Início 23/11Turma 3 ao vivo de Vibe Coding & Agentes de IA: 3 semanas, 9 aulas ao vivoTurma 3 (23/11) →
LançamentoAnálise · No radarHabr AI→ original

AG2 1.0 substitui o gerente LLM por canais Network e limita as chamadas de ferramentas a 8

No AutoGen antigo, a ordem das falas era escolhida por um "gerente" baseado em LLM, que com frequência entrava em loop e perdia o contexto. No AG2 1.0, ele deu lugar ao Network: o redator publica um Draft, o crítico se inscreve em Draft como se fosse uma fila de mensagens, e a ordem fica definida no código. O parâmetro max_tool_iterations=8 impede que o agente chame ferramentas indefinidamente e queime tokens. Assim, um cenário multiagente se monta como um pipeline previsível.

Processado por IA de Habr AI; editado por Hamidun News
AG2 1.0 substitui o gerente LLM por canais Network e limita as chamadas de ferramentas a 8
Fonte: Habr AI. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalHabr AI ↗
Editor-chefe
Fork do AutoGenem novembro de 2024, Chi Wang saiu da Microsoft com parte da equipe
Dado-chave #2Núcleo async-first, com suporte aos protocolos MCP, A2A e AG-UI
Dado-chave #3context.input() pausa o agente até que a pessoa responda

Imagine que você está criando um serviço que escreve artigos: um agente redige o rascunho, o segundo o critica e o terceiro revisa o texto final. No AutoGen antigo, a ordem das falas entre eles era escolhida por um modelo separado, um "gerente" baseado em LLM. Com frequência, ele entrava em loop ou perdia o contexto, e o desenvolvedor não tinha como prever quem falaria em seguida.

No AG2 versão 1.0, esse gerente foi substituído pelo Network: um hub com canais tipados, em que a ordem é definida pelo código. Outro parâmetro, max_tool_iterations (por exemplo, 8), limita o número de chamadas de ferramentas para que o agente não queime tokens em um loop infinito.

A seguir, explicamos de onde veio o AG2 e o que vale levar para a produção.

De onde veio o AG2 e por que existem dois forks

Em 2023, a Microsoft Research publicou o artigo "AutoGen: Enabling Next-Gen LLM Applications" e lançou a biblioteca de mesmo nome. A ideia pegou graças ao ConversableAgent: os agentes conversam entre si por meio do initiate_chat. O framework virou o padrão de fato para experimentos multiagente, e a versão 0.2 ainda aparece em tutoriais e em projetos legacy de terceiros.

Depois, dentro da Microsoft, decidiu-se reescrever tudo do zero. O AutoGen 0.4 ganhou arquitetura orientada a eventos, tipagem e uma camada de atores, mas a compatibilidade da API foi quebrada quase por completo. Por divergências sobre os rumos do projeto, em novembro de 2024 Chi Wang saiu com parte da equipe e criou um fork na organização ag2ai. Ele se chama "AG2 (formerly AutoGen)" e se posiciona como continuação direta. A Microsoft seguiu com a sua própria linha e depois migrou os esforços para o Microsoft Agent Framework. A conclusão prática: antes de copiar o código de um tutorial, verifique para qual das duas ramificações ele foi escrito.

O que mudou na versão 1.0

Com o lançamento da versão 1.0 em 2026, o AG2 deixou de ser um simples wrapper em torno das APIs de modelos de linguagem. O núcleo passou a ser async-first: o loop do agente, as chamadas de ferramentas e as requisições ao modelo não bloqueiam a thread, e o streaming vem ativado por padrão. O núcleo é pequeno e previsível, e o restante é plugado conforme a necessidade: subagentes, memória persistente, telemetria, integrações com MCP e A2A. Para o frontend, há suporte ao protocolo AG-UI.

A base da API é formada por Agent, pelo método ask e pelo objeto Reply. O Reply traz o texto da resposta, a lista de ferramentas chamadas e o consumo de tokens. Uma função Python comum, com docstring e anotações de tipo, vira ferramenta quando marcada com o decorador @tool. A partir daí, a biblioteca cuida do trabalho de rotina: faz o parsing dos argumentos, executa a função, devolve o resultado ao modelo e repete o ciclo até a tarefa ser resolvida. Se a função lançar uma exceção, o modelo recebe o texto do erro e, em geral, corrige os argumentos. Mesmo assim, o autor da análise recomenda validar os dados por conta própria e devolver mensagens claras.

