o）进行了优化，同时根据任务需求允许与各种语言模型集成。 AutoGen旨在通常支持多种模型，但不专注于特定实施。

我还没尝试过这个框架，但这个想法看起来不错，使多智能体编排变得比以往更容易。您可以在下面的git存储库中查看。

你可以在下面查看使用其他框架的其他多AI代理演示。