Départ 23/11Cohorte 3 en direct Vibe Coding & Agents IA : 3 semaines, 9 sessions liveCohorte 3 (23/11) →
SortieAnalyse · Sur le radarHabr AI→ original

AG2 1.0 remplace le manager LLM par des canaux Network et plafonne les appels d'outils à 8

Dans l'ancien AutoGen, l'ordre des répliques était choisi par un « manager » LLM, qui bouclait ou perdait le contexte assez souvent. AG2 1.0 le remplace par Network : l'agent rédacteur publie un Draft, l'agent critique s'abonne à Draft comme à une file de messages, et l'ordre est défini dans le code. Le paramètre max_tool_iterations=8 empêche l'agent d'appeler des outils à l'infini et de brûler des tokens. Un scénario multi-agents s'assemble ainsi comme un pipeline prévisible.

Traité par IA depuis Habr AI ; édité par Hamidun News
AG2 1.0 remplace le manager LLM par des canaux Network et plafonne les appels d'outils à 8
Source : Habr AI. Collage: Hamidun News.
Écouter l'article
Fiche synthèse et chiffres clés
ParamètreDonnées
Source primaireHabr AI ↗
Rédacteur en chef
Fork d'AutoGenen novembre 2024, Chi Wang a quitté Microsoft avec une partie de l'équipe
Chiffre clé #2Noyau async-first, compatible avec les protocoles MCP, A2A et AG-UI
Chiffre clé #3context.input() met l'agent en pause jusqu'à la réponse d'un humain

Imaginez un service qui rédige des articles : un agent écrit un brouillon, un deuxième le critique, un troisième corrige le texte final. Dans l'ancien AutoGen, l'ordre des répliques entre eux était choisi par un modèle distinct, un « manager » basé sur un LLM. Il lui arrivait souvent de boucler ou de perdre le contexte, et le développeur ne pouvait pas prévoir qui prendrait la parole ensuite.

Dans AG2 version 1.0, ce manager est remplacé par Network : un hub à canaux typés, où c'est le code qui fixe l'ordre. Un autre paramètre, max_tool_iterations (par exemple 8), limite le nombre d'appels d'outils pour que l'agent ne brûle pas de tokens dans une boucle infinie.

Nous revenons ci-dessous sur l'origine d'AG2 et sur ce qu'il vaut la peine d'en retenir pour la production.

D'où vient AG2 et pourquoi il existe deux forks

En 2023, Microsoft Research a publié l'article « AutoGen: Enabling Next-Gen LLM Applications » et mis en ligne la bibliothèque du même nom. L'idée a fait mouche grâce à ConversableAgent : les agents dialoguent entre eux via initiate_chat. Le framework est devenu le standard de fait pour les expérimentations multi-agents, et la version 0.2 se retrouve encore dans des tutoriels et dans les projets legacy d'autres équipes.

Puis Microsoft a décidé, en interne, de tout réécrire from scratch. AutoGen 0.4 a reçu une architecture événementielle, du typage et une couche d'acteurs, mais la compatibilité de l'API a été rompue presque entièrement. À la suite de désaccords sur la direction du projet, Chi Wang est parti en novembre 2024 avec une partie de l'équipe et a créé un fork sous l'organisation ag2ai. Il s'appelle « AG2 (formerly AutoGen) » et se présente comme la suite directe du projet. Microsoft a poursuivi sa propre ligne, puis a replié ses efforts sur Microsoft Agent Framework. Conséquence pratique : avant de copier le code d'un tutoriel, vérifiez à quelle branche il se rapporte.

Ce qui change dans la version 1.0

Avec la sortie de la version 1.0 en 2026, AG2 n'est plus une simple surcouche autour des API de modèles de langage. Le noyau est désormais async-first : la boucle de l'agent, les appels d'outils et les requêtes au modèle ne bloquent pas le thread, et le streaming est activé par défaut. Le noyau reste petit et prévisible, et le reste se branche selon les besoins : sous-agents, mémoire persistante, télémétrie, intégrations MCP et A2A. Pour le frontend, le protocole AG-UI est pris en charge.

L'API repose sur Agent, la méthode ask et l'objet Reply. Reply contient le texte de la réponse, la liste des outils appelés et la consommation de tokens. Une simple fonction Python avec docstring et annotations de types devient un outil dès qu'on la marque du décorateur @tool. La bibliothèque se charge ensuite de la routine : elle analyse les arguments, exécute la fonction, renvoie le résultat au modèle et répète la boucle jusqu'à ce que la tâche soit résolue. Si la fonction lève une exception, le modèle reçoit le texte de l'erreur et, en règle générale, corrige les arguments. L'auteur de la revue conseille tout de même de valider soi-même les données et de renvoyer des messages d'erreur clairs.