A principal mudança está na orquestração. No lugar do GroupChat com gerente LLM, o AG2 v1.x trouxe o Network. Cada agente declara quais mensagens publica (publishes) e em quais se inscreve (subscribes). Por exemplo, o redator publica Draft, o crítico se inscreve em Draft, e o editor se inscreve em Review, isto é, no veredito do crítico, com a flag approved e a lista de observações. O modelo lembra um broker de mensagens, e não um chat compartilhado.

Controle e segurança

Para ações de risco, existe o human-in-the-loop. Se o agente chamar context.input(), a execução fica parada até que a pessoa responda, confirme a ação ou forneça os dados que faltam. Por exemplo, antes de enviar uma fatura de determinado valor, dá para perguntar "Enviar a fatura? [sim/não]" e cancelar a operação. Há hooks prontos para CLI, interface web e filas de mensagens.

Se a ferramenta executa código, o ideal é rodá-lo em um sandbox. Para isso, o AG2 oferece SandboxCodeTool e SandboxShellTool, com backends E2B e boxd: o agente escreve e executa o código dentro de uma microVM isolada. Por meio de middleware, a exemplo dos frameworks web, é possível acoplar ao pipeline o registro em log de cada chamada de ferramenta. Também há structured outputs: o agente devolve a resposta conforme um esquema Pydantic, por exemplo, um plano com os campos steps e estimate_hours.

Começar é simples: é preciso ter Python 3.11 ou superior, um ambiente virtual e os comandos uv init e uv add ag2. Dá para usar modelos locais (ollama, vLLM), de graça e com privacidade, mas será necessário ter GPU. A alternativa é se conectar por um gateway em nuvem com endpoint compatível com a OpenAI: mudam apenas o base_url e o token.

O material continua sendo uma análise com exemplos de código, e não um benchmark. Ele não traz comparações de velocidade, preço ou qualidade com outros frameworks. Se você precisa de um sistema multiagente sem um "gerente LLM" imprevisível, teste o AG2 em um cenário com três agentes. Defina desde o início as mensagens tipadas e o limite max_tool_iterations.

História

Perguntas frequentes sobre a notícia

O que se sabe sobre De onde veio o AG2 e por que existem dois forks?

Em 2023, a Microsoft Research publicou o artigo "AutoGen: Enabling Next-Gen LLM Applications" e lançou a biblioteca de mesmo nome. A ideia pegou graças ao ConversableAgent: os agentes conversam entre si por meio do initiate_chat. O framework virou o padrão de fato para experimentos multiagente, e a versão 0.2 ainda aparece em tutoriais e em projetos legacy de terceiros. Depois, dentro da Microsoft, decidiu-se reescrever tudo do zero.

O que mudou na versão 1.0?

Com o lançamento da versão 1.0 em 2026, o AG2 deixou de ser um simples wrapper em torno das APIs de modelos de linguagem. O núcleo passou a ser async-first: o loop do agente, as chamadas de ferramentas e as requisições ao modelo não bloqueiam a thread, e o streaming vem ativado por padrão. O núcleo é pequeno e previsível, e o restante é plugado conforme a necessidade: subagentes, memória persistente, telemetria, integrações com MCP e A2A. Para o frontend, há suporte ao protocolo AG-UI.

O que se sabe sobre Controle e segurança?

Para ações de risco, existe o human-in-the-loop. Se o agente chamar context.input(), a execução fica parada até que a pessoa responda, confirme a ação ou forneça os dados que faltam. Por exemplo, antes de enviar uma fatura de determinado valor, dá para perguntar "Enviar a fatura? [sim/não]" e cancelar a operação. Há hooks prontos para CLI, interface web e filas de mensagens. Se a ferramenta executa código, o ideal é rodá-lo em um sandbox.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ 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
O que você acha?
Carregando comentários…