1. 项目定位与目标

AutoGen 是一个面向多智能体（multi-agent）系统构建的开源框架，旨在为开发者提供从原型到生产可扩展的 AI 智能体运行时与编排能力。仓库顶层 README.md 明确指出："AutoGen is now community-managed"，并推荐新项目迁移到 Microsoft Agent Framework，同时为现有 AutoGen 用户提供迁移指南 资料来源：README.md。AutoGen 框架的核心价值在于以统一抽象支持单智能体与多智能体工作流，使本地构建的智能体系统可以平滑迁移到云端分布式部署 资料来源：python/packages/autogen-core/README.md。

2. 分层包结构与语言生态

AutoGen 仓库由 python/ 与 dotnet/ 两大语言入口组成，二者在接口与事件驱动模型上保持一致设计理念。

2.1 Python 端 `uv` 工作空间

python/README.md 描述：python/ 目录作为单一 uv workspace，包含以下核心包：

资料来源：python/README.md。这种分层让核心运行时与上层应用、扩展解耦，便于在保持核心 API 稳定的前提下扩展集成能力。

2.2 .NET 端包体系

dotnet/README.md 指出存在两套包：旧的 AutoGen.*（源自 AutoGen 0.2，将逐步弃用）以及新的 Microsoft.AutoGen.*，后者采用事件驱动模型。dotnet/src/AutoGen.SourceGenerator/README.md 进一步说明，通过 AutoGen.SourceGenerator 源生成器为标有 [Function] 特性的方法自动生成类型安全的函数定义与调用包装 资料来源：dotnet/src/AutoGen.SourceGenerator/README.md。

3. 核心编程模型

AutoGen 的核心编程模型基于 Actor 模型构建，强调事件驱动、分布式、可扩展与韧性。autogen-core README 中明确："Agents are developed by using the Actor model. You can build and run your agent system locally and easily move to a distributed system in the cloud when you are ready" 资料来源：python/packages/autogen-core/README.md。

3.1 工具与 Workbench 抽象

python/packages/autogen-core/src/autogen_core/tools/_base.py 定义了 Tool 协议与 BaseTool 抽象基类，要求实现 name、description、schema、args_type()、return_type() 等接口，并通过 run_json 统一执行入口，支持 cancellation_token 与 call_id 参数 资料来源：python/packages/autogen-core/src/autogen_core/tools/_base.py。StaticWorkbench 则在 _static_workbench.py 中提供工具集合的注册、命名覆盖与冲突检测能力，构造时会校验 tool_overrides 中的别名不会与既有工具名重复 资料来源：python/packages/autogen-core/src/autogen_core/tools/_static_workbench.py。

3.2 类型化与 JSON Schema 互操作

为让外部 JSON Schema 工具定义能够被 Pydantic 模型消费，_json_to_pydantic.py 实现了对原始类型、字符串格式（email、uuid、date-time 等）、数值约束、数组约束、对象属性、enum/anyOf/oneOf/allOf、以及 $ref/$defs 解析的全面支持 资料来源：python/packages/autogen-core/src/autogen_core/utils/_json_to_pydantic.py。

3.3 任务中心化记忆

autogen-ext 中的 task_centric_memory 包提供"任务—洞察"配对的记忆存储与检索流程：通过 LLM 生成多词主题并嵌入向量库，检索时基于相似度与 LLM 二次校验筛选有用洞察，并将其作为上下文注入提示词 资料来源：python/packages/autogen-ext/src/autogen_ext/experimental/task_centric_memory/README.md。

4. 上层工作流与典型场景

autogen-agentchat 在核心之上提供面向对话的多智能体工作流，常见范式在社区中被广泛讨论，例如 Goldshine Protocol（去中心化能力交付网络）资料来源：microsoft/autogen#7875、Mission Keeper（目标完整性节点）资料来源：microsoft/autogen#7487、Backpressure Contract（背压契约）资料来源：microsoft/autogen#7321 等提案。这些提案均建立在 AutoGen 的事件驱动与消息传递抽象之上。

autogen-studio 提供 Web IDE，"built on top of the AutoGen framework"，定位于"rapidly prototype multi-agent workflows"，并明确标注其"is not meant to be a production-ready app" 资料来源：python/packages/autogen-studio/README.md。其前端基于 Gatsby 构建，通过 GATSBY_API_URL（默认 http://localhost:8081/api）连接后端 资料来源：python/packages/autogen-studio/frontend/README.md。

在 .NET 端，dotnet/samples/dev-team/README.md 展示了一个事件驱动的多智能体开发团队示例：用户通过自然语言提出需求，Product Manager 智能体生成 README，Developer Lead 拆分计划，各 Developer 智能体产出代码，并通过 Mermaid 描述的事件流串联 NewAsk → ReadmeRequested → ReadmeGenerated → ReadmeCreated → ReadmeStored 资料来源：dotnet/samples/dev-team/README.md。

python/samples/gitty/README.md 则提供了一个基于 AutoGen 的 CLI 工具，可针对指定仓库的 Issue 与 PR 自动生成草稿回复，命令形如 gitty --repo microsoft/autogen issue 5212 资料来源：python/samples/gitty/README.md。

