AG2
AG2AI (originally AutoGen from Microsoft Research) · Programmation
AG2 est un framework d'agents IA en Python et open source. Il relie les agents à des serveurs MCP distants et locaux, regroupe ces outils dans des toolkits réutilisables et transforme même vos agents en serveurs MCP.
À propos de AG2
What Is AG2
AG2 est né sous le nom d'AutoGen, le framework multi-agents publié par Microsoft Research en 2023. Le projet est ensuite passé à sa propre communauté, a pris le nom d'AG2 et a gardé le même objectif : bâtir des systèmes où plusieurs agents IA discutent, appellent des outils et se répartissent le travail jusqu'à la fin d'une tâche. Le nom de cette page renvoie à son moteur MCP, la partie du framework qui parle le Model Context Protocol.
MCP est le standard ouvert qu'Anthropic a présenté fin 2024 pour relier les modèles de langage à des outils et des données externes. Il règle un problème précis : avant lui, chaque outil avait besoin d'un adaptateur sur mesure pour chaque modèle. AG2 traite MCP comme un élément de base. Un agent peut lire les outils d'un serveur MCP distant via HTTP, lancer un serveur local en sous-processus via l'entrée et la sortie standard, ou transmettre l'URL du serveur à un fournisseur qui prend MCP en charge nativement.
La principale limite reste la portée. AG2 est une bibliothèque Python destinée aux développeurs, pas un produit prêt à l'emploi. On l'installe avec pip, on écrit du code et chaque équipe gère ses propres clés et serveurs. Ceux qui cherchent une interface sans code devront se tourner ailleurs, et les utilisateurs de Windows avec un Python ancien peuvent rencontrer des soucis, car le paquet exige la version 3.10 ou plus récente.
Getting Started
- Installez le framework et l'extension MCP avec
pip install ag2[openai,mcp]. Remplacezopenaiparanthropic,gemini,ollamaou un autre fournisseur. - Définissez la clé du fournisseur, par exemple
export OPENAI_API_KEY="...". Les clés sont lues dans l'environnement, donc rien n'est inscrit en dur dans le projet. - Dirigez un agent vers un serveur MCP. Passez l'URL à
MCPToolkitpour un serveur distant, ou unMCPStdioServerConfigpour un serveur local qui tourne en sous-processus. - Filtrez les outils avec
allowed_tools,blocked_toolset unserver_label, afin que l'agent ne voie que le nécessaire. - Si vous le souhaitez, inversez le sens et exposez votre agent finalisé comme serveur MCP avec
ag2 serve my_agent.py --protocol mcp.
Informations sur le produit
Aperçu des tarifs, des plateformes compatibles et des performances de AG2.
Idéal pour
Les utilisateurs, tâches et cas d'usage où cet outil convient le mieux.
Utilisateurs
- Développeurs Python qui construisent des systèmes d'agents
- Équipes qui exploitent déjà des serveurs MCP
- Chercheurs qui étudient la collaboration entre agents
Tâches
- Relier un agent à des outils tiers
- Publier un agent comme outil
- Transformer des interfaces existantes en outils MCP
Cas d'usage
- Un flux qui a besoin de plusieurs sources de données
- Garder les identifiants dans votre propre infrastructure
- Prototyper un assistant de recherche
Fonctionnalités clés
Toolkit MCP pour les connexions côté client
La classe MCPToolkit découvre les outils du serveur à la demande et remet chacun à l'agent comme une fonction ordinaire. Elle accepte aussi bien une URL distante avec MCPServerConfig qu'un sous-processus local avec MCPStdioServerConfig, et le reste de l'agent se moque de votre choix. Comme l'exécution reste de votre côté, elle fonctionne avec tous les fournisseurs et garde les identifiants dans votre infrastructure.
Passerelle MCP côté fournisseur
Si vous préférez confier la connexion au fournisseur du modèle, MCPServerTool lui transmet l'URL du serveur et les identifiants, et le fournisseur exécute les outils de son côté. Cette voie ne marche qu'avec les fournisseurs qui prennent MCP en charge, comme Anthropic, et elle implique que vos identifiants quittent votre réseau. Choisissez-la si vous ne voulez pas gérer le cycle de vie de la connexion.
