Microsoft apresentou o AutoGen, um nova estrutura projetada para agilizar a orquestração, otimização e automação de aplicativos de modelo de linguagem grande (LLM). AutoGen se destaca por permitir fluxos de trabalho complexos por meio de conversas entre vários agentes, oferecendo uma combinação de agentes personalizáveis que podem ser baseados em LLMs, ferramentas, humanos ou uma combinação deles. “Capacidades como o AutoGen estão preparadas para transformar e ampliar fundamentalmente o que os grandes modelos de linguagem são capazes”, observou Doug Burger, pesquisador técnico da Microsoft.
Simplificando fluxos de trabalho complexos
Em um artigo de pesquisa, a Microsoft Research explica que o AutoGen simplifica a criação de sistemas complexos de conversação multiagentes, tornando o agentes envolvidos tanto reutilizáveis quanto combináveis. Os desenvolvedores podem definir um conjunto de agentes com capacidades e funções especializadas, bem como o comportamento de interação entre eles. Essa abordagem é particularmente benéfica para aplicações como otimização da cadeia de suprimentos, onde o AutoGen demonstrou uma redução no manual interações e esforço de codificação em diversas etapas. Os agentes no AutoGen podem aproveitar os recursos de LLMs avançados, como o GPT-4 da OpenAI, e integrar-se a humanos e ferramentas para resolver suas limitações.
Aplicativos e usuários versáteis Engajamento
O design centrado na conversa do agente da estrutura traz vários benefícios, incluindo lidar com ambiguidade, feedback, progresso e colaboração de forma eficaz. Ele permite que os usuários optem ou não por meio de um agente no chat e permite a cooperação de vários especialistas para atingir um objetivo coletivo. O AutoGen oferece suporte a vários padrões e aplicativos de comunicação, como xadrez conversacional e bate-papos dinâmicos em grupo, demonstrando sua versatilidade na orquestração de fluxos de trabalho dinâmicos e complexos.
Desenvolvimento de código aberto e orientado para a comunidade
AutoGen é disponível como um pacote Python de código aberto, incentivando contribuições de uma comunidade diversificada. O projeto, um spinoff da FLAML, recebeu contribuições de instituições acadêmicas como a Universidade Estadual da Pensilvânia e a Universidade de Washington, bem como de equipes de produtos da Microsoft. A estrutura visa oferecer aos desenvolvedores uma ferramenta eficaz para a criação de aplicativos de próxima geração, abrindo caminhos para a inovação.
Para aqueles interessados em explorar o AutoGen, a estrutura página do GitHube “Como obter Started”Guide são recursos valiosos. Mais detalhes sobre a pesquisa por trás do AutoGen podem ser encontrados no artigo de pesquisa publicado pela Microsoft.