AutoGen
AutoGen是微软研究院开源的多智能体（Multi-Agent）协作框架，旨在简化基于大语言模型的自动化应用开发。该框架支持定义多个具备不同角色的AI Agent，使其能够相互通信、协作完成复杂任务。AutoGen的核心特性包括：支持人机协作（Human-in-the-loop）模式、可灵活配置Agent对话流程，以及兼容多种大语言模型后端，广泛应用于代码生成、任务规划、数据分析等场景。
核心事实
时间轴 (近 90 天)
选择框架时，业务流程相对线性、以工具调用为主时偏向LangChain；需要多个角色互相讨论、评审、接力完成复杂任务时，AutoGen的多Agent模型更顺手。两者也可以在同一系统中配合使用。
开源Agent项目主流可分为三类：编排框架（如LangChain、LlamaIndex、AutoGen、CrewAI）、通用型Agent产品开源版（如OpenHands、MetaGPT）、轻量级SDK（如OpenAI Agents SDK、Claude Agent SDK）。
AutoGen、CrewAI、LangGraph 是允许通过配置文件而非从零写代码来定义智能体角色、目标和工具调用的开源框架
AutoGen、CrewAI等框架提供了多智能体协作的角色定义与对话编排抽象；其优势是职责隔离、便于并行和局部复用，代价是通信开销、上下文膨胀以及错误在Agent之间传播的风险。
社区讨论中常被提及的框架包括LangChain/LangGraph、CrewAI、AutoGen等。
Deposition 声称兼容 LangGraph 1.2、CrewAI、OpenAI Agents SDK、Pydantic AI 和 AutoGen，且作者对真实包做了测试并在工具函数上放置探针。
AutoGen 的 GroupChatManager、CrewAI 的 Crew 流程控制、LangGraph 的 supervisor 节点都属于中心化编排组件。
主流框架如AutoGen、CrewAI提供了角色定义与对话编排的原语。
LangChain与AutoGen并非互斥，实际项目中常以LangChain搭建单Agent能力，再借AutoGen组织多Agent协作。
进阶篇进入RAG知识库、Agent架构、多Agent协作和工具调用，并结合主流框架进行开发。
还有 40 条时间轴事件
全部知识事实 (20)
多智能体协作通常通过编排者-执行者模式实现，一个主控Agent负责任务分解与调度
90%已验证微软的AutoGen、LangChain的LangGraph和OpenAI的Swarm框架都在探索多Agent分工协作
90%已验证目前主流的AI Agent框架包括LangChain、AutoGen、CrewAI等
90%已验证ReAct（Reasoning + Acting）框架让模型能够交替进行推理和行动
90%已验证AutoGen是微软推出的多智能体对话框架
80%已验证AutoGen由微软研究院推出，专注于多Agent协作场景
80%已验证工具增强型AI（Tool-Augmented AI）是当前大模型应用的重要发展方向，OpenAI的Function Calling和Anthropic的Tool Use等机制在底层支撑这一范式
80%已验证ReAct（Reasoning + Acting）框架由Yao等人在2022年提出，将Chain-of-Thought推理与外部工具交互交替进行
80%已验证2023年以来，斯坦福的Generative Agents、微软的AutoGen和CrewAI等项目证明了多Agent协作在复杂任务中的优越性
80%已验证CrewAI专注于多Agent协作场景，通过角色定义和任务分配实现团队化的Agent编排
80%已验证多智能体（Multi-Agent）架构的典型框架包括微软的AutoGen、CrewAI、LangGraph等
80%已验证多Agent协作领域的代表性框架包括AutoGen、CrewAI、LangGraph等
80%已验证AI Agent底层通常由大语言模型（LLM）驱动，配合工具调用、记忆模块和规划框架（如ReAct范式）实现复杂任务自动化
80%已验证AI Agent具备工具调用（Tool Use）和规划推理（Planning & Reasoning）两大核心能力，能将复杂目标自动分解为可执行的子任务序列
80%已验证AutoGen是微软研究院出品的多Agent协作框架，通过可编程的对话模式实现Agent间的灵活协作
80%已验证AutoGen是微软出品的Agent框架，侧重多Agent协作场景，支持多个Agent之间的消息传递与角色分工
80%已验证AutoGen 是微软开源的智能体框架
80%已验证选型AI Agent构建工具应核查是否有完整的草稿-测试-发布流程、开箱即用的版本管理和一键回滚、细粒度权限控制、共享配置的多渠道部署
75%已验证Agent开发核心技术栈包括LangChain、LlamaIndex等编排框架、工具调用、RAG检索增强生成、AutoGen、CrewAI等多Agent协作框架
70%已验证现代LLM驱动的多代理框架包括AutoGen、CrewAI、LangGraph等
70%