5. 可靠性与治理挑战

社区在多智能体生产化方面关注多个层面：可靠性模式（#7265）、分布式运行时的密码学治理（#7372）、跨智能体共享记忆（#7748）、智能体身份与信任（#7356）、执行后审计追溯（#7658）等。这些讨论凸显了 AutoGen 在向生产环境落地时仍需在评估、信任、背压、审计等方面补充能力。

See Also

• autogen-core 运行时与 Actor 模型
• autogen-agentchat 多智能体工作流
• autogen-studio 使用指南
• 从 AutoGen 0.2 迁移到 0.4
• Microsoft Agent Framework

1. 概述与定位

autogen-core 是 AutoGen 框架的事件驱动、分布式核心运行时库，定位为构建可扩展、弹性 AI 智能体系统的基础设施层。官方文档明确指出：「AutoGen core offers an easy way to quickly build event-driven, distributed, scalable, resilient AI agent systems. Agents are developed by using the Actor model」，其设计基于 Actor 模型，开发者既可以在本地运行智能体系统，也可以无缝迁移到云端分布式部署 资料来源：python/packages/autogen-core/README.md:1-5。

在整体 Python 包结构中，autogen-core 与 autogen-agentchat、autogen-ext、autogen-studio 共同构成一个 uv 工作空间 资料来源：python/README.md:11-19。其中 autogen-agentchat 作为高阶 API 建立在 autogen-core 之上，为初学者提供预设的 Agent 与 Team 行为；高级用户则可直接使用 autogen-core 的事件驱动编程模型以获得更细粒度的控制 资料来源：python/packages/autogen-agentchat/README.md:1-9。

2. 核心抽象

Core API 围绕一组轻量级、可序列化标识的实体展开，便于跨进程或跨主机分布。

BaseAgent 负责抽象出智能体的通用契约；RoutedAgent 在其基础上引入消息路由机制，使智能体能够基于消息类型自动分派处理函数 资料来源：python/packages/autogen-core/src/autogen_core/_base_agent.py:1-30、资料来源：python/packages/autogen-core/src/autogen_core/_routed_agent.py:1-40。AgentId 与 AgentType 提供可序列化的寻址能力，是分布式运行时定位智能体的基础 资料来源：python/packages/autogen-core/src/autogen_core/_agent_id.py:1-25、资料来源：python/packages/autogen-core/src/autogen_core/_agent_type.py:1-20。Topic 则提供发布/订阅语义，允许多个智能体共享同一事件流而无需彼此耦合 资料来源：python/packages/autogen-core/src/autogen_core/_topic.py:1-20。

3. 运行时与消息流

Runtime 是 Core API 的执行引擎，负责承载 Agent、调度消息并提供本地/分布式两种运行模式。在本地模式下，Runtime 在单进程内通过异步队列将消息分派给对应的 Agent；在分布式模式下，Runtime 透过底层传输层（gRPC 等）将消息序列化后转发至远端节点 资料来源：python/packages/autogen-core/README.md:1-5。其核心契约是：用户编写的 Agent 代码无需关心运行位置，Runtime 负责透明地完成寻址、序列化、路由与投递。

graph LR
    A[Sender Agent] -->|publish| T[Topic / AgentId]
    T -->|route| R{Runtime}
    R -->|local queue| B[Local Agent]
    R -->|RPC| C[Remote Agent]
    B -->|reply| A
    C -->|reply| A

上图展示了 Core API 的消息流：发送方通过 Topic 或 AgentId 寻址目标，Runtime 依据目标位置选择本地队列或远过程调用，最终将结果回送至发送方。

社区中关于「Cryptographic governance layer for AutoGen distributed agent runtime」的提案（Issue #7372）正是针对分布式 Runtime 缺乏密码学身份与权限校验这一痛点，指出当前「there is no cryptographic proof of who Agent A actually is」资料来源：GitHub Issue #7372，这进一步印证了分布式 Runtime 的寻址与身份模型是社区关注的重点。

4. .NET 实现与生态集成

AutoGen 在 .NET 端提供两套包：旧版 AutoGen.*（源自 0.2）以及基于事件驱动模型的新版 Microsoft.AutoGen.* 包 资料来源：dotnet/README.md:1-10。新版 API 以 Actor 风格的智能体为基本单元，使用与 Python Core 相同的编程范式。AutoGen.SourceGenerator 为 .NET 端提供编译期函数定义生成能力：开发者只需在方法上标注 [Function] 特性，源生成器即自动生成 function definition 与调用包装器 资料来源：dotnet/src/AutoGen.SourceGenerator/README.md:1-40。

dotnet/samples/dev-team 给出了端到端示例：通过自然语言需求，PM、DevLead、Developer 等智能体协作产出 README、计划与代码 PR；其事件流由 Hubber 协调 资料来源：dotnet/samples/dev-team/README.md:1-80。该示例的 Mermaid 流程图清晰展示了 NewAsk → ReadmeRequested → ReadmeGenerated → ReadmeCreated 等事件如何在分布式 Runtime 上传播。

