外观
28.DeepSeek结合AutoGen构建多Agent应用
来源：语雀原文 | 整理日期：2026-09-22
分享内容
通过打造一款 AI 旅游规划师，通俗易懂、深入浅出的讲清楚 AI 应用的大方向 - Agent 智能体 - 的原理。
无需科学上网，无需付费API，无需编程能力，一小时即可部署、搭建一款复杂的、多代理交互的 AI 智能体 - 旅游规划师，通过观察它的工作流程，深入连接 AI 智能体的本质和原理。
环境准备
1.本地部署 Autogen Studio
项目地址：https://github.com/microsoft/autogen
官方文档：https://microsoft.github.io/autogen/0.2/docs/autogen-studio/getting-started/
中文文档：https://www.aidoczh.com/autogen/docs/Getting-Started/
参考《AutoGen智能体开发平台快速入门》
一，Python 环境的准备
AutoGen Studio 依赖 Python 环境，这里建议大家使用 Anaconda 去管理 Python 环境，避免环境之间的冲突问题。
有的小伙伴不懂 Python，但并不妨碍我们学习 AutoGen，只要按照步骤来，谁都可以搞定。
下载安装 Conda
点击 mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ 进入到清华大学开源软件镜像站下载界面。
会发现有很多版本可选，用网页搜索功能搜索2023.09-0，以 windows 为例，下载 exe 安装文件。
下载完成之后点击 exe 文件进行安装，安装非常简单。
使用 anaconda 创建 python 环境
windows 开始菜单搜索栏，搜索 prompt，搜索结果中可以看应用Aanconda Powershell Prompt。
打开这个应用。
接下来，我们将使用这个工具创建一个特定版本的 Python 环境。
在打开的命令行工具中输入如下命令，然后回车。
plain
conda create -n autogenstudio python=3.10-n 后面是的 autogenstudio 是环境的名称，相当于一个标识，后续要用这个环境时通过这个名称进行查找python=3.10，是指定 python 的版本
执行命令创建环境的过程中，会有一次交互 (如下图)，命令行界面等待输入时，键盘输入字母y即可。
稍等片刻，知道有如下输出，说明环境创建成功。
接下来，输入如下命令，切换到创建好的环境。
plain
conda activate autogenstudio顾名思义，这个命令的含义是激活我们刚刚创建好的环境，这个环境的名称是autogenstudio。
到此为止，Python 环境已经准备好了，非常简单吧。
安装 Autogen Studio
1，下载 autogen studio
接下来我们需要安装 Autogen Studio。
那怎么安装呢？超级简单，在刚刚我们准备好的 python 环境中执行一个命令就好。
plain
pip install autogenstudio==0.1.5但如果直接这样执行的话，因为它会访问国外的网站完成下载，所以速度非常慢，慢到不能忍受。
所以我们需要让它去国内的镜像下载。
通过参数-i指定国内镜像地址，我们使用阿里云的镜像。
上述命令就变成如下这样了。
plain
pip install autogenstudio==0.1.5 -i https://mirrors.aliyun.com/pypi/simple回车执行命令。
速度相当 OK，很快就完成下载和安装了。
2，启动 autogen studio
下载之后，使用如下命令启动 autogen studio 服务。
plain
autogenstudio ui --port 6000回车执行命令。
有如下输出，说明启动成功。
3，访问 autogen studio
从开始准备环境，到部署启动 Autogen Studio，大约半小时可以搞定。
启动成功后，在浏览器输入如下地址。
plain
http://localhost:8081/build即可看到如下界面。
2.本地部署 Deepseek
使用 Ollama 部署 DeepSeek-R1 模型的步骤相对简单，以下是详细的部署流程：
步骤 1: 安装 Ollama
- 下载 Ollama：首先，访问 Ollama 官方网站 下载适用于你的操作系统（Windows 或 macOS）的版本。
- 安装 Ollama：按照安装向导完成安装过程。
