概述

原先写过一篇  聊聊基于AutoGen多Agents框架带来的产研技术思考  的文章，在这里面，基于AutoGen框架，评估了一下我个人认为的多agents框架的功能点。

Qwen-Agent^[1]是一个开发框架。开发者可基于本框架开发Agent应用，充分利用基于通义千问模型（Qwen）的指令遵循、工具使用、规划、记忆能力。本项目也提供了浏览器助手、代码解释器、自定义助手等示例应用。

功能对接

标准对接

对于各个开放平台的线上对接模型，其实没什么好说的，因为都是第一标准。其次就是看兼容OpenAI接口协议的API服务的完善程度。

一个合格的开源框架对接OpenAI接口协议的API服务是基本的功能，可惜这项功能一定会落后于各个开放平台的线上对接功能。因为优先级和侧重点完全是不一样的。

基本功能

对于基本功能的对接，参考 agent^[2] 文档即可。在多agent协作、上下文衔接等基本功能。

Tools & RAG

tool^[3]一文阐述的比较清楚，而且示例也算不错。比较的能解决一些外部工具调用的问题。

对于RAG的支持，则是在 RAG Example^[4] 中讲述的蛮清楚，提供了doc_qa^[5]多种案例的示例。

Qwen-Agent支持超长上下文的RAG回答，类似智谱的longwrite-glm4的能力，当然在上下文长度、实现等方面可能会有差别，但最终的效果是差不多的。

与传统的RAG不一样，QWen-Agent的对RAG的实现不是传统的向量数据库+向量分词+向量检索等等组件组合使用；而是直接使用LLM的能力，尤其是QWen LLM。

ReAct & Nest

嵌套查询，QWen-Agent支持嵌套开发和非嵌套开发；通过使用_call_llm(...)和_call_tool(...)函数组合来调用LLM和Tool的例子，可以参考ReActChat^[6]和Assistant^[7]的实现。

GroupChat

GroupChat^[8] 类。这个类管理一个Agent列表，并自动维护Agent的发言顺序。这个类的特点是：

• 接收外部输入后，自动协调内置Agent的发言顺序，并依次将发言内容返回给用户；
• Human-in-the-loop: 将用户也定义为一个Agent，群聊会在必要时要求用户给予反馈；
• 用户可以随时打断群聊；

在examples^[9]目录中提供了一个创造群聊和体验群聊的Gradio Demo^[10]，可以进一步体验群聊功能。利用GroupChat开发可以参考五子棋^[11]用例。

小结

大概的过了一遍源码与功能点，还是比较完善的，而且其中的功能点封装的不错，自定义程度很高，当然其功能主要还是prompt在发挥作用。鉴于QWen体系的完善性，还是蛮推荐基于QWen-Agent开发，毕竟各方面很齐全了。