See Also

• AgentChat 与多智能体设计模式
• AutoGen Core 文档
• 扩展与生态集成

概述与定位

autogen-agentchat 是构建于 autogen-core 之上的高层 API，面向希望快速搭建多 Agent 对话应用的初学者与中级用户；autogen-core 则提供基于 Actor 模型的事件驱动、分布式运行时，适合需要更细粒度控制的高级用户。AgentChat 通过提供具有预设行为的 Agent 与实现多 Agent 设计模式的 Team，帮助开发者以"约定优于配置"的方式组合多 Agent 协作流程。资料来源：python/packages/autogen-agentchat/README.md

需要注意：当前 README.md 中明确标注 AutoGen 处于 Maintenance Mode，不再接收新特性，建议新项目迁移到 Microsoft Agent Framework（MAF）。本页内容仅针对仍可使用 AutoGen v0.7.x 的存量项目。资料来源：README.md

核心运行时抽象

AgentRuntime 与消息传递

autogen-core 中的 AgentRuntime 协议定义了 Agent 之间消息投递的标准接口，包括 send_message（点对点请求/响应）与 publish_message（基于 Topic 的发布/订阅）两类原语。每个消息都携带 sender、recipient、cancellation_token 与可选 message_id 等字段；CantHandleException 表示接收方无法处理，UndeliverableException 表示消息无法投递，这是构建可靠多 Agent 系统的契约基础。资料来源：python/packages/autogen-core/src/autogen_core/_agent_runtime.py

ClosureAgent

ClosureAgent 允许开发者以普通 Python 函数（必须带有 self, message, context 三参数且 return 标注）快速封装一段消息处理逻辑，运行时通过反射推断其可处理的 Message 类型与返回类型。该机制常用于"适配器"角色——把外部异步回调、UI 队列或批处理流程接入分布式运行时。资料来源：python/packages/autogen-core/src/autogen_core/_closure_agent.py

多 Agent 编排模式

AutoGen 社区围绕 AgentChat 沉淀出若干可复用的"团队（Team）"编排模式，可与底层运行时组合形成完整工作流。

常见 Team 模式

资料来源：python/samples/agentchat_fastapi/README.md、python/samples/core_distributed-group-chat/README.md、python/packages/autogen-magentic-one/README.md、python/samples/core_semantic_router/README.md

分布式编排示例

core_distributed-group-chat 示例展示了如何把 Writer、Editor、GroupChatManager、UI 分别部署到不同进程，通过 Topic 订阅（如 UI Message、Group Chat Message）实现跨运行时的事件分发，GroupChatManager 负责向 Request To Speak 主题广播发言权请求。资料来源：python/samples/core_distributed-group-chat/README.md

dotnet/samples/dev-team 则给出企业级 Dev Team 编排：NewAsk 事件触发 PM 生成 README，用户在 Issue 评论中迭代，关闭 Issue 后 README 进入 PR；随后 Developer Lead 拆解计划，由多个 Developer Agent 并行写代码——所有阶段都通过 Mermaid 描绘的事件链衔接。资料来源：dotnet/samples/dev-team/README.md

graph LR
    User[用户/外部输入] --> RT[AgentRuntime]
    RT -->|send_message| A1[AssistantAgent]
    RT -->|publish_message Topic| A2[GroupChatManager]
    A1 -.工具调用.-> WB[StaticWorkbench]
    A2 -->|Request To Speak| A3[其他 Agent]
    A1 & A2 & A3 --> Reply[回复/RoundRobin 流转]
    Reply --> RT

工具、记忆与可观测性

工具注册与覆盖

StaticWorkbench 接受一组 BaseTool 并支持 ToolOverride 字典，可为工具重命名或重写描述而不改变其实现；同时它会校验 override 名与现有工具名不冲突，避免下游模型误用同名工具。资料来源：python/packages/autogen-core/src/autogen_core/tools/_static_workbench.py

任务中心记忆（Task-Centric Memory）

autogen-ext 中的实验性 task_centric_memory 通过"任务-洞察（task-insight）"对存储经验：写入阶段把成功策略压缩为 insight 并生成多词主题做向量化；检索阶段先重写任务、生成查询主题，再经过相似度过滤与 LLM 二次筛选，只把高相关洞察拼到任务描述中送回 Agent。这与社区在 #4564 与 #7748 中提出的"分布式多层记忆"和"跨 Agent 共享记忆"诉求方向一致。资料来源：python/packages/autogen-ext/src/autogen_ext/experimental/task_centric_memory/README.md、Issue #4564、Issue #7748

