AG2
AG2AI (originally AutoGen from Microsoft Research) · Coding
AG2 ist ein Open-Source-Framework in Python für KI-Agenten. Es verbindet Agenten mit entfernten und lokalen MCP-Servern, bündelt deren Werkzeuge in wiederverwendbaren Toolkits und macht Ihre eigenen Agenten sogar selbst zu MCP-Servern.
Über AG2
What Is AG2
AG2 entstand als AutoGen, das Multi-Agenten-Framework, das Microsoft Research 2023 veröffentlichte. Später ging das Projekt an seine eigene Community über, nahm den Namen AG2 an und behielt dasselbe Ziel: Systeme zu bauen, in denen mehrere KI-Agenten miteinander sprechen, Werkzeuge aufrufen und die Arbeit aufteilen, bis eine Aufgabe erledigt ist. Der Name auf dieser Seite meint ihre MCP-Engine, also den Teil des Frameworks, der das Model Context Protocol spricht.
MCP ist der offene Standard, den Anthropic Ende 2024 vorgestellt hat, um Sprachmodelle mit externen Werkzeugen und Daten zu verbinden. Er löst ein konkretes Problem: Vorher brauchte jedes Werkzeug einen eigenen Adapter für jedes Modell. AG2 behandelt MCP als Grundbestandteil, nicht als Anhang. Ein Agent liest die Werkzeuge eines entfernten MCP-Servers über HTTP, startet einen lokalen Server als Unterprozess über die Standardein- und -ausgabe, oder reicht die Server-URL an einen Anbieter weiter, der MCP nativ unterstützt.
Die größte Einschränkung ist der Umfang. AG2 ist eine Python-Bibliothek für Entwickler, kein Produkt für einen Klick. Sie installieren sie mit pip, schreiben Code und kümmern sich selbst um Schlüssel und Server. Wer eine Oberfläche ohne Programmierung sucht, wird woanders fündig, und Windows-Nutzer mit älterem Python können auf Probleme stoßen, weil das Paket Version 3.10 oder neuer verlangt.
Getting Started
- Installieren Sie das Framework und die MCP-Erweiterung mit
pip install ag2[openai,mcp]. Ersetzen Sieopenaidurchanthropic,gemini,ollamaoder einen anderen Anbieter. - Setzen Sie den Anbieterschlüssel, zum Beispiel
export OPENAI_API_KEY="...". Die Schlüssel werden aus der Umgebung gelesen, sodass nichts fest im Projekt steht. - Richten Sie einen Agenten auf einen MCP-Server. Übergeben Sie die URL an
MCPToolkitfür einen entfernten Server, oder einMCPStdioServerConfigfür einen lokalen, der als Unterprozess läuft. - Filtern Sie die Werkzeuge mit
allowed_tools,blocked_toolsund einemserver_label, damit der Agent nur sieht, was er braucht. - Wenn Sie möchten, drehen Sie die Richtung um und stellen Ihren fertigen Agenten selbst als MCP-Server bereit, mit
ag2 serve my_agent.py --protocol mcp.
Produktinformationen
Ein kurzer Überblick über Preise, unterstützte Plattformen und die Leistung von AG2.
Am besten für
Die Nutzer, Aufgaben und Szenarien, für die dieses Tool am besten passt.
Nutzer
- Python-Entwickler, die Agentensysteme bauen
- Teams, die bereits MCP-Server betreiben
- Forschende, die die Zusammenarbeit von Agenten untersuchen
Aufgaben
- Einen Agenten mit Werkzeugen Dritter verbinden
- Einen Agenten als Werkzeug veröffentlichen
- Vorhandene Schnittstellen in MCP-Werkzeuge verwandeln
Szenarien
- Ein Ablauf, der mehrere Datenquellen braucht
- Zugangsdaten in der eigenen Infrastruktur behalten
- Einen Rechercheassistenten prototypen
Wichtigste Funktionen
MCP-Toolkit für Verbindungen auf Clientseite
Die Klasse MCPToolkit entdeckt die Werkzeuge des Servers bei Bedarf und übergibt jedes einzelne dem Agenten als normale Funktion. Sie nimmt sowohl eine entfernte URL über MCPServerConfig als auch einen lokalen Unterprozess über MCPStdioServerConfig, und dem restlichen Agenten ist Ihre Wahl egal. Weil die Ausführung auf Ihrer Seite bleibt, funktioniert sie mit allen Anbietern und hält die Zugangsdaten in Ihrer Infrastruktur.
MCP-Weiterleitung auf Anbieterseite
Wenn lieber der Modellanbieter die Verbindung hält, schickt MCPServerTool die Server-URL und die Zugangsdaten weiter, und der Anbieter führt die Werkzeuge auf seiner Seite aus. Dieser Weg klappt nur mit Anbietern, die MCP-Weiterleitung unterstützen, etwa Anthropic, und er bedeutet, dass Ihre Zugangsdaten Ihr Netz verlassen. Wählen Sie ihn, wenn Sie den Lebenszyklus der Verbindung nicht selbst steuern möchten.
