AI前沿速递｜autogen 61K星微软多Agent框架、semantic-kernel 29K星LLM集成SDK

微软在 Agent 生态上其实布局了两条线：一条是 autogen，专攻多 Agent 对话协作；另一条是 semantic-kernel，做 LLM 应用集成 SDK。两个项目加起来快 90K star，但很多人分不清它们到底在解决什么问题。今天一次聊清楚。

1. autogen — ⭐60.7K，一句话定位

解决什么问题： 当你需要多个 AI Agent 之间互相聊天、分工协作、甚至代表人类执行操作时，autogen 提供了一套编程框架来编排这些 Agent。

核心亮点：
– 多 Agent 对话编排：支持 Agent 之间相互发送消息、协商、投票，实现”AI 开圆桌会议”
– 人机协作：Agent 可以自主执行代码、调用工具，也可以在关键节点暂停等人类确认
– 支持 MCP 协议：能接入外部工具服务（如 Playwright 浏览器自动化）
– 配套 AutoGen Studio：提供无代码 GUI，快速原型验证

上手方式：

pip install autogen-agentchat autogen-ext[openai]

Python 3.10+，需要 OpenAI API Key。框架本身也提供了 .NET 版本。

⚠️ 实话： autogen 目前处于 Maintenance Mode（维护模式），微软已明确表示不再添加新功能，推荐新用户直接上手继任者 Microsoft Agent Framework (MAF)。现有项目可以继续用，但长期规划建议关注迁移路径。本文基于 GitHub README 信息整理，未做深度实测。

适合谁： 想快速验证多 Agent 协作场景的研究者、对”AI 自治团队”概念感兴趣的开发者。如果你只是想给现有应用加个 LLM 接口，autogen 可能有点重了。

2. semantic-kernel — ⭐28.5K，一句话定位

解决什么问题： 把 LLM 能力（OpenAI、Azure、HuggingFace、本地模型等）以统一接口集成到你的业务应用里，同时提供 Agent、插件、记忆、规划等高级能力。

核心亮点：
– 模型无关：一套代码切换 OpenAI / Azure / Ollama / LMStudio / ONNX 等
– 多语言 SDK：C#、Python、Java 三端齐发，.NET 生态尤其友好
– 插件系统：用原生代码函数、Prompt 模板、OpenAPI 规范、MCP 协议扩展 Agent 能力
– 向量数据库集成：Azure AI Search、Elasticsearch、Chroma 等
– 企业级：可观测性、安全、稳定 API，支持复杂业务流程建模

上手方式：

# Python
pip install semantic-kernel

# .NET
dotnet add package Microsoft.SemanticKernel

⚠️ 实话： semantic-kernel 同样已演进为 Microsoft Agent Framework (MAF)，MAF 1.0 是生产就绪版本。SK 本身仍在维护，但新功能会优先落在 MAF。README 显示 SK 有 5075 次提交，社区活跃度不错，文档和示例丰富。未实测，仅基于官方信息。

适合谁： 企业开发者、.NET 技术栈团队、需要把 LLM 嵌入现有业务系统的工程师。如果你不想被某个模型厂商绑死，SK 的模型抽象层确实有价值。

今晚的观察

两个项目殊途同归，都指向了 Microsoft Agent Framework。微软的策略很清晰：用 autogen 探索多 Agent 前沿场景，用 semantic-kernel 做企业落地，最后合并成统一框架。

多说一句：多 Agent 框架是不是过度工程？我觉得取决于场景。如果你只是让 AI 写个邮件、总结个文档，一个 Prompt 就够了；但如果是自动化测试、代码审查、复杂决策流程，多 Agent 协作确实能解决单 Agent 上下文爆炸和角色混乱的问题。autogen 的价值在于降低了这个门槛。

而 SDK 对开发者的价值更直接——不用每次换模型都重写适配层。semantic-kernel 的”模型无关”不是营销话术，它确实在架构层面做了抽象。

以上项目均未深度实测，信息来源于 GitHub 官方 README。建议读者结合自身需求评估，生产环境请以官方最新文档为准。

by 数码罗记·godsun.pro