Le principal changement concerne l'orchestration. À la place de GroupChat avec son manager LLM, AG2 v1.x introduit Network. Chaque agent déclare quels messages il publie (publishes) et auxquels il est abonné (subscribes). Par exemple, le rédacteur publie un Draft, le critique est abonné à Draft, et l'éditeur est abonné à Review, c'est-à-dire au verdict du critique, accompagné d'un indicateur approved et d'une liste de remarques. Cela ressemble à un broker de messages plutôt qu'à un chat partagé.

Contrôle et sécurité

Pour les actions risquées, le human-in-the-loop est prévu. Si l'agent appelle context.input(), l'exécution se fige jusqu'à ce qu'un humain réponde, confirme l'action ou fournisse les données manquantes. Par exemple, avant l'envoi d'une facture d'un certain montant, on peut demander « Envoyer la facture ? [oui/non] » et annuler l'opération. Des hooks prêts à l'emploi existent pour la CLI, l'interface web et les files de messages.

Si un outil exécute du code, mieux vaut le faire tourner dans un sandbox. AG2 propose pour cela SandboxCodeTool et SandboxShellTool, avec les backends E2B et boxd : l'agent écrit et lance son code dans une microVM isolée. Via un middleware, par analogie avec les frameworks web, on peut greffer sur le pipeline la journalisation de chaque appel d'outil. Les structured outputs sont également de la partie : l'agent renvoie sa réponse selon un schéma Pydantic, par exemple un plan avec les champs steps et estimate_hours.

Démarrer est simple : il faut Python 3.11 ou plus récent, un environnement virtuel et les commandes uv init et uv add ag2. On peut utiliser des modèles locaux (ollama, vLLM), gratuitement et en privé, mais il faudra des GPU. L'autre option est de passer par une passerelle cloud avec un endpoint compatible OpenAI : seuls base_url et le token changent.

Le document reste une revue accompagnée d'exemples de code, et non un benchmark. Il ne contient aucune comparaison de vitesse, de prix ou de qualité avec d'autres frameworks. Si vous avez besoin d'un système multi-agents sans « manager LLM » imprévisible, essayez AG2 sur un scénario à trois agents. Définissez d'emblée des messages typés et une limite max_tool_iterations.

Dossier

Questions clés sur cet article

Que sait-on sur D'où vient AG2 et pourquoi il existe deux forks ?

En 2023, Microsoft Research a publié l'article « AutoGen: Enabling Next-Gen LLM Applications » et mis en ligne la bibliothèque du même nom. L'idée a fait mouche grâce à ConversableAgent : les agents dialoguent entre eux via initiate_chat. Le framework est devenu le standard de fait pour les expérimentations multi-agents, et la version 0.2 se retrouve encore dans des tutoriels et dans les projets legacy d'autres équipes. Puis Microsoft a décidé, en interne, de tout réécrire from scratch.

Que sait-on sur Ce qui change dans la version 1.0 ?

Avec la sortie de la version 1.0 en 2026, AG2 n'est plus une simple surcouche autour des API de modèles de langage. Le noyau est désormais async-first : la boucle de l'agent, les appels d'outils et les requêtes au modèle ne bloquent pas le thread, et le streaming est activé par défaut. Le noyau reste petit et prévisible, et le reste se branche selon les besoins : sous-agents, mémoire persistante, télémétrie, intégrations MCP et A2A. Pour le frontend, le protocole AG-UI est pris en charge.

Que sait-on sur Contrôle et sécurité ?

Pour les actions risquées, le human-in-the-loop est prévu. Si l'agent appelle context.input(), l'exécution se fige jusqu'à ce qu'un humain réponde, confirme l'action ou fournisse les données manquantes. Par exemple, avant l'envoi d'une facture d'un certain montant, on peut demander « Envoyer la facture ? [oui/non] » et annuler l'opération. Des hooks prêts à l'emploi existent pour la CLI, l'interface web et les files de messages. Si un outil exécute du code, mieux vaut le faire tourner dans un sandbox.

ZK
Zhemal Khamidun — CPO d'Alpina Digital, product manager d'AlpinaGPT. Conçoit des produits IA depuis 2019. Hamidun News est un projet personnel devenu un agrégateur en production avec plus de 6 000 lecteurs.
✦ Hands-On AI Engineering · Hamidun Academy

Build & Ship Production AI Agents Without Boilerplate Code

Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.

Start 72h Free Trial →Vibe-Coding Intensive
Qu'en pensez-vous ?
Chargement des commentaires…