Dynamische Sitzungsverwaltung über mehrere Server
MCPClientSessionManager öffnet Sitzungen bei Bedarf, statt eine Verbindung über den ganzen Ablauf offen zu halten. Innerhalb einer Funktion kann der Agent je nach Anfrage einen anderen Server ansprechen, lokale Server über Standardein- und -ausgabe mit entfernten über HTTP mischen und jede Sitzung selbst schließen lassen. Das passt zu Rechercheassistenten und Routing-Systemen, die mitten in der Aufgabe die Quelle wechseln.
Ihren Agenten als MCP-Server bereitstellen
Der Befehl ag2 serve stellt einen fertigen Agenten über eines von drei Protokollen bereit. Mit --protocol mcp wird Ihr Agent zu einem MCP-Server, der die Werkzeuge chat und list_agents anbietet, sodass jeder MCP-fähige Client ihn nutzen kann. Derselbe Befehl bedient eine REST-API oder einen A2A-Endpunkt, was zählt, wenn mehr als eine Art von Aufrufer den Agenten erreichen soll.
Jede Schnittstelle in MCP-Werkzeuge verwandeln
ag2 proxy macht aus dem, was Sie schon haben, Werkzeuge für den Agenten. Richten Sie es auf einen CLI-Befehl, liest es die Hilfe-Ausgabe und erzeugt typisierte Wrapper; richten Sie es auf eine OpenAPI-Spezifikation für ein Werkzeug pro Endpunkt; richten Sie es auf ein Python-Modul für typisierte Funktions-Wrapper. Mit --serve-mcp entfällt die Dateierzeugung, und die verpackten Werkzeuge starten als laufender MCP-Server.
Aufgebaut auf der AutoGen-Linie
AG2 behält das Multi-Agenten-Modell, das AutoGen bekannt gemacht hat: sprechende Agenten, Gruppenchats, Swarms und verschachtelte Abläufe. Darüber hinaus kommen ein asynchroner Kern, persistenter Kontext und Unterstützung für das MCP- und das A2A-Protokoll. Sie bekommen die in der Forschung erprobten Orchestrierungsmuster plus die Interoperabilitätsschichten, um Agenten mit der Außenwelt zu verbinden.
Vor- und Nachteile
Vorteile
- Open Source unter Apache 2.0, ohne Lizenzkosten und ohne Anbieter, an den man beim Kernframework gebunden ist.
- Anbieterunabhängig: Das Toolkit auf Clientseite führt Aufrufe lokal aus und funktioniert gleich mit OpenAI, Anthropic, Google oder offenen Modellen.
- Deckt beide Richtungen von MCP ab, das Verbinden mit Servern und das Anbieten von Agenten als Server, aus einer Codebasis.
- Die Sitzungsverwaltung bei Bedarf hält lange Abläufe schlank, weil Verbindungen erst öffnen, wenn ein Werkzeug sie braucht.
- Dokumentiert mit Notebooks und einem Schnellstart, mit dem AutoGen-Paper als Grundlage für alle, die die Theorie wollen.
Nachteile
- Es ist eine Python-Bibliothek, keine gehostete Anwendung, also können Teams ohne Entwickler sie nicht direkt nutzen und müssen eigene Oberflächen bauen.
- Verlangt Python 3.10 oder neuer, was ältere Umgebungen ausschließt und bei alten Windows-Installationen Probleme machen kann.
- Der MCP-Weg auf Anbieterseite klappt nur mit Anbietern, die die Weiterleitung unterstützen, also lässt er sich nicht mit jedem Modell nutzen.
- Mehrere Server und Schlüssel zusammenzubringen, bleibt Ihre Aufgabe, und ein eingebautes Dashboard zur Beobachtung von Agenten im Betrieb gibt es nicht.
Häufige Fragen
AG2 ist ein Python-Framework zum Bauen von KI-Agenten, die zusammenarbeiten und externe Werkzeuge nutzen. Seine MCP-Engine lässt diese Agenten sich mit MCP-Servern verbinden, Werkzeuge in wiederverwendbare Toolkits bündeln und fertige Agenten als MCP-Server bereitstellen, damit andere Clients sie aufrufen können.
Ähnliche Inhalte
Entdecke passende Tools, Skills und Artikel zu AG2.
Alternativen zu AG2
Base Code
Base44 (Wix) · Coding · ProduktivitätBase Code ist eine geteilte Cloud-Entwicklungsumgebung von Base44. Das Team beschreibt Änderungen an einem bestehenden GitHub-Repository im Chat, prüft sie in der Vorschau und reicht sie als Pull Request ein.
Google EmbeddingGemma 2
Google DeepMind · Schreiben · Bilder · CodingGoogle EmbeddingGemma 2 ist ein offenes Modell mit 740 Millionen Parametern, das Text, Code, Bilder, Audio und Videobilder in Vektoren eines gemeinsamen 768-dimensionalen Raums umwandelt und auf Handys und Notebooks läuft.
GitGlow
GitGlow · Coding · ProduktivitätGitGlow ist ein Git-Client für den Desktop, der Ihren Code und die Änderungen Ihrer KI-Agenten in einer Review bündelt, damit Sie vor dem Ausliefern sehen, was die Maschine verlässt.