AutoGen

Qué cubre este artículo

• Qué es AutoGen y para qué sirve.
• Cómo instalar AutoGen con Python.
• Cómo integrar un modelo local a través de Ollama como backend.
• Un ejemplo concreto con dos agentes que se comunican entre sí.
• Casos de uso que funcionan especialmente bien.
• Errores típicos y cómo evitarlos.

Introducción

AutoGen es un framework de Microsoft para sistemas multi-agente. Resulta particularmente útil cuando varios agentes de IA necesitan resolver un problema conjuntamente, por ejemplo en programación, documentación o debugging. Los agentes se comunican en múltiples rondas hasta alcanzar un resultado aceptable. Lo destacable es que AutoGen puede ejecutar código propuesto directamente, lo que lo convierte en una herramienta potente para desarrolladores.

AutoGen en pocas palabras

AutoGen se construye sobre agentes que se comunican entre sí. Cada agente tiene una instrucción del sistema que describe cómo actúa. Una constelación típica es un agente coder y un agente reviewer. El coder escribe código, el reviewer lo valida, y el proceso continúa hasta que el resultado es aceptable.

Instalación

AutoGen funciona con Python. Para comenzar solo necesitas pip:

pip install pyautogen

Para ejecución de código, Docker es una buena opción adicional para mantener el código aislado. Si prefieres no usar Docker, también puedes ejecutar el código en un entorno virtual o en un sistema de prueba.

Usar un modelo local con Ollama

Para IA local, instala Ollama y descarga un modelo:

ollama run llama3.1

AutoGen se comunica con Ollama a través de la API compatible con OpenAI en http://localhost:11434/v1. La clave de API puede ser cualquier valor, ya que Ollama no requiere autenticación.

¿Para qué es útil AutoGen?

Caso de uso	Lo que AutoGen hace
Programación	Escribe y valida código, lo ejecuta y corrige errores
Debugging	Coder y reviewer discuten posibles fuentes de errores
Documentación	Explica código y genera comentarios apropiados
Aprendizaje	Muestra paso a paso por qué el código funciona de cierta manera
Automatización	Crea pequeños scripts para tareas recurrentes

Ejemplo práctico: Coder y Reviewer

from autogen import ConversableAgent

# Modelo local a través de Ollama
llm_config = {
    "config_list": [
        {"model": "llama3.1", "base_url": "http://localhost:11434/v1", "api_key": "ollama"}
    ]
}

coder = ConversableAgent(
    name="coder",
    system_message="Du bist ein erfahrener Python-Entwickler.",
    llm_config=llm_config,
    human_input_mode="NEVER"
)

reviewer = ConversableAgent(
    name="reviewer",
    system_message="Du prüfst Code auf Fehler und Verbesserungspotenzial.",
    llm_config=llm_config,
    human_input_mode="NEVER"
)

result = coder.initiate_chat(
    reviewer,
    message="Schreibe eine Python-Funktion, die eine Liste von Zahlen sortiert.",
    max_turns=3
)

print(result)

En este ejemplo, coder y reviewer se comunican a través de varias rondas. Con max_turns limitas el número de rondas para evitar bucles infinitos. Para los primeros experimentos, es una buena protección.

Trampas típicas y pautas para decidir

• Bucles infinitos - Sin max_turns o condiciones de salida claras, los agentes pueden discutir indefinidamente.
• Ejecución de código - AutoGen puede ejecutar código. Localmente deberías hacerlo en un sandbox, contenedor o con precaución.
• Configuración de LLM - Para Ollama, la API compatible con OpenAI necesita el sufijo /v1 en base_url.
• ¿Cuándo AutoGen en lugar de CrewAI? AutoGen es más fuerte en coding y conversaciones multi-turno. CrewAI es más fuerte en flujos basados en roles.

Información adicional y enlaces

• AutoGen es adecuado para conversaciones multi-agente y coding.
• Los agentes se comunican mediante mensajes en varias rondas.
• La ejecución de código es posible, pero debe estar asegurada.
• Más sobre agentes en ¿Qué es un agente de IA? y CrewAI.

FAQ - Preguntas frecuentes sobre AutoGen

¿Funciona AutoGen localmente?

Sí. Puedes usar Ollama como backend de modelo compatible con OpenAI sin enviar datos a la nube.

¿Cómo instalo AutoGen?

Con pip install pyautogen. Para ejecución de código, Docker es recomendable como capa adicional de seguridad.

¿Es AutoGen gratuito?

Sí, el framework de código abierto está bajo licencia MIT.

¿Puede AutoGen ejecutar código?

Sí, con un UserProxyAgent o un entorno de ejecución de código. Localmente deberías hacerlo en un entorno aislado.

¿Cuándo debería usar AutoGen?

Especialmente para ayuda con coding, code reviews y solución de problemas complejos donde múltiples agentes deben discutir.

¿Cuál es la diferencia con CrewAI?

CrewAI utiliza roles y tareas. AutoGen utiliza sistemas multi-agente basados en conversación con enfoque en coding.

¿Qué modelo necesito localmente?

Para ejemplos de coding, modelos potentes de 7B o 13B como Qwen 2.5 Coder o Llama 3.1 funcionan bien. Más VRAM permite modelos más grandes.

¿Puedo usar AutoGen para crear contenido?

Sí, especialmente para contenido técnico, explicaciones de código y documentación. Para texto de marketing puro, CrewAI suele ser más adecuado.

Fuentes

• AutoGen GitHub
• Documentación de AutoGen
• Ollama API