当下，大模型应用热点已经开始从RAG向Agent应用蔓延。有研究预测，未来AGI的超级智能或许将来自一组Agents组成的网络，这些Agent都是各自领域的专家，专门从事某些特定任务，共同解决问题，而非来自一个无所不知，拥有超级能力的超级Agent。因而，MultiAgent应用架构也被当作是未来AGI时代的终极应用模式。无论是产品还是应用框架想要普及，降门槛，扩大受众，让更多人能够用起来就是关键。也正是如此，出现很多图形化低代码的框架方便那些对底层代码逻辑不熟悉的用户，如langflow等。
AutoGen作为当前MultiAgent代表性的框架之一，受到很多行业开发人员的关注，而今天就要介绍两款AutoGen的UI工具，可以让非代码人员也能用得起来。
相关阅读： 一文探秘LLM应用开发(26)-Prompt(架构模式之Agent框架AutoGPT、AutoGen等)
1.AutoGen Studio
AutoGen Studio是微软AutoGen官方最新发布的基于AutoGen框架开发的图形化开发界面，支持快速创建AI Agent原型、绑定技能、将其编入工作流并与之交互以完成任务。官方特别提示，它目前定位为multiagent系统的原型演示，暂并不建议应用于生产。
目前功能比较简单，支持创建和配置在UserProxyAgent和AssistantAgent之上的Agents，与创建的Agent进行聊天制定任务，并观察agent间消息及运行情况。在studio中，有三个领域概念：
1）Agent workflow：Agent工作流是一组Agent的配置说明，这些Agent可以共同完成一项任务。最简单的版本是设置两个Agent--一个用户Agent（代表用户，即编译代码并打印结果）和一个AI助理，处理任务请求（如生成计划、编写代码、评估响应、提出错误恢复步骤等）。更复杂的流程是群聊，在群聊中，可添加更多的Agent参与解决问题。
2）session：会话指的是与Agent工作流持续交互或参与的一段时间，通常以一系列旨在实现特定目标的活动或操作为特征。它包括Agent工作流配置、用户与Agent之间的交互。会话可以发布到 Gallery 中。
3）skills：技能是描述如何解决任务的函数（如 Python 函数）。一般来说，好的技能都有一个描述性的名称（如 generate_images）、丰富的文档说明和良好的默认设置（如将文件写入磁盘以进行持久化和重复使用）。可以通过提供的用户界面添加新技能 AutoGen Studio 应用程序。在推理过程中，这些技能将在助理Agent处理您的任务时提供给他们。工具自带三个样例skill：fetch_profile, find_papers, generate_images。
下面是 一个有趣的使用实例：教你利用AutoGen Studio低代码创建多Agent帮你做自媒体运营（解析网站视频总结内容发文推广） ，可以直观了解使用方法。
2.x-force（https://ide.x-force.ai/）
X-force是社区贡献的一款AutoGen的可视化开发工具，它整体风格有点类似于langflow，采用拖拉拽的方式生成AutoGen的程序。可以说它为AutoGen做了很好的补充，不用一行行 地写代码，把相关逻辑在画布中定义清楚，导出即可使用。对于基于AutoGen的平台开发者来讲，也可以集成到自己平台，打通整个流程，提升平台的易用性。
点此可查看官方的例子：https://x-force.notion.site/Example-Workforces-fff4a8ee317c4e76b226fef321c098ba
https://microsoft.github.io/autogen/docs/Gallery/
另外 ，A utoGen 社区生态 发展比较迅速，不断有新的 应用被加入，可重点关注。