一文读懂 AutoGen SelectorGroupChat：多智能体协作的"最强大脑"！

注意补充：
Ollama 当前并不支持模型工具（function calling）功能，因此在 SelectorGroupChat 场景下，无法体验到如工具调用、函数执行等高级能力。笔者推荐：

• 可以在 LM Studio 中尝试支持 function calling 的模型（如 OpenAI GPT-4/3.5、Gemini Pro 等），体验完整的多智能体工具协作。
• 或者直接在 Linux 环境下安装 vllm，结合 HuggingFace 支持 function calling 的大模型，获得最佳效果。

前言

在AI应用日益复杂的今天，单一智能体（Agent）已难以满足多变的业务需求。如何让多个智能体高效协作、动态分工，成为AI开发者关注的焦点。微软AutoGen框架应运而生，其中 SelectorGroupChat 机制，堪称多智能体协作的"最强大脑"！本文将带你全面了解SelectorGroupChat的原理、用法与实战技巧。

---

一、SelectorGroupChat 是什么？（概念与作用）

SelectorGroupChat 是 AutoGen 框架中支持多智能体协作的群聊模式。它允许通过自定义选择器（selector）机制，动态决定每轮由哪些Agent参与响应，适合复杂分工、动态决策、多角色协作等场景。

官方文档：AutoGen Selector Group Chat

---

二、核心工作流程全解析（附流程图）

SelectorGroupChat 的典型工作流如下：

1. 任务由 SelectorGroupChat 接收，根据各Agent描述，选择最合适的Agent（通常是Planning Agent）处理初始任务。
2. Planning Agent 分析任务，拆解为若干子任务，并用 <代理名称> : <任务描述> 格式分配给其他Agent。
3. SelectorGroupChat 管理器根据上下文和Agent描述，动态选择下一个Agent处理分配的子任务。
4. Web Search Agent 逐步检索信息，结果存入共享对话历史。
5. Data Analyst 在被选中时，利用工具处理和分析信息。
6. 该流程循环，直到：
   • Planning Agent 判断所有子任务完成并发送"TERMINATE"
   • 或达到其它终止条件（如最大消息数）

流程图

---

三、SelectorGroupChat 的核心机制

• Selector 选择器机制：每轮对话，SelectorGroupChat 会调用 selector 函数，根据当前上下文和历史消息，选择本轮参与的Agent。
• 终止条件（Termination）机制：可灵活配置终止条件，如关键词、最大消息数等，自动控制对话流程。
• 支持异步/同步 selector：selector 可为同步或异步函数，适配多种业务场景。
• 选择逻辑灵活：可基于消息内容、轮次、外部信号等自定义选择逻辑。

---

四、实战：SelectorGroupChat 代码示例与讲解

下面以一个典型的多智能体协作任务为例，演示 SelectorGroupChat 的用法：

from autogen_agentchat.agents import AssistantAgent
from autogen_agentchat.teams import SelectorGroupChat
from autogen_agentchat.conditions import TextMentionTermination, MaxMessageTermination

# 定义模型客户端（以Ollama为例）
model_client = OllamaChatCompletionClient(
    model="qwen2.5-coder:latest",
    model_info={
        "family": "ollama",
        "vision": False,
        "function_calling": True,
        "json_output": False,
        "structured_output": True,
    }
)

def search_web_tool(query: str) -> str:
    # 伪造数据，实际可接API
    if "2006-2007" in query:
        return "德怀恩·韦德：1397分"
    elif "2007-2008" in query:
        return "德怀恩·韦德2007-2008赛季总篮板：214"
    elif "2008-2009" in query:
        return "德怀恩·韦德2008-2009赛季总篮板：398"
    return "未找到数据"

def percentage_change_tool(start: float, end: float) -> float:
    return ((end - start) / start) * 100

planning_agent = AssistantAgent(
    "PlanningAgent",
    description="一个用于规划任务的代理。",
    model_client=model_client,
    system_message="""
    你是一个规划代理。
    你的工作是将复杂任务分解为更小的子任务，并分配给团队成员：
        WebSearchAgent：搜索信息
        DataAnalystAgent：数据分析
    你只负责规划和分配任务，不执行具体操作。
    分配任务格式：1. <代理名称> : <任务描述>
    分配完任务后直接结束输出。
    在其它智能体回复之后，分析任务是否完成，当所有任务完成后，总结发现并以"TERMINATE"结束。
    """,
)

web_search_agent = AssistantAgent(
    "WebSearchAgent",
    description="一个用于网络检索的代理。",
    tools=[search_web_tool],
    model_client=model_client,
    system_message="""
    你是一个网络搜索代理。
    你唯一的工具是search_tool，只能用它查找信息。
    你一次只进行一次搜索，不做数据分析。
    """,
)

data_analyst_agent = AssistantAgent(
    "DataAnalystAgent",
    description="一个用于数据分析的代理。",
    model_client=model_client,
    tools=[percentage_change_tool],
    system_message="""
    你是一个数据分析师。
    你只负责分析和计算，不负责检索信息。
    如果没有数据，请主动索取。
    """,
)

termination = TextMentionTermination("TERMINATE") | MaxMessageTermination(25)

selector_prompt = """选择一个代理来执行任务。
{roles}
当前对话上下文：
{history}
阅读上述对话，然后从{participants}中选择一个代理来执行下一个任务。
确保规划代理在其他代理开始工作之前分配了任务。
只选择一个代理。
"""

team = SelectorGroupChat(
    [planning_agent, web_search_agent, data_analyst_agent],
    model_client=model_client,
    termination_condition=termination,
    selector_prompt=selector_prompt,
    allow_repeated_speaker=True,
)

# 运行任务
import asyncio
async def main():
    task = "谁是2006-2007赛季迈阿密热火队得分最高的球员，他在2007-2008和2008-2009赛季之间的总篮板数变化百分比是多少？"
    await Console(team.run_stream(task=task))

# asyncio.run(main())  # 取消注释即可运行

关键参数说明

• participants：参与的Agent列表
• selector：自定义选择器函数（可选）
• termination_condition：终止条件
• selector_prompt：选择器提示词

---

五、典型应用场景盘点

• 多角色问答/专家系统：如医疗问诊、法律咨询等多专家协作场景
• 流程审批/动态决策：如企业审批流、自动化办公
• 多Agent博弈、竞赛、协作：如AI对弈、团队竞赛
• 与其它群聊模式结合：如与RoundRobinGroupChat混合，灵活切换

---

六、实用技巧与注意事项

• selector函数需保证每轮至少有一个Agent被选中，否则对话会中断
• 终止条件建议结合实际业务需求合理设置，防止死循环
• selector可根据消息内容、轮次、外部信号等灵活定制
• 调试时可打印每轮被选中的Agent，便于排查问题
• 性能优化建议：合理设置消息上限，避免无效轮询

---

七、进阶玩法

• 异步selector：适合需要外部数据或异步决策的场景
• 与外部信号、数据库、API集成：实现更复杂的动态选择
• 结合业务需求的高级定制：如多层级审批、跨部门协作

---

八、更多资料与参考

• AutoGen 官方文档
• AutoGen GitHub
• 推荐阅读：
  • AutoGen多智能体协作最佳实践
  • AI Agent系统设计模式全解析

---

SelectorGroupChat 让多智能体协作变得高效、灵活且可控。无论是AI开发者还是企业应用者，都能从中受益。赶快动手实践，体验多Agent协作的强大威力吧！

如果你觉得本文有用，欢迎点赞、收藏、评论交流！关注我，带你玩转AI多智能体协作！