步骤 2: 安装 DeepSeek-R1 模型
- 打开终端或命令提示符：根据你的操作系统打开命令行工具（macOS 用户使用 Terminal，Windows 用户使用 Command Prompt 或 PowerShell）。
- 拉取模型：在终端中输入以下命令下载 DeepSeek-R1 模型：
plain
ollama pull deepseek-r1:1.5b该命令会从 Ollama 的官方模型库中拉取 DeepSeek-R1 模型，并下载到本地。
步骤 3: 启动模型
- 运行 DeepSeek-R1 模型：使用以下命令启动 DeepSeek-R1 模型：
plain
ollama run deepseek-r1:1.5b该命令会启动模型，并在本地环境中启动一个推理服务。
ollama api地址：http://localhost:11434/v1
步骤 4: 配置 Open WebUI
- 安装 Open WebUI：确保你的系统已经安装了 Open WebUI。如果没有安装，可以通过以下命令进行安装：
先安装conda，参考：https://blog.csdn.net/LiuRuiaby35646/article/details/140517410
plain
conda create -n open-webui python=3.11.0
activate open-webui
pip install open-webui- 配置 WebUI：运行以下命令启动 Open WebUI：
plain
open-webui serve启动后，你可以通过浏览器访问 WebUI 界面，通常是 http://localhost:8080。
给 Autogen 的代理配置大脑
智能体相当于一家公司，公司的工作通常是由多个人协作完成的，与此类似，智能体的工作是由多个代理协作完成的，从这个角度来看，代理可以类比为人。
注意，Autogen 中，代理是非常核心的概念。
既然把代理比作人，那么它一定有思考能力和推理能力，也就是说，它一定有大脑。
对，只不过代理的大脑是大模型。在我们的这个实验中，选择 Deepseek 作为代理的大脑。
所以，接下来，就是给代理配置大脑。
1.模型登记
就像员工入职登记信息一样，首先要在 Autogen Studio 界面上登记 Deepseek 的信息。
如下图，在 Autogen Studio 的界面上，按照如下步骤打开登记界面 。
- ① 选择 Build
- ② 选 models 菜单
- ③ 点击
New Model按钮
模型登记界面如下。
- ① 填写模型名称
- ② API Key，把之前创建好的 API Key 复制粘贴到这里即可
- ③ 接口地址，直接复制粘贴，不要修改：http://localhost:11434/v1
- ④ 备注，按需填写即可
登记完成后，点击 Test Model 进行测试，校验信息是否准确。有如下提示，说明模型登记成功，点击保存即可。
2.给代理配置大脑
目前，仅仅登记了大脑的信息，接下来得给代理装上这个大脑。
代理是怎么来的呢？
我们要打造的智能体 - AI 旅游规划师，是 Autogen Studio 中自带的智能体，所有的代理都已经创建好了，只是这些代理目前都没有大脑。
如下图，点击①Agents 菜单，切换到代理列表界面，需要给如图所示2~6一共五个代理配置大脑。
注意，第一个代理user_proxy不需要大脑，user_proxy 只是前端接待和指令执行者，不需要动脑子。
以给代理 default_assistant 配置大脑为例，演示步骤，其他代理类似。
- ① 点击代理 default_assistant
- ② 在弹出的浮窗中点击 Models，切换到模型选择界面
- ③ 点击
add按钮
- ④ 在弹出的下来列表中选择 deepseek-code 模型作为代理的大脑
其实，到此位置，我们的智能体已经打造完成，接下来可以让 AI 旅游规划师开始工作了。
构建多Agent应用
1.AI 旅游规划师workflow
先来看看 AI 旅游规划师的真实面目。
到目前，我们仅仅知道代理，代理和 AI 旅游规划师的关系是什么呢？
简单的说，AI 旅游规划师的工作是有多个代理合作完成的。
代理之间的协作是由 workflow 工作流定义的。
切换到工作流界面，如下图。
点击上图中的Travel Planning Workflow，进入其配置界面，选择界面上的 Agents 卡片。
default_assistant，是个有用的人工智能助手。使用你的编码和语言技能来解决任务。在以下情况下，建议用户执行 Python 代码 (在 Python 代码块中) 或 shell 脚本 (在 sh 代码块中)。
