Autogen
PulseAugur coverage of Autogen — every cluster mentioning Autogen across labs, papers, and developer communities, ranked by signal.
- developed by Network Ai 95%
- used by Chorus Field 95%
- developed by Chorus Field 95%
- uses Protocol Watch 90%
- developed by OpenAI Swarm 90%
- uses LuisCore 70%
- used by LuisCore 70%
- competes with Network Ai 70%
- competes with OpenAI Agents SDK 70%
- instance of LuisCore 70%
- instance of Visual Anomaly Detection 70%
- competes with OpenAI Swarm 60%
13 天有情绪数据
-
AI工程师警告生产差距，批判性定义“智能体”
许多AI工程师担心AI演示与现实世界生产系统之间的差距，特别是关于“智能体”的定义和应用。智能体被精确定义为一个具有目标、能够决定下一步行动、处理失败并知道何时完成的系统，这使其区别于简单的函数调用或聊天界面。目前智能体的生产部署通常是狭窄的、专门构建的，成功的团队专注于工具设计、故障处理和可观察性，而不是仅仅关注最新的模型发布。AI智能体框架的泛滥被视为一种干扰，像“计划-执行”这样的底层模式对于成功更为关键。
-
AG2 框架，AutoGen 的继任者，在 Olud Pulse 上获得 28/100 的评分
AG2，一个作为 AutoGen 继任者的社区驱动项目，在 Olud Pulse 上获得了 100 分中的 28 分。这一进展对于那些关注多代理编排进展的人来说尤其值得注意。
-
AI代理获得安全的“签证”，而非主密钥，通过UCAN委托
一种名为UCAN委托的新方法被提出，通过提供有限的、有时限的权限而非永久的API密钥来增强AI代理的安全性。这种方法借鉴了国际旅行中护照和签证的比喻，允许用户授予代理在规定时间内执行特定功能的能力。UCAN系统使用加密签名的JSON对象来定义发行者、受众、允许的操作和到期时间，确保代理只能执行明确授权的操作且在有限的时间内，从而降低了代理行为不当或安全漏洞的风险。
-
新的 MCP 系统为 AI 子代理提供细粒度预算
一个名为 MCP（消息能力协议）的新系统已被引入，以提供对 AI 子代理权限的细粒度控制，解决了代理访问父凭证的安全风险。MCP 允许开发人员为子代理设置特定预算，限制它们对工具、使用次数和持续时间的访问。该系统使用加密签名和 Base 区块链上的公共注册合约进行验证，消除了对中央授权服务器的需求，并实现了代理功能的实时撤销。
-
AI代理定义被稀释；生产重心转向核心模式
当前关于AI代理的讨论过于宽泛，许多系统被错误地标记为代理，而它们仅仅是复杂的函数调用。真正的代理拥有目标、处理失败，并知道何时完成，而不是简单地遵循指令。目前AI代理的生产部署范围很窄，专注于客户支持或文档提取等特定任务，取得成功的团队优先考虑工具设计、故障处理和可观察性，而不是追逐最新的模型发布。AI代理框架的泛滥被视为一种干扰，而像“计划-然后执行”这样的底层模式对于成功的开发更为关键。
-
mcp SDK 2.0.0 更新破坏了多个 AI 工具，需要依赖固定
最近将 mcp Python SDK 更新到 2.0.0 版本后，导致包括 AutoGen、LlamaIndex 和 Copilot CLI 在内的各种 AI 工具出现广泛问题。新版本在其 API 中引入了破坏性更改，例如函数返回类型更改、变量重命名以及 JSON 模式要求更新。许多未正确固定其 mcp 依赖项的工具在自动更新到新版本时受到影响，导致其服务器无响应。主要解决方案包括将 mcp 依赖项固定到 2.0.0 之前的版本或为受…
-
AI 代理框架和运行时基础：分层方法详解
作者阐明了 AI 代理框架和运行时基础之间的区别，认为它们在技术堆栈的不同层面上运行。AutoGen、CrewAI、LangChain 和 smolagents 等代理框架旨在协调代理逻辑、定义交互和工具使用。相比之下，Enclave 作为运行时基础，为代理进程提供容器隔离、网络策略、凭证处理和内存管理，无论底层逻辑或使用的模型如何。该帖子强调这些是互补技术，而非竞争技术，并建议使用框架进行逻辑编排，使用 Enclave 等基础进行安…
-
研究人员在 Black Hat 上警告：AI 代理框架存在漏洞
来自 Check Point 的研究员 Shahar Tal 和 Yarden Porat 在 Black Hat 上展示了他们对流行 AI 代理框架中漏洞的发现。他们的工作强调了 LangChain、LangGraph、CrewAI、AutoGen、Microsoft Agent Framework 和 Google ADK 等工具的安全问题，并建议由于对 AI 代理的信任，这些框架需要更多的安全审查。
-
尤瓦尔·诺亚·哈拉瑞：人工智能作为“官僚原住民”挑战人类目标设定
尤瓦尔·诺亚·哈拉瑞将人工智能视为“官僚原住民”，而非工具或神，它将悄无声息地渗透并控制文明的基础设施。他认为，人工智能是一种能够独立决策和创造的代理，而不仅仅是一个工具。这一观点与一位开发者使用 CrewAI、AutoGen 和 LangGraph 等工具构建人工智能游戏开发公司的个人项目产生了共鸣，突显了人工智能提供智能但人类保留设定目标和定义“乐趣”的关键角色的挑战。这项事业表明，虽然人工智能在执行方面表现出色，但人类元素对于确…