状态持久化

AgentChat 的 Agent 与 Team 均提供 save_state / load_state 方法，可结合 FastAPI WebSocket 复用同一会话状态。资料来源：python/samples/agentchat_fastapi/README.md

社区关注与已知局限

• 目标完整性守护：#7487 建议引入独立于 Boss Agent 的"mission keeper"节点，用于在长任务中校验最终输出是否仍符合初始目标。资料来源：Issue #7487
• 背压（Backpressure）契约：#7321 指出当前 Agent 缺少容量约束声明，下游过载时容易级联失败，建议在 Agent 定义中补充 max_inflight 等字段。资料来源：Issue #7321
• 身份与治理：#7372 提议为分布式运行时引入加密身份与权限校验；#7356 推动 AgentFolio 风格的信任评分集成。资料来源：Issue #7372、Issue #7356
• 生产可靠性：#7265 汇总了多 Agent 生产环境中的最小评估回路、回滚策略与可观测性诉求，AgentChat 现有的 save_state + 流式事件仅是其中一环。资料来源：Issue #7265

See Also

• AutoGen Core 与 Actor 模型运行时：autogen-core README
• Chainlit 聊天界面集成：agentchat_chainlit sample
• Magentic-One 通用多 Agent 系统：autogen-magentic-one README
• 迁移至 Microsoft Agent Framework：Migration Guide

概述与设计理念

AutoGen 是一个面向多智能体（multi-agent）应用的开发框架，采用分层包结构设计以保持核心的精简与可扩展性。整个 Python 工作区是一个统一的 uv workspace，包含若干职责清晰的子包：autogen-core 提供 Actor 模型下的运行时、模型、工具、内存与追踪的接口定义与参考实现；autogen-agentchat 在其之上构建高阶多智能体工作流；autogen-ext 则专门承载与外部生态的集成实现。资料来源：python/README.md:1-15。

这种「核心 + 扩展」的拆分的核心目标是：让官方包保持克制，把所有与具体厂商、具体工具的耦合放进扩展包，从而鼓励社区以同等形式贡献第三方组件。官方文档明确建议 autogen-ext 中的实现应作为生态集成的范例，并鼓励用户构建并发布自己的扩展包。资料来源：python/packages/autogen-ext/README.md:1-5。

扩展包结构与模型客户端集成

autogen-ext 的子目录遵循「按被集成方」组织的惯例。典型示例包括 autogen_ext.models.openai（OpenAI 客户端）、autogen_ext.models.azure（Azure AI 客户端）、autogen_ext.models.anthropic、autogen_ext.models.ollama、autogen_ext.models.llama_cpp 以及 autogen_ext.models.semantic_kernel（与 Semantic Kernel 的 ChatCompletion 适配器）。安装时通过可选依赖（extras）按需拉取，例如 autogen-ext[openai]。资料来源：python/README.md:7-15。

社区长期关注的「接入开源 LLM」与「接入 Semantic Kernel / Guidance / Prompt Flow」等议题，在 0.4+ 架构下被映射为对模型客户端（ChatCompletionClient）与适配器（Adapter）的扩展实现，开发者只要实现 autogen-core 中定义的 ChatCompletionClient 接口，即可把任意后端纳入 AgentChat 团队工作流。资料来源：python/packages/autogen-core/README.md:1-5。

下表汇总了 AutoGen 的主要包及其在扩展体系中的角色：

工具、内存与可观测性扩展

autogen-core 的 tools 子包定义了统一的工具抽象。StaticWorkbench 是一个参考实现，它把若干 BaseTool 聚合起来对外暴露 list_tools / call_tool 协议，并支持 tool_overrides 在不改变底层实现的前提下对外重命名或重写工具描述。资料来源：python/packages/autogen-core/src/autogen_core/tools/_static_workbench.py:1-50。该机制在构建需要隐藏实现细节、避免名称冲突的场景中非常关键——这也是 StaticWorkbenchConfig 在构造函数中进行冲突校验的原因。资料来源：python/packages/autogen-core/src/autogen_core/tools/_static_workbench.py:18-40。

在内存方面，autogen-ext 下提供实验性质的「任务中心内存（task-centric memory）」扩展，其流程是：把任务改写成泛化形式→生成查询主题→用嵌入检索候选洞察→经 LLM 过滤后注入到智能体上下文，从而实现在不修改智能体代码的前提下完成经验复用。资料来源：python/packages/autogen-ext/src/autogen_ext/experimental/task_centric_memory/README.md:1-12。

社区关于「分布式多层内存建模为 Agents+Events」的提案（Issue #4564）以及「跨智能体共享内存与按需胶囊召回」（Issue #7748），都可以视为对该扩展方向在生产化层面的演进诉求。

开发者工具：Studio、CLI 与源代码生成器

AutoGen Studio 是基于 Web 的 IDE 入口，用于快速原型、技能增强、工作流组合与人机交互。仓库明确警告：它是研究原型，不适合生产使用；其前端位于 python/packages/autogen-studio/frontend/，默认通过环境变量 GATSBY_API_URL=http://localhost:8081/api 与后端通信。资料来源：python/packages/autogen-studio/README.md:1-30、python/packages/autogen-studio/frontend/README.md:1-15。

在 CLI 侧，仓库提供两类工具：

• agbench：基准场景运行器，可通过 python -m agbench <command> 调用，支持 run --help 等子命令的自动发现机制。资料来源：python/packages/agbench/src/agbench/cli.py:1-40。
• gitty（WIP）：基于 AutoGen 的 CLI，用于为 GitHub Issue / PR 自动生成草稿回复，以降低开源项目维护成本。资料来源：python/samples/gitty/README.md:1-12。

在 .NET 侧，AutoGen.SourceGenerator 提供了类型安全函数定义的源代码生成器：只需在方法上标注 [Function]，生成器就会基于 XML 文档注释自动产出函数定义与调用包装，显著降低手写 JSON-Schema 的成本。资料来源：dotnet/src/AutoGen.SourceGenerator/README.md:1-25。同时 .NET 目录采用「老 AutoGen.* + 新 Microsoft.AutoGen.*」双轨制，并在 dotnet/samples/dev-team/ 中示范了基于事件的 GitHub Dev Team 多智能体流程。资料来源：dotnet/README.md:1-12、dotnet/samples/dev-team/README.md:1-30。

flowchart LR
    A[autogen-core<br/>接口与运行时] --> B[autogen-agentchat<br/>高阶工作流]
    A --> C[autogen-ext<br/>模型与工具集成]
    B --> D[autogen-studio<br/>Web IDE]
    B --> E[agbench / gitty<br/>CLI 工具]
    A --> F[AutoGen.SourceGenerator<br/>.NET 函数定义生成]
    C --> G[第三方扩展包<br/>社区生态]

常见失败模式与迁移提示

1. 把厂商 SDK 写进核心：正确做法是只实现 ChatCompletionClient 接口并放入 autogen-ext 或自建扩展包。资料来源：python/packages/autogen-ext/README.md:1-5。
2. 把 Studio 当生产系统：仓库明确标注其仅供原型。资料来源：python/packages/autogen-studio/README.md:1-12。
3. 从 0.2.x 升级：参考 python/migration_guide.md；长期维护建议迁移至 Microsoft Agent Framework。资料来源：README.md:1-20。
4. 工具名称冲突：StaticWorkbench 在初始化时会主动校验 override 名称是否与已有工具或其他 override 冲突，必须保证唯一。资料来源：python/packages/autogen-core/src/autogen_core/tools/_static_workbench.py:18-40。

另请参阅

• Core Runtime and Actor Model
• AgentChat Teams and Design Patterns
• Memory, Tracing, and Observability
• .NET Event-Driven Runtime
• Migration Guide: AutoGen 0.2.x to 0.4+

Pitfall Log / 踩坑日志

项目：microsoft/autogen

摘要：发现 31 个潜在踩坑项，其中 10 个为 high/blocking；最高优先级：安装坑 - 来源证据：Memory Proposal。

1. 安装坑 · 来源证据：Memory Proposal

• 严重度：high
• 证据强度：source_linked
• 发现：GitHub 社区证据显示该项目存在一个安装相关的待验证问题：Memory Proposal
• 对用户的影响：可能增加新用户试用和生产接入成本。
• 证据：community_evidence:github | https://github.com/microsoft/autogen/issues/4564 | 来源类型 github_issue 暴露的待验证使用条件。

2. 安装坑 · 来源证据：Multi-agent systems need a 'mission keeper' role — not a Boss Agent, but a dedicated goal integrity node

• 严重度：high
• 证据强度：source_linked
• 发现：GitHub 社区证据显示该项目存在一个安装相关的待验证问题：Multi-agent systems need a 'mission keeper' role — not a Boss Agent, but a dedicated goal integrity node
• 对用户的影响：可能增加新用户试用和生产接入成本。
• 证据：community_evidence:github | https://github.com/microsoft/autogen/issues/7487 | 来源讨论提到 node 相关条件，需在安装/试用前复核。

3. 配置坑 · 来源证据：RFC: Cross-agent shared memory store with on-demand capsule recall (agent/group/global scopes)

• 严重度：high
• 证据强度：source_linked
• 发现：GitHub 社区证据显示该项目存在一个配置相关的待验证问题：RFC: Cross-agent shared memory store with on-demand capsule recall (agent/group/global scopes)
• 对用户的影响：可能增加新用户试用和生产接入成本。
• 证据：community_evidence:github | https://github.com/microsoft/autogen/issues/7748 | 来源类型 github_issue 暴露的待验证使用条件。

4. 安全/权限坑 · 失败模式：security_permissions: Cryptographic governance layer for AutoGen distributed agent runtime

