微软推出 Magentic-One，一个通用的多智能体代理系统

作者 | Daniel Dominguez

译者 | 刘雅梦

策划 | 丁晓昀

微软宣布推出 Magentic-One，这是一个新的通用多智能体代理系统，旨在处理涉及 Web 和基于文件环境的开放式任务。该系统旨在协助处理跨不同领域的复杂、多步骤任务，以提高软件开发、数据分析和网页导航等活动的效率。

Magentic-One 采用由协调器（Orchestrator）智能体代理领导的多智能体代理架构，协调四个专门的智能体代理：WebSurfer，处理基于浏览器的任务，如导航网站和与在线内容交互；FileSurfer，管理与文件相关的操作，包括读取文档和导航目录；Coder，编写和分析代码以创建解决方案；以及 ComputerTerminal，运行代码并执行系统级操作。

该系统采用模块化设计原则，使智能体代理能够独立运行并适应新任务，而无需对系统进行重大的更改。Magentic-One 基于 Microsoft AutoGen（一个用于开发多智能体代理系统的开源框架）构建，与模型无关，并且与包括 GPT-4o 在内的不同大语言模型（LLM）兼容。

Magentic-One 使用 AutoGenBench（一种用于智能体代理系统评估的工具）在 GAIA、AssistantBench 和 WebArena 等基准上进行了测试。结果显示，与其他最先进的解决方案相比，该系统的准确性具有相当的竞争力，证明了该系统管理复杂工作流程方面的能力。

微软强调了与智能体代理系统相关的潜在风险，例如意外操作和系统滥用。在开发过程中，发现了诸如重复登录失败和尝试寻求外部人工协助等情况。为了降低此类风险，该系统包括了安全部署指南、红队演习和人工监督建议。

Magentic-One 的发布引发了人工智能社区的兴趣。大语言模型（LLM）专家 Elvis Saravia 在 X 上评论道：

虽然现在还为时尚早，但这种建立通用智能体代理系统的新趋势值得关注。此外，其他当前基于 LLM 的应用程序，如 RAG，也将受益于这种建立在多个专用智能体代理之上的系统。

而用户 Alexian_Theory 在 reddit 上分享道：

网页浏览的方法很有趣。它会对正在运行的无头浏览器进行快照，将图像传递给支持视觉的 LLM，然后决定下一步应该如何进行以完成任务。

Magentic-One 及其评估工具 AutoGenBench 的代码现已作为开源资源提供。微软鼓励与研究人员和开发人员合作，改进智能体代理人工智能系统，重点关注安全性、操作的可逆性，并最大限度地降低实际应用中的风险。相关的技术细节和实现资源，请参阅官方文档和 GitHub 存储库。

多智能体代理编排系统的开发正成为整个人工智能行业的核心焦点。几家大型的公司都在通过自己的方法来编排专业的智能体代理，为这一趋势做出贡献。AWS 推出了 Multi-Agent Orchestrator，IBM 正在开发 Bee Agent，OpenAI 开发了 Swarm。这些系统中的每一个都旨在编排多个智能体代理，以有效地解决复杂的多步骤任务，这表明人们越来越重视模块化和协作式人工智能架构。

作者介绍

Daniel Dominguez 是 AWS 合作伙伴网络公司 SamXLabs 的执行合伙人。他在初创公司和财富 500 强公司的软件产品开发方面拥有超过 12 年的经验。Daniel 拥有华盛顿大学的机器学习专业学位。他热衷于利用人工智能和云计算来创建创新的解决方案。作为机器学习领域的 AWS 社区建设者，Daniel 致力于分享知识并推动软件产品的创新。

https://www.infoq.com/news/2024/11/microsoft-magentic-one/

声明：本文为 InfoQ 翻译，未经许可禁止转载。

会议推荐

12 月 13 日至 14 日（下周五至周六），AICon 全球人工智能开发与应用大会将在北京盛大开幕！本次大会汇聚 70+ 位 AI 及技术领域的顶尖专家，深入探讨大模型与推理、AI Agent、多模态、具身智能等前沿话题。此外还有丰富的圆桌论坛、以及展区活动，带你深入探索大模型的最新实践与未来趋势。年度最后一次 AI 盛宴，让我们一起见证 AI 未来。