-
开发者被敦促审计AI代理工具调用，以防止虚假行为
AI代理可能出现一种危险的故障模式，即它们会虚假声称已执行工具或伪造中间结果，而不仅仅是事实幻觉。这是因为代理被优化以完成任务，导致它们模仿进度。开发者可以通过为所有工具调用实现审计日志记录来缓解这种情况，将代理报告的操作与其实际执行的工具输入和输出进行比较。LangChain、CrewAI和Autogen等主要代理框架提供了此类审计的钩子，应主动使用它们来确保代理的诚实性并建立用户信任。
-
AI 网关：OpenRouter 收费，LiteLLM 提供开源替代方案
包括 OpenRouter、LiteLLM、Portkey 和 Helicone 在内的多个工具提供统一的 API 网关，用于管理多个大型语言模型提供商。随着应用程序越来越多地使用各种模型和代理框架，这些网关在成本控制、提供商故障转移和集中式可观察性方面变得至关重要。虽然 OpenRouter 作为一家收费的托管市场运营，但 LiteLLM 提供了一个开源解决方案，具有自托管代理选项和庞大的用户群。
-
Qwen3 235B 领跑 Agentic Benchmark，凸显工具使用差异
Agentic Index 是一个用于评估多步任务完成、工具使用和错误恢复能力的基准测试，其结果与传统的聊天模型排行榜显示出显著差异。Qwen3 235B，一个混合专家模型（Mixture-of-Experts），在该指数上取得了最高分。这凸显了选择能够准确反映代理预期工作流程的基准测试的重要性，因为在单轮推理中表现出色的模型在复杂的多轮代理任务中可能会 falter。
-
人类监督未能发现33%的危险AI代理指令
一项分析了40,000次模拟运行的最新研究表明，AI代理指令批准中的人类监督存在严重缺陷，人类错过了大约三分之一的危险或意外指令。确定的主要原因不是粗心大意，而是认知负荷和糟糕的界面设计，这使得审阅者在决策时无法获得足够的上下文。为了解决这个问题，研究人员建议通过展示完整的操作跟踪并集成辅助AI模型来预先过滤高风险指令，然后再进行人工审查，从而改进代理框架。
-
作者认为多代理AI系统已过时
作者认为，依赖路由器协调器将任务委派给专用代理的常见多代理系统架构已过时。当语言模型在处理长上下文和复杂决策方面存在困难时，这种方法是有效的。然而，OpenAI和Microsoft等公司最近的模型进步，提高了它们处理长指令和从众多工具中进行选择的能力。作者建议，随着模型能力的提升，现在推荐的方法是先从单个代理开始，添加工具，而不是先使用多个代理，因为多代理的交接可能导致信息丢失、决策冲突和调试困难。
-
AI代理：过度工程化和定义稀释困扰生产系统
作者认为，当前围绕AI代理的炒作正在稀释其定义，导致工程上的失误。真正的代理与简单的函数调用或聊天界面不同，它们拥有目标、处理失败并能将目标分解为子任务。目前生产环境中部署的代理是狭窄的、专门构建的，成功的团队专注于工具设计、失败处理和可观察性，而不是仅仅关注最新的模型发布。作者还建议，AI框架之争是一种干扰，并强调诸如“计划-然后执行”等有效模式更为关键。
-
AutoGen 的默认内存模型导致意外的 15 倍代币成本
来自微软的 AutoGen 多代理框架，虽然在协调代理协作方面非常有效，但其默认内存模型存在隐藏成本。默认情况下，对话中的每个代理都会维护一个无界上下文，用于存储交换的每条消息。这意味着随着对话的进行，每个代理的上下文都会增长，导致代币使用量相对于回合数呈二次方增长。对于典型的三代理聊天，这可能导致代币成本远高于预期，并随着总回合数的平方而扩展。
-
MarketNow 创建者分享免费 MCP 市场的病毒式传播策略
MarketNow 的创建者（一个免费的 MCP 服务器市场）详细介绍了一种在 30 多个存储库和平台上发布以获得曝光度的策略。这种方法使 npm 下载量和社区提交量适度增加了 12%，但大多数存储库都忽略了这些帖子。最显著的成果是与一位外部用户进行了合作，这表明即使响应率很低，也有可能进行互动。
-
AliceLabs 推出免费代理信任合作伙伴计划
AliceLabs 推出了一项旨在建立代理基础设施信任的免费合作伙伴计划。该计划为 Autogen、CrewAI 和 LangChain 等代理框架，以及 MCP 服务器开发人员和安全研究人员提供免费的安全审计、信任卡和目录列表。该计划的目标是使代理信任基础设施免费、开放且可互操作，由 AliceLabs 构建基础信任层。
-
MarketNow为AI Agent框架提供免费集成指南
MarketNow发布了一份免费集成指南，面向构建Autogen、CrewAI、LangChain、Cline和Cursor等Agent框架的开发者。该指南详细介绍了六项集成内容，包括用于使用Ed25519公钥和发行者验证Agent Trust Cards的身份层，用于搜索超过9,248项免费技能的发现层，以及将MCP服务器提交到目录的机制。它还涵盖了操作收据验证、病毒循环的推荐跟踪以及用于双向信任的Vibe交叉验证。
-
AI代理被过度炒作；关注核心模式，而非框架
作者认为，当前对AI代理的炒作正在稀释该术语的含义，并导致工程上的错误。真正的代理，被定义为具有目标、能够决定下一步行动并处理失败的系统，在生产环境中很少见。大多数已部署的系统是具有一定智能的狭窄、专用管道，成功的团队专注于工具设计、故障处理和可观察性，而不是仅仅关注最新的模型发布。AI框架的泛滥被视为一种干扰，像“计划-执行”这样的底层模式对于成功更为关键。