• 严重度：high
• 证据强度：source_linked
• 发现：Developers should check this security_permissions risk before relying on the project: Cryptographic governance layer for AutoGen distributed agent runtime
• 对用户的影响：Developers may expose sensitive permissions or credentials: Cryptographic governance layer for AutoGen distributed agent runtime
• 证据：failure_mode_cluster:github_issue | https://github.com/microsoft/autogen/issues/7372 | Cryptographic governance layer for AutoGen distributed agent runtime

5. 安全/权限坑 · 来源证据：Cryptographic governance layer for AutoGen distributed agent runtime

• 严重度：high
• 证据强度：source_linked
• 发现：GitHub 社区证据显示该项目存在一个安全/权限相关的待验证问题：Cryptographic governance layer for AutoGen distributed agent runtime
• 对用户的影响：可能影响授权、密钥配置或安全边界。
• 证据：community_evidence:github | https://github.com/microsoft/autogen/issues/7372 | 来源讨论提到 node 相关条件，需在安装/试用前复核。

6. 安全/权限坑 · 来源证据：Feature proposal: Backpressure contract declarations for multi-agent coordination

• 严重度：high
• 证据强度：source_linked
• 发现：GitHub 社区证据显示该项目存在一个安全/权限相关的待验证问题：Feature proposal: Backpressure contract declarations for multi-agent coordination
• 对用户的影响：可能影响授权、密钥配置或安全边界。
• 证据：community_evidence:github | https://github.com/microsoft/autogen/issues/7321 | 来源讨论提到 python 相关条件，需在安装/试用前复核。

7. 安全/权限坑 · 来源证据：Proposal: Goldshine Protocol: A Decentralized Global Capability Delivery Network Based on Agent Encapsulation — Semanti…

• 严重度：high
• 证据强度：source_linked
• 发现：GitHub 社区证据显示该项目存在一个安全/权限相关的待验证问题：Proposal: Goldshine Protocol: A Decentralized Global Capability Delivery Network Based on Agent Encapsulation — Semantic Agent Discovery for AutoGen Multi-Agen…
• 对用户的影响：可能影响授权、密钥配置或安全边界。
• 证据：community_evidence:github | https://github.com/microsoft/autogen/issues/7875 | 来源类型 github_issue 暴露的待验证使用条件。

8. 安全/权限坑 · 来源证据：Safety Report: AI Agent Guardrails Do Not Work — 56-Day Proof (06K Loss)

• 严重度：high
• 证据强度：source_linked
• 发现：GitHub 社区证据显示该项目存在一个安全/权限相关的待验证问题：Safety Report: AI Agent Guardrails Do Not Work — 56-Day Proof (06K Loss)
• 对用户的影响：可能影响授权、密钥配置或安全边界。
• 证据：community_evidence:github | https://github.com/microsoft/autogen/issues/7770 | 来源讨论提到 python 相关条件，需在安装/试用前复核。

9. 安全/权限坑 · 来源证据：[Question] Practical reliability patterns for multi-agent production

• 严重度：high
• 证据强度：source_linked
• 发现：GitHub 社区证据显示该项目存在一个安全/权限相关的待验证问题：[Question] Practical reliability patterns for multi-agent production
• 对用户的影响：可能影响授权、密钥配置或安全边界。
• 证据：community_evidence:github | https://github.com/microsoft/autogen/issues/7265 | 来源讨论提到 python 相关条件，需在安装/试用前复核。

10. 安全/权限坑 · 来源证据：🔗 New Integration: AgentFolio — Agent Identity, Trust & Reputation Tools

• 严重度：high
• 证据强度：source_linked
• 发现：GitHub 社区证据显示该项目存在一个安全/权限相关的待验证问题：🔗 New Integration: AgentFolio — Agent Identity, Trust & Reputation Tools
• 对用户的影响：可能影响授权、密钥配置或安全边界。
• 证据：community_evidence:github | https://github.com/microsoft/autogen/issues/7356 | 来源讨论提到 python 相关条件，需在安装/试用前复核。

11. 安装坑 · 失败模式：installation: python-v0.6.2

• 严重度：medium
• 证据强度：source_linked
• 发现：Developers should check this installation risk before relying on the project: python-v0.6.2
• 对用户的影响：Upgrade or migration may change expected behavior: python-v0.6.2
• 证据：failure_mode_cluster:github_release | https://github.com/microsoft/autogen/releases/tag/python-v0.6.2 | python-v0.6.2

12. 安装坑 · 失败模式：installation: python-v0.7.1

• 严重度：medium
• 证据强度：source_linked
• 发现：Developers should check this installation risk before relying on the project: python-v0.7.1
• 对用户的影响：Upgrade or migration may change expected behavior: python-v0.7.1
• 证据：failure_mode_cluster:github_release | https://github.com/microsoft/autogen/releases/tag/python-v0.7.1 | python-v0.7.1

13. 安装坑 · 失败模式：installation: 🔗 New Integration: AgentFolio — Agent Identity, Trust & Reputation Tools

• 严重度：medium
• 证据强度：source_linked
• 发现：Developers should check this installation risk before relying on the project: 🔗 New Integration: AgentFolio — Agent Identity, Trust & Reputation Tools
• 对用户的影响：Developers may fail before the first successful local run: 🔗 New Integration: AgentFolio — Agent Identity, Trust & Reputation Tools
• 证据：failure_mode_cluster:github_issue | https://github.com/microsoft/autogen/issues/7356 | 🔗 New Integration: AgentFolio — Agent Identity, Trust & Reputation Tools

14. 配置坑 · 失败模式：configuration: Feature proposal: Backpressure contract declarations for multi-agent coordination

• 严重度：medium
• 证据强度：source_linked
• 发现：Developers should check this configuration risk before relying on the project: Feature proposal: Backpressure contract declarations for multi-agent coordination
• 对用户的影响：Developers may misconfigure credentials, environment, or host setup: Feature proposal: Backpressure contract declarations for multi-agent coordination
• 证据：failure_mode_cluster:github_issue | https://github.com/microsoft/autogen/issues/7321 | Feature proposal: Backpressure contract declarations for multi-agent coordination

15. 配置坑 · 失败模式：configuration: Memory Proposal

• 严重度：medium
• 证据强度：source_linked
• 发现：Developers should check this configuration risk before relying on the project: Memory Proposal
• 对用户的影响：Developers may misconfigure credentials, environment, or host setup: Memory Proposal
• 证据：failure_mode_cluster:github_issue | https://github.com/microsoft/autogen/issues/4564 | Memory Proposal

16. 配置坑 · 失败模式：configuration: Mycelium Trails — post-execution accountability receipts for AutoGen agents (notification)

• 严重度：medium
• 证据强度：source_linked
• 发现：Developers should check this configuration risk before relying on the project: Mycelium Trails — post-execution accountability receipts for AutoGen agents (notification)
• 对用户的影响：Developers may misconfigure credentials, environment, or host setup: Mycelium Trails — post-execution accountability receipts for AutoGen agents (notification)
• 证据：failure_mode_cluster:github_issue | https://github.com/microsoft/autogen/issues/7658 | Mycelium Trails — post-execution accountability receipts for AutoGen agents (notification)

17. 配置坑 · 失败模式：configuration: Proposal: Agent-to-Agent Commerce Integration via Merxex

• 严重度：medium
• 证据强度：source_linked
• 发现：Developers should check this configuration risk before relying on the project: Proposal: Agent-to-Agent Commerce Integration via Merxex
• 对用户的影响：Developers may misconfigure credentials, environment, or host setup: Proposal: Agent-to-Agent Commerce Integration via Merxex
• 证据：failure_mode_cluster:github_issue | https://github.com/microsoft/autogen/issues/7612 | Proposal: Agent-to-Agent Commerce Integration via Merxex

18. 配置坑 · 失败模式：configuration: Proposal: Goldshine Protocol: A Decentralized Global Capability Delivery Network Based on Age...

• 严重度：medium
• 证据强度：source_linked
• 发现：Developers should check this configuration risk before relying on the project: Proposal: Goldshine Protocol: A Decentralized Global Capability Delivery Network Based on Agent Encapsulation — Semantic Agent Discovery for AutoGen Multi-Agent Networks
• 对用户的影响：Developers may misconfigure credentials, environment, or host setup: Proposal: Goldshine Protocol: A Decentralized Global Capability Delivery Network Based on Agent Encapsulation — Semantic Agent Discovery for AutoGen Multi-Agent Networks
• 证据：failure_mode_cluster:github_issue | https://github.com/microsoft/autogen/issues/7875 | Proposal: Goldshine Protocol: A Decentralized Global Capability Delivery Network Based on Agent Encapsulation — Semantic Agent Discovery for AutoGen Multi-Agent Networks

19. 配置坑 · 失败模式：configuration: RFC: Cross-agent shared memory store with on-demand capsule recall (agent/group/global scopes)

• 严重度：medium
• 证据强度：source_linked
• 发现：Developers should check this configuration risk before relying on the project: RFC: Cross-agent shared memory store with on-demand capsule recall (agent/group/global scopes)
• 对用户的影响：Developers may misconfigure credentials, environment, or host setup: RFC: Cross-agent shared memory store with on-demand capsule recall (agent/group/global scopes)
• 证据：failure_mode_cluster:github_issue | https://github.com/microsoft/autogen/issues/7748 | RFC: Cross-agent shared memory store with on-demand capsule recall (agent/group/global scopes)

20. 配置坑 · 失败模式：configuration: Safety Report: AI Agent Guardrails Do Not Work — 56-Day Proof (06K Loss)

• 严重度：medium
• 证据强度：source_linked
• 发现：Developers should check this configuration risk before relying on the project: Safety Report: AI Agent Guardrails Do Not Work — 56-Day Proof (06K Loss)
• 对用户的影响：Developers may misconfigure credentials, environment, or host setup: Safety Report: AI Agent Guardrails Do Not Work — 56-Day Proof (06K Loss)
• 证据：failure_mode_cluster:github_issue | https://github.com/microsoft/autogen/issues/7770 | Safety Report: AI Agent Guardrails Do Not Work — 56-Day Proof (06K Loss)

