ММООЗЗГГ.ru

Разбор

Команда агентов на AutoGen: установка, пример и ограничения

6 мин10 источников

AutoGen это открытый фреймворк Microsoft для команд ИИ-агентов на Python 3.10 и новее, код на лицензии MIT. Проект перешел в режим поддержки: новых функций не будет, а новым пользователям Microsoft советует Microsoft Agent Framework. Ниже по официальной документации, как собрать агентов AutoGen в команду и где этот путь упирается в ограничения.

На странице · 6 разделов

Нужен разработчик

Что такое AutoGen и его статус

AutoGen вышел из Microsoft Research и состоит из трех частей. AgentChat собирает диалоговых агентов и команды, Core дает событийную основу для больших систем, Extensions подключают модели и внешние сервисы.

Главное на октябрь 2026 года: в README репозитория объявлен режим поддержки. Проект не получит новых функций, им управляет сообщество, а вклад принимают только в исправления ошибок, безопасность и документацию.

Новым пользователям Microsoft советует Microsoft Agent Framework, преемника AutoGen. Его версия 1.0 вышла как готовая к промышленной работе, с долгой поддержкой и протоколами A2A и MCP для связи с другими агентами и сервисами. Для существующих проектов есть руководство по переходу.

Код AutoGen распространяется по лицензии MIT, документация по CC-BY-4.0. Похожие открытые инструменты тоже на MIT: CrewAI для команд агентов с ролями и LangChain с LangGraph для цепочек и агентов на Python и JavaScript.

Установка

AutoGen ставится как библиотека Python. Значит, дальше нужен человек, который запускает команды в терминале и читает код: без этого собрать команду агентов не получится. Нужен Python 3.10 или новее.

1. Создайте виртуальное окружение, отдельную папку с библиотеками проекта: python3 -m venv .venv, затем source .venv/bin/activate (так в Linux и macOS).

2. Установите AgentChat командой pip install -U "autogen-agentchat".

3. Установите клиент модели, то есть модуль, через который агенты обращаются к модели. Для открытой модели через Ollama это pip install -U "autogen-ext[ollama]", для облачных моделей OpenAI pip install "autogen-ext[openai]".

Если в статьях вам попадется код для AutoGen 0.2, его придется обновить: для перехода со старой версии в README есть отдельное руководство по миграции кода и настроек.

Пример из README рассчитан на облачную модель OpenAI с ключом API. Для компании в России практичный путь другой: открытая модель через Ollama на своем сервере, она разобрана ниже.

Первая команда: автор и критик

Команда в AutoGen это группа агентов с общей целью. Документация разбирает пример из двух агентов: один пишет текст, второй критикует и одобряет. Этот прием называют рефлексией: модель проверяет свою же работу.

1. Создайте клиента модели и первого агента: AssistantAgent с именем primary и параметром system_message со значением «You are a helpful AI assistant.» (ты полезный ИИ-помощник).

2. Создайте второго агента critic с system_message: давай конструктивную обратную связь и ответь APPROVE, когда замечания учтены.

3. Задайте условие остановки TextMentionTermination("APPROVE"): команда остановится, как только критик напишет это слово.

4. Соберите команду RoundRobinGroupChat из двух агентов с этим условием в параметре termination_condition. В такой команде агенты говорят по очереди.

5. Запустите команду методом team.run с задачей, в документации это короткое стихотворение об осени. Ход работы удобно смотреть через Console, он печатает сообщения агентов в терминал.

Для своей задачи замените стихотворение задачей из процесса, например черновиком ответа клиенту, а критику дайте ваши правила: цены, сроки, тон. Условие остановки не дает двум агентам спорить бесконечно.

Кроме очереди, в AutoGen есть еще три готовые схемы. SelectorGroupChat выбирает следующего агента с помощью модели, MagenticOneGroupChat решает открытые задачи с поиском в сети и файлами, Swarm передает задачу между агентами явной передачей.

Локальная модель через Ollama

Ollama запускает открытые модели на вашем компьютере или сервере и распространяется по лицензии MIT. AutoGen подключает ее через OllamaChatCompletionClient из пакета autogen-ext[ollama].

1. Запустите сервер Ollama с нужной моделью; путь новичка разобран на странице о локальном агенте.

2. В коде создайте клиента: OllamaChatCompletionClient(model="llama3.2"). Пример документации исходит из того, что Ollama работает локально на порту 11434.

3. Передайте этого клиента агентам из примера выше в параметре model_client вместо облачного.