1、当你需要收集信息时，使用代码输出你需要的信息，例如，浏览或搜索网页，下载 / 阅读文件，打印网页或文件的内容，获取当前日期 / 时间，检查操作系统。当足够的信息被打印出来，任务就可以根据你的语言技能来解决了，你就可以自己解决这个任务
2、当需要使用代码执行某项任务时，请使用该代码执行该任务并输出结果。聪明地完成任务。如果需要，逐步解决任务。如果没有提供计划，首先解释你的计划。清楚哪一步使用代码，哪一步使用您的语言技能。使用代码时，必须指示代码块中的脚本类型。除了执行您建议的代码之外，用户不能提供任何其他反馈或执行任何其他操作。用户无法修改代码。所以不要建议用户修改不完整的代码。如果不打算由用户执行，则不要使用代码块。如果希望用户在执行之前将代码保存到文件中，请将 # filename: <filename> 作为第一行放在代码块中。不要在一个响应中包含多个代码块。不要要求用户复制和粘贴结果。相反，在相关时使用 “print” 函数作为输出。检查用户返回的执行结果。如果结果表明存在错误，请修复错误并再次输出代码。建议使用完整代码而不是部分代码或代码更改。如果错误无法修复，或者在代码成功执行之后任务仍未得到解决，请分析问题，重新审视您的假设，收集您需要的额外信息，并考虑一种不同的尝试方法。当你找到答案时，仔细核实答案。如果可能的话，在你的回答中包括可核实的证据。当所有事情都完成后，最后回复 “TERMINATE”。
user_proxy，这个代理的角色是 initiator(发起人)，它的功能是接收用户的任务，把任务交给 Receiver 进行分析、拆解
travel_groupchat，这个代理的角色是 Receiver，它的功能是把 Initiator 代理分配过来的任务进行理解、拆解
language_assistant，是一个很有帮助的助手，可以回顾旅行计划，提供重要的 / 关键的提示，如何最好地处理语言或沟通挑战的反馈给特定的目的地。如果计划中已经包含了语言技巧，那么您可以提到该计划是令人满意的，并且具有合理性。
local_assistant，您是一个本地助理，可以为用户推荐本地活动或要访问的地点，并且可以利用所提供的任何上下文信息。你可以推荐当地的活动、参观的地方、吃饭的餐馆等等。您还可以提供有关天气、当地事件等的信息。你可以提供当地的信息，但你不能提出一个完整的旅行计划。您只能提供有关本地区域的信息。
planner_assistant：一个有用的助手，可以为用户提供旅行计划，并利用所提供的任何上下文信息。你是主要的协调人，将收到来自其他代理 (当地助理，语言助理) 的建议或意见。您必须确保最终计划集成了来自其他代理或团队成员的建议。你的最终反应必须是完整的计划。当计划完成并且集成了所有透视图时，可以使用 TERMINATE 进行响应。
前面不是说涉及多个代理吗？这里明明只有两个代理。
要回答这个问题，得回到 Agents 界面，点击代理travel_groupchat。
在代理travel_groupchat的配置界面上选择 Agents 卡片，可以看到在这里关联其他 Agent。
相当于代理travel_groupchat是个 Leader，管理着很多员工。
2.AI 旅游规划师执行任务
Autogen Studio 上的 Playgournd 就是智能体的表演舞台，接下来我们把旅游规划师请上舞台。
- ① 选择卡片 Playground
- ② 点击左侧
+New按钮 - ③ 选择工作流
Travel Planning Workflow - ④ 点击按钮
Create
现在就可以给旅游规划师下任务。
3.AI 旅游规划师执行效果
我给旅游规划师下达了这样一个任务。
plain
制定去云南旅游的3天计划这是智能体给我的响应，当然，这不重要。
关键的地方，在于对话的最下面，点开Agent Messages。
Agent Messages展示了为了完成这个任务，多个 Agent 之间发生的对话，就像一个公司的某个部门完成一个任务一样，多个同事要进行多轮复杂的、网站的交流。
如下图，这个过程，至少有二个代理参与，但他们的对话过程对用户来说，是不透明的。
用户就是提出问题，等待答案。
总结
当然，具备生产力的智能体会更加复杂，但也是在这个原理之上，设计更为复杂的工作流，每个代理具备更多的能力，甚至是具备物理世界的能力，比如动手术、诊断、搬东西、采购、运输等等。
可以想象，随之 AI 的能力越来越强，智能体落地的可能性就越来越大。
目前 AI 的发展虽然如火如荼，但是并没有杀手级别的应用出现，如果没有应用，就不可能真正的进入 AI 时代。智能体极有可能是 AI 应用落地的最佳形态。