Microsoft ha lanzado su propia biblioteca de Python de código abierto llamada AutoGen, la cual se enfoca en aplicaciones de modelos de lenguaje (LLM, por sus siglas en inglés). AutoGen es un marco de trabajo que busca simplificar la orquestación, optimización y automatización de los flujos de trabajo de LLM.
Este marco de trabajo permite la creación de “agentes”, que son módulos de programación impulsados por LLMs como GPT-4. Estos agentes interactúan entre sí a través de mensajes en lenguaje natural para llevar a cabo diferentes tareas.
AutoGen proporciona las herramientas necesarias para crear estos agentes y permitirles interactuar automáticamente. Los agentes pueden ser personalizados y mejorados utilizando técnicas de ingeniería de texto y herramientas externas que les permiten obtener información o ejecutar código. Con AutoGen, los desarrolladores pueden crear un ecosistema de agentes especializados en diferentes tareas que cooperan entre sí.
La arquitectura modular de AutoGen permite a los desarrolladores crear componentes reutilizables de propósito general que se pueden ensamblar rápidamente para construir aplicaciones personalizadas. Varios agentes de AutoGen pueden colaborar para llevar a cabo tareas complejas. Por ejemplo, un agente de asistente de codificación puede generar y devolver código, que luego puede ser verificado por un agente de usuario de IA utilizando un módulo de ejecución de código. Juntos, los dos agentes de IA pueden solucionar problemas en el código y producir una versión final ejecutable, con la posibilidad de que el usuario humano interrumpa o proporcione comentarios en cualquier momento. Este enfoque colaborativo puede proporcionar mejoras significativas en la eficiencia, con AutoGen acelerando la codificación hasta cuatro veces, según Microsoft.
AutoGen también soporta escenarios y arquitecturas más complejas, como la disposición jerárquica de agentes de LLM. Por ejemplo, un agente de gestor de chat en grupo podría moderar conversaciones entre múltiples usuarios humanos y agentes de LLM, y pasar mensajes entre ellos según un conjunto de reglas.
Microsoft AutoGen entra en un campo altamente competitivo de marcos de aplicaciones de LLM y se enfrenta a varios contendientes. LangChain es un marco para crear varios tipos de aplicaciones de LLM, desde chatbots hasta resumidores de texto y agentes. LlamaIndex ofrece herramientas para conectar LLMs a fuentes de datos externas como documentos y bases de datos. Bibliotecas como AutoGPT, MetaGPT y BabyAGI se centran específicamente en agentes de LLM y aplicaciones multiagente. ChatDev utiliza agentes de LLM para simular un equipo completo de desarrollo de software. Y la biblioteca Transformers Agents de Hugging Face permite a los desarrolladores crear aplicaciones conversacionales que conectan LLMs con herramientas externas.
A pesar de los desafíos que enfrentan los agentes de LLM, como las alucinaciones y el comportamiento impredecible, parece que tienen un futuro brillante en el campo de las aplicaciones. Grandes empresas de tecnología ya están apostando fuerte a que los copilotos de IA serán una parte importante de las futuras aplicaciones y sistemas operativos. Los marcos de agentes de LLM permitirán a las empresas crear sus propios copilotos personalizados. La entrada de Microsoft en este campo con AutoGen es una muestra de la intensa competencia que existe en torno a los agentes de LLM y su futuro potencial.