Документация помечает поддержку Ollama как экспериментальную и предупреждает: небольшие локальные модели обычно слабее крупных облачных, и на части задач результат может удивить. Для команды агентов это важно: ошибка первого агента уходит дальше по цепочке.

AutoGen Studio без кода

AutoGen Studio это веб-интерфейс, в котором агентов и команды собирают без кода. Он ставится командой pip install -U "autogenstudio" и запускается командой autogenstudio ui --port 8080 --appdir ./my-app, после чего открывается в браузере на порту 8080.

Документация прямо называет Studio исследовательским прототипом, который не предназначен для промышленной работы. В нем нет авторизации, проверок на взлом инструкций и других функций безопасности, а для запуска кода агентов документация советует контейнер Docker.

Поэтому Studio годится, чтобы руководитель увидел, как агенты передают друг другу задачу. Открывать его сотрудникам и давать ему реальные данные клиентов нельзя.

Где это ломается

Документация AutoGen советует начинать с одного агента и переходить к команде, только когда одного не хватает. Anthropic в разборе агентных систем 19 декабря 2024 года дает тот же совет: начинать с простого решения и усложнять, только когда это нужно.

Gartner 25 июня 2025 года прогнозировал, что больше 40% проектов агентного ИИ закроют к концу 2027 года из-за затрат, неясной пользы и слабого контроля рисков. Команда агентов усиливает все три причины: больше вызовов модели, больше мест для ошибки, труднее понять, кто из агентов ошибся.

Цена тоже растет вместе с командой. В примере с автором и критиком каждый круг разговора это минимум два вызова модели, поэтому время ответа и расходы на модель увеличиваются с числом агентов и кругов.

У AutoGen есть и свой риск: проект в режиме поддержки, и новые возможности будут появляться уже в Microsoft Agent Framework. Систему на годы мы собираем на поддерживаемом фреймворке и с журналом каждого шага агентов.

Когда команда агентов все же нужна, например заявка, расчет и договор идут через разных агентов, это работа для разработчика и владельца процесса. Как устроены такие системы, разобрано на странице о мультиагентных системах, а готовую команду из 3–5 агентов мы собираем как ИИ-отдел.

Вопросы и ответы

Стоит ли начинать новый проект на AutoGen?

Для обучения и прототипа можно: код открыт, лицензия MIT, документация подробная. Для системы на годы Microsoft сама советует Microsoft Agent Framework, потому что AutoGen в режиме поддержки и новых функций не получит.

Какая лицензия у AutoGen?

Код распространяется по лицензии MIT, документация по Creative Commons Attribution 4.0. Лицензии не дают права использовать названия, логотипы и товарные знаки Microsoft.

Чем AutoGen отличается от CrewAI?

Оба фреймворка открыты и распространяются по лицензии MIT. CrewAI строит команду через роли, задачи и процессы, AutoGen через готовые схемы разговора агентов: по очереди, с выбором следующего агента моделью или с явной передачей задачи. Главное отличие сейчас в статусе: AutoGen в режиме поддержки, и новых функций в нем не будет.

Источники и проверка

Проверено редакцией 16 октября 2026.

  1. GitHub, microsoft/autogen, README, 2026 (github.com)
  2. AutoGen Docs: AgentChat installation, 2026 (microsoft.github.io)
  3. AutoGen Docs: Teams, 2026 (microsoft.github.io)
  4. AutoGen Docs: Models, 2026 (microsoft.github.io)
  5. AutoGen Docs: AutoGen Studio, 2026 (microsoft.github.io)
  6. Anthropic, 19 декабря 2024 (anthropic.com)
  7. Gartner, 25 июня 2025 (gartner.com)
  8. Wikipedia, декабрь 2023 (en.wikipedia.org)
  9. Alpine Linux packages, 2026 (pkgs.alpinelinux.org)
  10. GitHub, репозитории langchain-ai/langchain и langchain-ai/langgraph, 2026 (github.com)

Нашли ошибку? Напишите нам

Публикации

Как создать чат-бот в Максе: инструкция для компании

Чтобы создать чат-бот в Максе, компании нужно пройти четыре шага на платформе MAX для партнеров: проверить профиль организации через Госуслуги, заполнить карточку бота, дождаться модерации до 48 часов по рабочим дням и собрать сценарий в конструкторе или своим кодом. Ниже каждый шаг по документации MAX, проверенной 16 октября 2026 года, а также как связать бота с сайтом, CRM и командой и на чем бо

ИнструкцияИТСредний11 мин
Написать в Telegram