AutoGen team多智能体团队实战：团队创建、运行、终止与高级用法全解析（附代码）

为什么要用多智能体团队？

在大模型（LLM）应用开发中，单一Agent往往难以胜任复杂任务，比如自动化代码评审、智能问答、复杂决策等。AutoGen的多智能体团队（Team）机制，让多个Agent协作变得高效、灵活且可控。本文将带你一文掌握AutoGen Team的核心机制、典型场景、实战代码与高级用法，助你玩转多智能体协作！

---

1. AutoGen Team核心概念与机制

• 团队（Team）：由多个Agent组成，协作完成复杂任务。
• RoundRobinGroupChat：团队成员按顺序轮流响应，所有成员共享上下文，保证信息一致。
• 反思模式（Reflection Pattern）：主Agent负责产出，评论Agent负责反馈和把关，提升输出质量。利用团队的某一成员的反馈,让输出结果更优秀
• 与单Agent区别：团队支持多轮协作、分工、互评，适合复杂场景。

---

2. 典型应用场景

• 代码生成与自动调试
• 多Agent反思与评审
• 智能问答/知识检索团队
• 动态决策与博弈（如国际象棋AI团队）

---

3. 快速上手：团队的创建与运行

环境准备

建议使用 gpt-4o 模型进行实验，因其支持标准的工具调用流程（如OpenAI平台）。本地 ollama 模型虽然也可用，但工具调用过程仅以参数形式输出，缺乏真实的"工具调用"事件流，体验不如gpt-4o直观。

代码示例1：最小团队创建与运行

from autogen_agentchat.agents import AssistantAgent
from autogen_agentchat.teams import RoundRobinGroupChat
from autogen_agentchat.conditions import TextMentionTermination
from autogen_ext.models.ollama import OllamaChatCompletionClient

# 推荐：如用gpt-4o请替换为对应的OpenAI模型client
model_client = OllamaChatCompletionClient(
    model="qwen2.5-coder:latest",
    model_info={
        "vision": False,
        "function_calling": True,
        "json_output": False,
        "structured_output": True,
    }
)

# 创建主Agent和评论Agent
primary_agent = AssistantAgent(
    "primary",
    model_client=model_client,  # 推荐gpt-4o模型
    system_message="你是一个优秀的AI助手"
)
critic_agent = AssistantAgent(
    "critic",
    model_client=model_client,  # 推荐gpt-4o模型
    #system_message="你只提供建设性反馈，反馈被采纳后回复"APPROVE"。"
    #鉴于模型的不同,对qwen2.5-coder:latest的提示词应该更丰富一些
    system_message="你只提供两个能力，1.对内容提供建设性反馈.2.当你的反馈得到处理时，回复"APPROVE"，如果对方没有按照你的反馈进行修改就不回复"APPROVE""
)

# 设置终止条件：当评论Agent回复"APPROVE"时终止
termination = TextMentionTermination("APPROVE")

# 创建团队
team = RoundRobinGroupChat([primary_agent, critic_agent], termination_condition=termination)

# 运行团队
result = await team.run(task="写一首关于秋季的短诗。")
print(result)

---

source='user' models_usage=None metadata={} content='写一首关于秋季的短诗.' type='TextMessage'
source='primary' models_usage=RequestUsage(prompt_tokens=26, completion_tokens=29) metadata={} content='秋风瑟瑟落黄叶，满地金黄一片片。\n天高云淡景宜人，菊花绽放香气浓。' type='TextMessage'
source='critic' models_usage=RequestUsage(prompt_tokens=100, completion_tokens=78) metadata={} content='这首诗描绘了秋天的美好景象，用词贴切，意境深远。不过，可以稍微调整一下句子的节奏和流畅度，使其更加和谐。\n\n秋风瑟瑟落黄叶，\n满地金黄一片片。\n天高云淡景宜人，\n菊花绽放香气浓。\n\n这样修改后，诗的节奏更流畅，读起来也更有韵味。' type='TextMessage'
source='primary' models_usage=RequestUsage(prompt_tokens=141, completion_tokens=63) metadata={} content='你的建议非常有道理！以下是经过调整后的诗歌：\n\n秋风瑟瑟落黄叶，  \n满地金黄一片片。  \n天高云淡景宜人，  \n菊花绽放香飘远。\n\n这样修改后，诗的节奏更加和谐流畅，读起来也更有韵味了。' type='TextMessage'
source='critic' models_usage=RequestUsage(prompt_tokens=249, completion_tokens=4) metadata={} content='APPROVE' type='TextMessage'
Stop Reason: Text 'APPROVE' mentioned

4. 团队消息流与观察

AutoGen支持流式输出团队消息，便于实时观察团队协作过程。

代码示例2：流式输出团队对话

# 先创建 model_client
model_client = OllamaChatCompletionClient(
    model="qwen2.5-coder:latest",
    model_info={
        "vision": False,
        "function_calling": True,
        "json_output": False,
        "structured_output": True,
    }
)

primary_agent = AssistantAgent(
    "primary",
    model_client=model_client,
    system_message="你是一个优秀的AI助手"
)
critic_agent = AssistantAgent(
    "critic",
    model_client=model_client,
    system_message="你只提供两个能力，1.对内容提供建设性反馈.2.当你的反馈得到处理时，回复"APPROVE"，如果对方没有按照你的反馈进行修改就不回复"APPROVE""
)
termination = TextMentionTermination("APPROVE")
team = RoundRobinGroupChat([primary_agent, critic_agent], termination_condition=termination)

await team.reset()  # 重置团队
async for message in team.run_stream(task="写一首关于秋季的短诗。"):
        print(message)

你也可以用 Console 进行格式化输出：

from autogen_agentchat.ui import Console
await team.reset()
await Console(team.run_stream(task="写一首关于秋季的短诗。"))

---

5. 团队控制与高级用法

团队重置与状态恢复

# 先创建 model_client 和 team
# ...（同上）
await team.reset()  # 清空历史，准备新任务

外部终止与内部终止

• 内部终止：如TextMentionTermination，自动检测Agent输出内容终止。
• 外部终止：如ExternalTermination，可在任意时刻由外部触发终止。

代码示例3：外部终止团队

from autogen_agentchat.conditions import ExternalTermination
import asyncio
from autogen_agentchat.ui import Console

# 先创建 model_client、primary_agent、critic_agent
model_client = OllamaChatCompletionClient(
    model="qwen2.5-coder:latest",
    model_info={
        "vision": False,
        "function_calling": True,
        "json_output": False,
        "structured_output": True,
    }
)
primary_agent = AssistantAgent(
    "primary",
    model_client=model_client,
    system_message="你是一个优秀的AI助手"
)
critic_agent = AssistantAgent(
    "critic",
    model_client=model_client,
    system_message="你只提供两个能力，1.对内容提供建设性反馈.2.当你的反馈得到处理时，回复"APPROVE"，如果对方没有按照你的反馈进行修改就不回复"APPROVE""
)
termination = TextMentionTermination("APPROVE")
external_termination = ExternalTermination()
team = RoundRobinGroupChat(
    [primary_agent, critic_agent],
    termination_condition=external_termination | termination
)

run = asyncio.create_task(Console(team.run_stream(task="写一首关于秋季的短诗。")))
await asyncio.sleep(0.1)
external_termination.set()  # 外部终止
await run

立即终止（CancellationToken）

from autogen_core import CancellationToken
import asyncio

# 先创建 model_client、primary_agent、critic_agent、team
# ...（同上）
cancellation_token = CancellationToken()
run = asyncio.create_task(
    team.run(
        task="Translate the poem to Spanish.",
        cancellation_token=cancellation_token,
    )
)
cancellation_token.cancel()
try:
    result = await run
except asyncio.CancelledError:
    print("Task was cancelled.")

---

6. 单Agent团队的循环任务

AutoGen支持用团队结构运行单个Agent，实现如循环工具调用等高级用法。

注意：
如果你使用的是OpenAI gpt-4o等标准模型，工具调用过程会有明确的ToolCallRequestEvent、ToolCallExecutionEvent等事件，终止条件可以严格依赖于消息类型。

但如果你用的是本地ollama模型（如qwen2.5-coder:latest），不会出现标准的工具调用事件，模型输出可能是json格式或多条工具调用结果与终止词（如Done）合并为一条消息。

这时，建议将终止条件由 TextMessageTermination改为 TextMentionTermination，只要消息中出现终止词即可终止，兼容性更好。

代码示例4：单Agent循环工具调用（兼容ollama模型）

from autogen_agentchat.agents import AssistantAgent
from autogen_agentchat.teams import RoundRobinGroupChat
from autogen_agentchat.conditions import TextMentionTermination
from autogen_ext.models.ollama import OllamaChatCompletionClient

# 先创建 model_client
model_client = OllamaChatCompletionClient(
    model="qwen2.5-coder:latest",
    model_info={
        "vision": False,
        "function_calling": True,
        "json_output": False,
        "structured_output": True,
    }
)

def increment_number(number: int) -> int:
    return number + 1

looped_assistant = AssistantAgent(
    "looped_assistant",
    model_client=model_client,  # 推荐gpt-4o模型
    tools=[increment_number],
    system_message="你是一个AI助手，使用increment_number工具将数字递增到目标值,当得到的反馈结果没有达到目标值时,循环调用该工具。达到目标值后只输出'Done'。"
)

# 兼容ollama模型，使用TextMentionTermination
termination_condition = TextMentionTermination("Done")
team = RoundRobinGroupChat([looped_assistant], termination_condition=termination_condition)

async for message in team.run_stream(task="Increment the number 5 to 10."):
    print(type(message).__name__, message)

说明：

• OpenAI gpt-4o等模型会严格分开发送工具调用事件和文本消息，终止条件可用TextMessageTermination。
• 本地ollama模型输出可能为json格式或多条内容合并，建议用TextMentionTermination提升兼容性。
• 你可能会看到一条消息中包含多个工具调用结果和终止词（如’Done’），此时TextMentionTermination能正确终止。

---

7. 实战案例/进阶技巧

• 多Agent协作写诗、代码评审、自动问答等真实案例
• 性能优化建议：合理设置终止条件，避免死循环
• Agent自定义与团队扩展技巧
• 团队状态管理与多轮任务衔接

---

8. 常见问题与解决方案（FAQ）

• 团队无法终止/重置的常见原因
• 终止条件设置注意事项
• 团队消息流的调试技巧
• 代理间消息同步与上下文一致性问题

---

9. 总结与资源推荐

AutoGen Team让多智能体协作变得高效、灵活且可控，适合各类复杂任务。建议优先体验gpt-4o模型，获得最佳工具调用与团队协作体验。

• AutoGen官方文档
• AutoGen开源项目

---

---

如需更详细的代码、流程图或遇到具体问题，欢迎评论区留言交流！