【连载】零基础跟我学做AI Agent(第4课:用Autogen开发一个学霸Agent)

本文较长,建议点赞收藏。更多AI大模型应用开发学习视频及资料,在这里

今天讲第4课,用Microsoft Autogen做一个多角色Agent应用。

Autogen是AI Agent框架里的常青树,简称AG,两年前发布,现在项目还处于活跃状态。

Autogen刚开始主要以自动化编码为主,后来发展了一个综合性的Agent开发框架,他的优势在于兼容性好、有Web界面支持(AutoGen Studio)、使用简单、大厂品牌等。

一、案例介绍

本篇做一个具有两个角色的应用,一个角色擅长解数学题,另一个角色专注于化学知识解答,那推而广之,我们就可以做一个所有学科都优秀的Agent应用了。

二、条件准备

首先要有大模型,我们用Ollama软件解决,然后要有Python环境,我们用Miniconda,这两样在【连载】零基础跟我学做AI Agent(第1课:环境安装)有详细说明,按步骤装即可。

还有一个重点要讲的地方,就是本例用OpenAI接口接入Ollama部署的qwen3模型,但那个接口只认OpenAI的模型,这里有个技巧,就是把qwen3复制一份变成gpt-3.5-turbo,这样接口就能认了,用起来没区别。具体命令为:

bash 复制代码
ollama cp qwen3 gpt-3.5-turbo

三、源代码

如果在手机上不易查看,请到 的chapter-x-0base下载代码和操作步骤。

ini 复制代码
import asyncio
from autogen_agentchat.agents import AssistantAgent
from autogen_agentchat.tools import AgentTool
from autogen_agentchat.ui import Console
from autogen_ext.models.openai import OpenAIChatCompletionClient
async def main() -> None:
model_client = OpenAIChatCompletionClient(
model="gpt-3.5-turbo",
base_url="http://localhost:11434/v1",
api_key="EMPTY"
)
# 创建数学专家助手
math_agent = AssistantAgent(
"math_expert",
model_client=model_client,
system_message="你是一名数学专家。",
description="数学专家助手。",
model_client_stream=True,
)
math_agent_tool = AgentTool(math_agent,
return_value_as_last_message=True)
# 创建化学专家助手
chemistry_agent = AssistantAgent(
"chemistry_expert",
model_client=model_client,
system_message="你是一名化学专家。",
description="化学专家助手。",
model_client_stream=True,
)
chemistry_agent_tool = AgentTool(
chemistry_agent, return_value_as_last_message=True)
# 创建主助手,可使用专家工具
agent = AssistantAgent(
"assistant",
system_message="你是一个通用助手。需要时请使用专家工具。",
model_client=model_client,
model_client_stream=True,
tools=[math_agent_tool, chemistry_agent_tool],
max_tool_iterations=10,
)
# 运行任务
await Console(agent.run_stream(task="x^2的积分是什么?"))
await Console(agent.run_stream(task="水的分子量是多少?"))
asyncio.run(main())

四、运行

1、环境安装

ini 复制代码
# 创建虚拟环境
conda create -n part04 python=3.13 -y
# 激活虚拟环境
conda activate part04
# 安装依赖库
pip install autogen-agentchat==0.7.5 autogen-ext[openai]==0.7.5 -i https://pypi.mirrors.ustc.edu.cn/simple

2、运行程序

复制代码
python agent_autogen.py

3、运行结果

未完待续!

学习资源推荐

如果你想更深入地学习大模型,以下是一些非常有价值的学习资源,这些资源将帮助你从不同角度学习大模型,提升你的实践能力。

本文较长,建议点赞收藏。更多AI大模型应用开发学习视频及资料,在这里

相关推荐
韦东东1 天前
RAGFlow v0.20的Agent重大更新:text2sql的Agent案例测试
人工智能·大模型·agent·text2sql·ragflow
ASS-ASH1 天前
AI时代之向量数据库概览
数据库·人工智能·python·llm·embedding·向量数据库·vlm
带刺的坐椅1 天前
用 10 行 Java8 代码,开发一个自己的 ClaudeCodeCLI?你信吗?
java·ai·llm·agent·solon·mcp·claudecode·skills
技术狂人1681 天前
2026 智能体深度解析:落地真相、红利赛道与实操全指南(调研 100 + 案例干货)
人工智能·职场和发展·agent·商机
程序员鱼皮1 天前
刚刚,Claude Opus 4.6 和 GPT-5.3-Codex 同时炸场!AI 编程要变天了
计算机·ai·程序员·互联网·软件开发
熊猫钓鱼>_>1 天前
OpenClaw技术分析报告
ai·agent·skill·clawdbot·openclaw·meltbot·wise
aopstudio1 天前
OpenClaw 实测体验:Agent 框架现在到底能不能用?
人工智能·llm·agent·openclaw
Stephen_Young2 天前
32岁程序员猝死:让我想起了我曾经的加班经历,庆幸自己还活着
程序员·工控
千桐科技2 天前
qKnow 知识平台核心能力解析|第 03 期:结构化抽取能力全流程介绍
大模型·llm·知识图谱·知识库·rag·qknow·知识平台
laplace01232 天前
Claude Code 逆向工程报告 笔记(学习记录)
数据库·人工智能·笔记·学习·agent·rag