AutoGen

Was dieser Artikel behandelt

• Was AutoGen ist und wofür man es nutzen kann.
• Wie Du AutoGen mit Python installierst.
• Wie Du ein lokales Modell über Ollama als Backend einbindest.
• Ein konkretes Beispiel mit zwei Agenten, die sich unterhalten.
• Welche Einsatzgebiete besonders gut passen.
• Typische Fehler und wie man sie vermeidet.

Einleitung

AutoGen ist ein Microsoft-Framework für Multi-Agenten-Systeme. Es eignet sich besonders gut, wenn mehrere KI-Agenten gemeinsam ein Problem lösen sollen, etwa beim Programmieren, bei der Dokumentation oder beim Debugging. Die Agenten kommunizieren in mehreren Runden miteinander, bis ein akzeptables Ergebnis vorliegt. Das Besondere: AutoGen kann vorgeschlagenen Code direkt ausführen, was es zu einem starken Werkzeug für Entwickler macht.

AutoGen kurz erklärt

AutoGen baut auf Agenten, die miteinander kommunizieren. Jeder Agent hat eine Systemanweisung, die beschreibt, wie er agiert. Eine typische Konstellation ist ein Coder-Agent und ein Reviewer-Agent. Der Coder schreibt Code, der Reviewer prüft ihn, und der Prozess läuft so lange, bis das Ergebnis akzeptabel ist.

Installation

AutoGen läuft mit Python. Für den Start brauchst Du nur pip:

pip install pyautogen

Für Code-Ausführung lohnt sich zusätzlich Docker, damit der Code isoliert läuft. Wer lieber ohne Docker arbeitet, kann den Code auch in einer virtuellen Umgebung oder auf einem Testsystem laufen lassen.

Lokales Modell mit Ollama nutzen

Für lokale KI installierst Du Ollama und ziehst ein Modell herunter:

ollama run llama3.1

AutoGen spricht Ollama über die OpenAI-kompatible API unter http://localhost:11434/v1 an. Der API-Key kann ein beliebiger Wert sein, da Ollama keine Authentifizierung erfordert.

Wofür ist AutoGen nützlich?

Einsatzgebiet	Was AutoGen dabei macht
Programmieren	Schreibt und überprüft Code, führt ihn aus und korrigiert Fehler
Debugging	Coder und Reviewer diskutieren mögliche Fehlerquellen
Dokumentation	Erklärt Code und erstellt passende Kommentare
Lernen	Zeigt Schritt für Schritt, warum ein Code so oder so funktioniert
Automatisierung	Baut kleine Skripte für wiederkehrende Aufgaben

Praxisbeispiel: Coder und Reviewer

from autogen import ConversableAgent

# Lokales Modell über 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)

In diesem Beispiel unterhalten sich Coder und Reviewer über mehrere Runden. Mit max_turns begrenzt man die Anzahl der Runden, um Endlosschleifen zu vermeiden. Für erste Experimente ist das ein guter Schutz.

Typische Stolpersteine und Entscheidungshilfen

• Endlosschleifen - Ohne max_turns oder klare Abbruchbedingungen können Agenten endlos diskutieren.
• Code-Ausführung - AutoGen kann Code ausführen. Lokal sollte man das in einer Sandbox, einem Container oder mit Vorsicht betreiben.
• LLM-Konfiguration - Für Ollama braucht die OpenAI-kompatible API am base_url das /v1 Suffix.
• Wann AutoGen statt CrewAI? AutoGen ist stärker bei Coding und Multi-Turn-Konversationen. CrewAI ist stärker bei rollenbasierten Workflows.

Weiterführende Infos und Links

• AutoGen eignet sich für Multi-Agenten-Gespräche und Coding.
• Agenten kommunizieren über Nachrichten in mehreren Runden.
• Code-Ausführung ist möglich, sollte aber abgesichert werden.
• Mehr zu Agenten findest Du in Was ist ein KI-Agent? und CrewAI.

FAQ - Typische Fragen zu AutoGen

Läuft AutoGen lokal?

Ja. Du kannst Ollama als OpenAI-kompatibles Modell-Backend nutzen, ohne Daten in die Cloud zu senden.

Wie installiere ich AutoGen?

Mit pip install pyautogen. Für Code-Ausführung empfiehlt sich Docker als zusätzliche Sicherheitsschicht.

Ist AutoGen kostenlos?

Ja, das Open-Source-Framework steht unter MIT-Lizenz.

Kann AutoGen Code ausführen?

Ja, mit einem UserProxyAgent oder einer Code-Ausführungsumgebung. Lokal solltest Du das in einer isolierten Umgebung tun.

Wann sollte ich AutoGen nutzen?

Besonders für Coding-Hilfen, Code-Reviews und komplexe Problemlösungen, bei denen mehrere Agenten diskutieren sollen.

Was ist der Unterschied zu CrewAI?

CrewAI nutzt Rollen und Aufgaben. AutoGen nutzt konversationsbasierte Multi-Agenten-Systeme mit Fokus auf Coding.

Welches Modell brauche ich lokal?

Für Coding-Beispiele eignen sich starke 7B- oder 13B-Modelle wie Qwen 2.5 Coder oder Llama 3.1. Mehr VRAM ermöglicht größere Modelle.

Kann ich AutoGen für Content-Erstellung nutzen?

Ja, besonders für technische Inhalte, Code-Erklärungen und Dokumentation. Für reinen Marketingtext ist CrewAI oft passender.

Quellen

• AutoGen GitHub
• AutoGen Dokumentation
• Ollama API