之前我完成了关于AutoGen的两篇博客，还没有读过这两篇博客的朋友可以先阅读以下，这样有助于对AutoGen的初步了解：
AutoGen实战应用(一)：代码生成、执行和调试_autogen 支持的model-CSDN博客
AutoGen实战应用(二)：多代理协作(Multi-Agent Collaboration)-CSDN博客
今天我们还是来学习AutoGen的多代理的应用开发，在上一篇博客中我们介绍了AutoGen的多代理协作的工作方式和原理，在这种工作方式中我们可以创建多个agent，并通过它们之间的共同协作来完成一个复杂的任务，为了让多个agent能够相互协作，我们需要让各个agent可以相关沟通交流，为此我们需要采用manager-broadcast多代理沟通机制,对manager-broadcast多代理沟通机制还不了解的朋友可以参考我，下面是manager-broadcast多代理沟通机制的示意图：
在manager-broadcast机制中我们会创建一个聊天组(GroupChat),然后我们将所有的agent都放入这个组中，同时我们还需要创建一个manager,它将作为组的管理员负责收/发组成员(agents)的消息。当某个agent需要和别的agent交流时，只需要向manager发送消息即可，而manager则会将该消息广播给所有其他组成员，这样就实现了agent之间的相互交流沟通，今天我们在manager-broadcast机制的基础上再介绍一个多代理生成可视化图表的例子，不过在介绍今天的内容之前我们需要完成AutoGen的环境配置。
首先请新建一个python 3.8 以上版本的虚拟环境，并在命令行中执行以下安装命令:
接下来我们需要导入autogen包,并配置openai的api_key:
在这个列子中我们将完成下面这个任务：
“从这个地址:https://raw.githubusercontent.com/uwdata/draco/master/data/cars.csv 下载数据并绘制可视化图，告诉我weight和horsepower之间的关系。将绘图保存到文件中。在可视化数据集之前打印数据集中的所有字段。”
从这个任务描述中我们看到要完成这个任务，我们首先需要根据url下载一个csv数据文件，然后打印出数据文件中的所有字段，最后根据数据中的weight和horsepower字段来绘制散点图，并将其保存为一个文件。接下来我们针对该任务来构建如下这些代理：
- User-Proxy: 用户代理，负责代表人类用户发布任务，执行Coder生成的代码,并反馈代码执行结果。
- Coder: 编码员, 负责根据任务描述来生成完成任务所需要的代码。
- Viz Critic: 评审员，负责评审Coder的代码，从多个维度对Coder生成代码进行评分，并提出代码修改意见(如果需要)
在这个例子中我们增加了一个代码评审员，它的作用是用来审查代码质量，这样可以进一步提高完成任务的效率,下面我们来创建所有的agent和groupchat，和manager:
这里需要说明的是，这里我们创建了3个agent,1个groupchat组，1个groupchat组的管理员manager, 为了让所有的agent可以相互之间沟通交流，我们把3个agent都放置到了groupchat组中，这样只要某个agent向manager发送消息，groupchat组中的其他agent都能收到消息，这样就实现了agent之间的相互沟通和协作，这里我们还需要说明一下agent中的critic这个角色的作用，我们将其system_message翻译成中文，这样便于大家更好的理解：
从上面的critic的system_message中我们看到critic充当了一个代码质量评审员的角色，它负责从bugs、transformation、compliance等6个维度来对coder生成的代码进行评审，并给出分数和代码修改建议。
接下来我们开始执行人类的任务，首先我们让User-Proxy发布任务：
这里需要说明的是user_proxy是给manager发送一个任务的message,这样Coder和critic都能收到这个消息，coder会根据任务的要求生成代码，critic则会评审coder生成的代码，而user_proxy则会执行代码,并反馈代码执行结果，下面我们来看看实际的执行过程：
下面我们来分析一下该任务的执行过程：
- user_proxy发布任务以后，
- Coder生成代码(打印所有字段)，
- user_proxy执行代码并反馈结果，
- Coder生成代码(生成统计图表，并保存文件)，
- user_proxy执行代码并反馈结果，
- Critic评审代码，给出分数
- user_proxy再次执行代码并反馈结果。
- Coder 确认执行结果，并给出任务完成标记“TERMINATE”
这里你也许会发现每次Coder生成代码以后, user_proxy抢在Critic评审代码之前先执行了代码，这似乎有点不合理，正确的流程应该是当Coder生成代码以后，Critic先评审代码，如果评审结果OK，那么user_proxy再执行代码，如果评审结果不OK，那么Coder应该修改代码，直至评审结果全部OK以后，user_proxy再来执行代码。我想对于这个问题我们可以修改user_proxy的system_message,让user_proxy必须在Critic评审完代码并确认评审结果OK的情况下再执行代码。读者可以尝试着修改一下user_proxy的system_message看看能否实现这样的逻辑。下面我们看看user_proxy执行代码后生成的图片内容: