AutoGen for .NET 安装指南:NuGet 包选型、安装命令与 Nightly 构建源配置
本文基于 AutoGen 仓库的 .NET 端安装文档,系统讲解 AutoGen for .NET(AutoGen.Net)各 NuGet 包的职责划分与选型策略、标准安装命令,以及如何配置 Azure DevOps 的 Nightly 构建源。读完后,你可以按需选择“全家桶”包、纯核心包或单一模型集成包完成安装,并掌握获取每日构建版本的 NuGet 源配置方法。
包体系总览:12 个 NuGet 包各管什么
AutoGen.Net 将功能拆分为一组可独立安装的 NuGet 包,你可以按需选择一个或多个组合安装。仓库 dotnet/nuget/nuget-package.props 中定义了所有包共用的元信息(MIT 许可、A programming framework for agentic AI 描述、SourceLink 符号包等),每个包的工程文件通过 Import 复用该配置。
完整包列表如下(与文档 dotnet/website/articles/Installation.md 保持一致):
| 包名 | 职责 |
|---|---|
AutoGen |
一站式(all-in-one)包,聚合核心能力与多个模型集成 |
AutoGen.Core |
核心包,提供消息类型、Agent 与群组对话(group chat)等抽象 |
AutoGen.OpenAI |
面向 OpenAI 模型的集成 Agent |
AutoGen.Mistral |
面向 Mistral.AI 模型的集成 Agent |
AutoGen.Ollama |
面向 Ollama 的集成 Agent |
AutoGen.Anthropic |
面向 Anthropic 的集成 Agent |
AutoGen.LMStudio |
面向 LM Studio 的集成 Agent |
AutoGen.SemanticKernel |
基于 Semantic Kernel 的集成 Agent |
AutoGen.Gemini |
面向 Google Gemini 的集成 Agent |
AutoGen.AzureAIInference |
面向 Azure AI Inference 的集成 Agent |
AutoGen.SourceGenerator |
提供源生成器(source generator),支持类型安全的函数定义生成 |
AutoGen.DotnetInteractive |
集成 dotnet interactive,用于执行代码片段;当前支持 C#、F#、PowerShell 与 Python |
选型建议
原文档给出了明确的“帮我选”指引,这里完整保留并补充源码佐证:
- 只装一个包就享受核心能力 → 选
AutoGen。 - 只要 AutoGen 抽象,不想引入
Azure.AI.OpenAI、Semantic Kernel等第三方依赖 → 选AutoGen.Core。你需要自己实现 Agent,但仍可使用群组对话、内置消息类型、workflow 与 middleware 等核心功能。 - 要用特定模型后端 → 按需选
AutoGen.OpenAI、AutoGen.LMStudio、AutoGen.SemanticKernel等对应集成包。 - 只要类型安全的函数调用源生成,连 AutoGen 抽象都不要 → 选
AutoGen.SourceGenerator。
从源码结构看 AutoGen 全家桶的真实依赖
从 dotnet/src/AutoGen/AutoGen.csproj 的工程引用看,当前源码中 AutoGen 包通过 ProjectReference 聚合了 AutoGen.Core、AutoGen.OpenAI、AutoGen.Anthropic、AutoGen.AzureAIInference、AutoGen.Mistral、AutoGen.Ollama、AutoGen.Gemini、AutoGen.SemanticKernel 等集成项目,并以 OutputItemType="Analyzer" 方式引入 AutoGen.SourceGenerator(源生成器仅作为分析器参与编译,不产生程序集引用),同时还直接引用了 Azure.AI.OpenAI NuGet 包。也就是说,安装 AutoGen 一个包即可覆盖文档中列举的主流集成场景,这与它“all-in-one”的定位一致。
各包的依赖层次可以从工程文件中得到印证:
- dotnet/src/AutoGen.Core/AutoGen.Core.csproj:核心包仅依赖
JsonSchema.Net.Generation、System.Memory.Data、Microsoft.Extensions.AI.Abstractions三个轻量包(netstandard2.0 目标下额外引入Microsoft.Bcl.AsyncInterfaces),验证了“选 Core 可避免重量级 AI SDK 依赖”的说法。 - dotnet/src/AutoGen.OpenAI/AutoGen.OpenAI.csproj:依赖 OpenAI 官方 SDK 与
AutoGen.Core,其包描述明确提示——若你的项目仍停留在 Azure.AI.OpenAI v1,应改用AutoGen.OpenAI.V1包。
目标框架与版本线
从 dotnet/Directory.Build.props 可确认:
<PackageTargetFrameworks>netstandard2.0;net8.0</PackageTargetFrameworks>
所有 AutoGen 包同时面向 netstandard2.0 与 net8.0 发布,因此 .NET 6/7/8 项目以及较老的标准库环境均可引用。版本方面,dotnet/eng/MetaInfo.props 显示以 AutoGen 开头的项目(即 0.2.x 版本线)当前 VersionPrefix 为 0.2.3,而 Microsoft.AutoGen 等新一代运行时项目使用 0.4.0 前缀——两条产品线并行,安装时请以 NuGet 上实际可用版本为准。
此外,仓库采用中央包管理(dotnet/Directory.Packages.props 中 ManagePackageVersionsCentrally=true、NuGetAuditMode=direct),并设置了 TreatWarningsAsErrors=true,这些是仓库自身构建约定,不影响你的消费方项目。
标准安装命令
确定包之后,使用 NuGet 标准命令安装:
dotnet add package AUTOGEN_PACKAGES
将 AUTOGEN_PACKAGES 替换为上表中一个或多个包名(可多次执行)。例如同时安装核心与 OpenAI 集成:
dotnet add package AutoGen.Core
dotnet add package AutoGen.OpenAI
SDK 环境前提
AutoGen.Net 仓库自身要求 .NET SDK 9.0.100 并允许 rollForward: latestFeature(见 dotnet/global.json)。对于纯消费方项目,包目标框架为 netstandard2.0/net8.0,使用 .NET 8 或更高 SDK 即可正常构建与运行。若本机尚无 SDK,仓库提供了 dotnet/dotnet-install.sh 脚本可用于安装 dotnet SDK(仓库根 NuGet.config 仅配置了 nuget.org 源,供仓库内构建使用)。
安装完成后可直接参考 dotnet/samples/ 下的示例工程(如 AutoGen.Basic.Sample)验证包引用方式与典型 Agent 写法。
消费 Nightly 构建(每日构建)
AutoGen 提供 Azure DevOps 上的 Nightly 源:AutoGen-Nightly,地址为 https://pkgs.dev.azure.com/AGPublish/AGPublic/_packaging/AutoGen-Nightly/nuget/v3/index.json。添加源有两种方式:
方式一:项目级 NuGet.config
在项目根目录创建 NuGet.config 文件,加入以下内容(原文档给出的模板):
<?xml version="1.0" encoding="utf-8"?>
<configuration>
<packageSources>
<clear />
<add key="AutoGen" value="$(FEED_URL)" /> <!-- replace $(FEED_URL) with the feed url -->
<!-- other feeds -->
</packageSources>
<disabledPackageSources />
</configuration>
注意 <clear /> 会清空继承的源列表,因此需要在使用 Nightly 源的同时,把 nuget.org 等其他必需的源也补充在 <!-- other feeds --> 位置,否则常规依赖将无法解析。仓库内 dotnet/NuGet.config 就是一个最小化的项目级 NuGet 源配置示例(nuget.org + <clear /> 结构)。
方式二:全局 NuGet 源
在终端执行以下命令将 Nightly 源加入全局配置:
dotnet nuget add source FEED_URL --name AutoGen
# dotnet-tools contains Microsoft.DotNet.Interactive.VisualStudio package, which is used by AutoGen.DotnetInteractive
dotnet nuget add source https://pkgs.dev.azure.com/dnceng/public/_packaging/dotnet-tools/nuget/v3/index.json --name dotnet-tools
其中第二条命令添加的 dotnet-tools 源包含 Microsoft.DotNet.Interactive.VisualStudio 包,是 AutoGen.DotnetInteractive 的运行时依赖——如果你不打算使用 dotnet interactive 代码执行能力,可以只加第一条 Nightly 源。
安装指定版本
源添加完成后,用带版本号的命令安装每日构建包:
dotnet add package AUTOGEN_PACKAGES VERSION
将 VERSION 替换为 Nightly 源中实际的构建版本号。由于每日构建可能引入未稳定 API,建议 Nightly 版本仅用于尝鲜与缺陷验证,生产环境优先使用 NuGet 上的稳定版本。
小结
- 选型口诀:全功能选
AutoGen,纯抽象选AutoGen.Core,特定模型后端选对应集成包,只要函数调用源生成选AutoGen.SourceGenerator; - 所有包双目标
netstandard2.0+net8.0,消费方使用 .NET 8+ SDK 即可; - Nightly 消费需要显式添加 Azure DevOps 源(项目级
NuGet.config或dotnet nuget add source),使用AutoGen.DotnetInteractive时还需额外添加dotnet-tools源。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0622
Hy4-previewHy4 preview 是由腾讯混元团队研发的新一代混合专家(MoE)旗舰模型。模型总参数量 770B,每个 token 激活 49B,主干共包含78层,第一层采用标准 FFN,其余 77 层均为 MoE 结构,每层包含 256 个路由专家与 1 个共享专家,每个 token 激活 top-8 路由专家及共享专家。主干之外原生内置 1 层 MTP(总参数量 10B,激活 0.7B)以支持投机解码。Python00
GLM-5.3GLM-5.3 与 GLM-5.2 使用相同的基座模型——所有提升均来自后训练。与 GLM-5.2 相比,它在复杂编程和长程任务上的表现显著提升。Jinja00
GLM-5.3-FlashGLM-5.3-Flash (320B-A18B),是GLM-5系列的首个原生多模态模型。320B总参数,能力超过GLM-5.2Jinja00
Spark-X2.5-4BSpark-X2.5-4B 旨在让强大的 AI 更实用、更高效、更易获得。在广泛日常任务中表现强劲,涵盖对话、写作、翻译、推理、编码、工具调用以及智能体工作流,并在同等规模的开源模型中取得领先成绩。Spark-X2.5 将面向效率的架构与最高 1M tokens 的原生上下文窗口相结合,并支持 200 多种语言。Python00
Spark-X2.5-1.7BSpark-X2.5-1.7B 旨在让强大的 AI 更加实用、高效且易于获取。这些模型在广泛的日常任务中表现出色,涵盖对话、写作、翻译、推理、编程、工具调用和智能体工作流,并在同等规模的开源模型中取得领先结果。Spark-X2.5 将面向效率的架构与最高 1M tokens 的原生上下文窗口相结合,并支持 200 多种语言。Python00