微软开源Magentic-One：用于解决复杂任务的通才多代理系统

微软于11月7日发布 Magentic-One 系统，通过协调多个专用 AI 智能体，高效处理复杂工作流程。

Magentic-One 是一个通才多智能体系统，用于自主完成复杂任务。

主体工作由 Orchestrator 代理协调，该代理负责任务分解和规划、指导其他代理执行子任务、跟踪总体进度以及根据需要采取纠正措施。

其他代理专门具备完成临时、开放式任务所需的不同能力，例如浏览 Web 和与基于 Web 的应用程序交互、处理文件以及编写和执行 Python 代码

Magentic-One 的 Orchestrator 代理会创建计划，将任务委派给其他代理，并跟踪目标的进度，并根据需要动态修改计划。

Magentic-One 的代理架构

Orchestrator 可以将任务分别委派给 FileSurfer 代理来读取和处理文件，将 WebSurfer 代理委派给 WebSurfer 代理来操作 Web 浏览器，或者将任务委派给 Coder 或 Computer Terminal 代理来编写或执行代码。

Magentic-One 中的 Orchestrator 代理与四个专用代理进行协调：WebSurfer、FileSurfer、Coder 和 ComputerTerminal。

• WebSurfer是一个基于LLM的代理，擅长理解和执行与Chromium浏览器相关的命令，并将网页状态变化反馈给Orchestrator，类似于电话技术支持中的操作员。
• WebSurfer能够执行网页导航、操作和阅读任务，通过直接使用文档Q&A技术，减少了与Orchestrator的通信次数，提高了任务效率。
• WebSurfer在与网页元素交互时，使用标记集提示和带注释的屏幕截图来确定操作的具体位置，实现了多模式操作。
• FileSurfer与WebSurfer类似，但它操作的是自定义的文件预览应用程序，支持多种文件类型，并能执行文件导航任务。
• Coder是一个专注于编写代码和分析信息的LLM代理，能够创建新程序或调试旧程序，并显示控制台输出。
• ComputerTerminal提供了对控制台shell的访问，允许执行Coder编写的程序和运行shell命令，以扩展编程工具集。

Magentic-One 的多代理工作流程

Magentic-One 具有一个 Orchestrator 代理，该代理实现了两个循环：一个外部循环和一个内部循环。

• 外部循环（带有实心箭头的较浅背景）管理任务分类账（包含事实、猜测和计划）。
• 内部循环（带有虚线箭头的深色背景）管理进度分类账（包含当前进度、分配给代理的任务）。

在高级别上，工作流包含两个循环，外部循环维护任务分类账，其中包含整体计划，而内部循环维护进度分类账，该分类账指导和评估包含对专用代理的指令的各个步骤。

外循环

外部循环由初始提示或任务触发。作为响应，Orchestrator 会创建任务账本，作为任务持续时间的短期内存。

收到任务后，Orchestrator 会反映请求，并在任务分类账中预先填充重要信息 - 给定或验证的事实、要查找的事实（例如，通过 Web 搜索）、要派生的事实（例如，以编程方式或通过推理）以及有根据的猜测。

内循环。

在内部循环的每次迭代期间，Orchestrator 会回答 5 个问题以创建进度账本：

请求是否完全满足（即任务完成）？报告前一个元素的问题

团队是循环还是重复？报告前一个元素的问题

是否取得了进展？报告前一个元素的问题

接下来应该由哪个座席发言？报告前一个元素的问题

应该向该团队成员提出什么指示或问题？报告前一个元素的问题

在回答这些问题时，Orchestrator 会同时考虑任务分类账（包含事实、猜测和计划）和当前座席对话上下文。

项目官网：magentic-one-a-generalist-multi-agent-system-for-solving-complex-tasks

GitHub仓库：https://github.com/microsoft/autogen/tree/main/python/packages/autogen-magentic-one

技术论文：https://www.microsoft.com/en-us/research/publication/magentic-one-a-generalist-multi-agent-system-for-solving-complex-tasks/