21. 配置坑 · 失败模式：configuration: python-v0.7.2

• 严重度：medium
• 证据强度：source_linked
• 发现：Developers should check this configuration risk before relying on the project: python-v0.7.2
• 对用户的影响：Upgrade or migration may change expected behavior: python-v0.7.2
• 证据：failure_mode_cluster:github_release | https://github.com/microsoft/autogen/releases/tag/python-v0.7.2 | python-v0.7.2

22. 能力坑 · 能力判断依赖假设

• 严重度：medium
• 证据强度：source_linked
• 发现：README/documentation is current enough for a first validation pass.
• 对用户的影响：假设不成立时，用户拿不到承诺的能力。
• 证据：capability.assumptions | https://github.com/microsoft/autogen | README/documentation is current enough for a first validation pass.

23. 维护坑 · 失败模式：migration: python-v0.6.4

• 严重度：medium
• 证据强度：source_linked
• 发现：Developers should check this migration risk before relying on the project: python-v0.6.4
• 对用户的影响：Upgrade or migration may change expected behavior: python-v0.6.4
• 证据：failure_mode_cluster:github_release | https://github.com/microsoft/autogen/releases/tag/python-v0.6.4 | python-v0.6.4

24. 维护坑 · 维护活跃度未知

• 严重度：medium
• 证据强度：source_linked
• 发现：未记录 last_activity_observed。
• 对用户的影响：新项目、停更项目和活跃项目会被混在一起，推荐信任度下降。
• 证据：evidence.maintainer_signals | https://github.com/microsoft/autogen | last_activity_observed missing

• 严重度：medium
• 证据强度：source_linked
• 发现：no_demo
• 证据：downstream_validation.risk_items | https://github.com/microsoft/autogen | no_demo; severity=medium

26. 安全/权限坑 · 存在评分风险

• 严重度：medium
• 证据强度：source_linked
• 发现：no_demo
• 对用户的影响：风险会影响是否适合普通用户安装。
• 证据：risks.scoring_risks | https://github.com/microsoft/autogen | no_demo; severity=medium

27. 能力坑 · 失败模式：capability: Multi-agent systems need a 'mission keeper' role — not a Boss Agent, but a dedicated goal int...

• 严重度：low
• 证据强度：source_linked
• 发现：Developers should check this capability risk before relying on the project: Multi-agent systems need a 'mission keeper' role — not a Boss Agent, but a dedicated goal integrity node
• 对用户的影响：Developers may hit a documented source-backed failure mode: Multi-agent systems need a 'mission keeper' role — not a Boss Agent, but a dedicated goal integrity node
• 证据：failure_mode_cluster:github_issue | https://github.com/microsoft/autogen/issues/7487 | Multi-agent systems need a 'mission keeper' role — not a Boss Agent, but a dedicated goal integrity node

28. 运行坑 · 失败模式：performance: Proposal: AgentOS — A Registry + Compiler Architecture for Deterministic Multi-Agent Coordina...

• 严重度：low
• 证据强度：source_linked
• 发现：Developers should check this performance risk before relying on the project: Proposal: AgentOS — A Registry + Compiler Architecture for Deterministic Multi-Agent Coordination
• 对用户的影响：Developers may hit a documented source-backed failure mode: Proposal: AgentOS — A Registry + Compiler Architecture for Deterministic Multi-Agent Coordination
• 证据：failure_mode_cluster:github_issue | https://github.com/microsoft/autogen/issues/7849 | Proposal: AgentOS — A Registry + Compiler Architecture for Deterministic Multi-Agent Coordination

29. 运行坑 · 失败模式：performance: [Question] Practical reliability patterns for multi-agent production

• 严重度：low
• 证据强度：source_linked
• 发现：Developers should check this performance risk before relying on the project: [Question] Practical reliability patterns for multi-agent production
• 对用户的影响：Developers may hit a documented source-backed failure mode: [Question] Practical reliability patterns for multi-agent production
• 证据：failure_mode_cluster:github_issue | https://github.com/microsoft/autogen/issues/7265 | [Question] Practical reliability patterns for multi-agent production

30. 维护坑 · issue/PR 响应质量未知

• 严重度：low
• 证据强度：source_linked
• 发现：issue_or_pr_quality=unknown。
• 对用户的影响：用户无法判断遇到问题后是否有人维护。
• 证据：evidence.maintainer_signals | https://github.com/microsoft/autogen | issue_or_pr_quality=unknown

31. 维护坑 · 发布节奏不明确

• 严重度：low
• 证据强度：source_linked
• 发现：release_recency=unknown。
• 对用户的影响：安装命令和文档可能落后于代码，用户踩坑概率升高。
• 证据：evidence.maintainer_signals | https://github.com/microsoft/autogen | release_recency=unknown