Gestion dynamique de sessions multi-serveurs
MCPClientSessionManager ouvre des sessions à la demande au lieu de maintenir une connexion pendant tout le flux. Dans une fonction, l'agent peut s'adresser à un serveur différent selon la requête, mêler des serveurs locaux en entrée et sortie standard à d'autres distants en HTTP, et laisser chaque session se fermer seule. Cela convient aux assistants de recherche et aux systèmes de routage qui changent de source en cours de tâche.
Exposer votre agent comme serveur MCP
La commande ag2 serve expose un agent finalisé via l'un de trois protocoles. Avec --protocol mcp, votre agent devient un serveur MCP qui propose les outils chat et list_agents, donc tout client compatible MCP peut l'utiliser. La même commande sert une API REST ou un point de terminaison A2A, ce qui compte si plusieurs types d'appelants doivent joindre l'agent.
Transformer n'importe quelle interface en outils MCP
ag2 proxy transforme ce que vous avez déjà en outils pour l'agent. Pointez-le vers une commande CLI et il lit la sortie d'aide pour générer des enveloppes typées ; pointez-le vers une spécification OpenAPI pour obtenir un outil par point de terminaison ; pointez-le vers un module Python pour des enveloppes de fonctions typées. Ajouter --serve-mcp saute la génération de fichiers et démarre les outils emballés en serveur MCP actif.
Bâti sur la lignée AutoGen
AG2 conserve le modèle multi-agents qui a fait la popularité d'AutoGen : agents qui conversent, discussions de groupe, swarms et flux imbriqués. Il ajoute par-dessus un cœur asynchrone, un contexte persistant et la prise en charge des protocoles MCP et le protocole A2A. Vous gardez les schémas d'orchestration éprouvés par la recherche, plus les couches d'interopérabilité pour relier les agents au monde extérieur.
Avantages et inconvénients
Avantages
- Open source sous Apache 2.0, sans coût de licence ni fournisseur auquel rester lié pour le framework central.
- Indépendant du fournisseur : le toolkit côté client exécute les appels en local et marche pareil avec OpenAI, Anthropic, Google ou des modèles ouverts.
- Couvre les deux sens de MCP, la connexion à des serveurs et l'exposition d'agents comme serveurs, depuis un même code.
- La gestion des sessions à la demande garde les longs flux légers, puisque les connexions ne s'ouvrent que lorsqu'un outil en a besoin.
- Documenté avec des notebooks et un guide de démarrage rapide, avec le papier AutoGen comme référence pour qui veut la théorie.
Inconvénients
- C'est une bibliothèque Python, pas une application hébergée, donc les équipes sans développeurs ne peuvent pas l'utiliser directement et doivent bâtir leurs propres interfaces.
- Exige Python 3.10 ou plus récent, ce qui exclut les environnements anciens et peut poser souci sur des installations Windows héritées.
- La voie MCP côté fournisseur ne fonctionne qu'avec les fournisseurs qui prennent la passerelle en charge, donc vous ne pouvez pas l'employer avec n'importe quel modèle.
- Relier plusieurs serveurs et clés vous incombe, et il n'y a pas de tableau de bord intégré pour surveiller les agents en production.
Questions fréquentes
AG2 est un framework Python pour créer des agents IA qui travaillent ensemble et utilisent des outils externes. Son moteur MCP permet à ces agents de se connecter à des serveurs MCP, de regrouper des outils dans des toolkits réutilisables et d'exposer les agents finalisés comme serveurs MCP pour d'autres clients.
Contenus associés
Découvrez des outils, des compétences et des articles liés à AG2.
Alternatives à AG2
Udon
Udon · Programmation · ProductivitéUdon transforme un Mac Apple Silicon en serveur personnel piloté depuis le navigateur, avec conteneurs, partages de fichiers et un administrateur système IA en option.
offstage
offstage cloud · Programmation · Productivitéoffstage confie aux agents IA et aux jobs de CI un vrai Mac : un compte macOS 27 sur Apple silicon, piloté par API et facturé à la seconde.
BotBus
Chengdu Tuyang Tusen Technology Co., Ltd. · Programmation · ProductivitéBotBus permet de contrôler des agents IA depuis son téléphone ou sa montre, même quand ils tournent sur l’ordinateur resté au bureau : vous validez les commandes, lancez des tâches et lisez les résultats.