微软开源 Web 智能体 Magentic-UI

微软研究院正式宣布开源 Magentic-UI，这是一款以人为中心的 AI 智能体研究原型，旨在通过网页浏览器实时协助用户完成复杂的网络任务。

Magentic-UI 基于微软此前发布的 Magentic-One 多智能体系统和 AutoGen 框架打造，强调透明性、可控性和人机协作，为用户和研究人员提供了一个探索 AI 智能体交互和监督机制的强大平台。

与追求完全自主的 AI 工具不同，Magentic-UI 将用户置于任务执行的核心，强调透明性和可控性，确保用户在自动化过程中始终保持主导权。Magentic-UI 支持用户通过计划编辑器或文本反馈直接修改 AI 的执行计划，在任务开始前即可明确每一步操作。这种协作规划（co-planning）机制让用户能够清晰了解 AI 的行动意图，避免了传统 AI 工具“黑箱”操作的不确定性。

此外，Magentic-UI 引入了行为防护（action guards）功能，敏感操作需经用户明确批准，用户还可自定义审批频率，确保安全性和灵活性。系统采用 Docker 沙箱技术隔离运行环境，有效防止对主机环境的意外影响，并通过网站白名单机制限制 AI 的访问范围，进一步提升安全性。据微软官方披露，Magentic-UI 已通过红队评估，成功抵御了跨站提示注入和钓鱼攻击等多重威胁。

多智能体协同，高效处理复杂任务

Magentic-UI 的核心在于其多智能体架构，基于2024年发布的 Magentic-One 系统，并由 AutoGen 框架驱动。系统由四个专业智能体组成，各自承担特定任务：

• Orchestrator：作为主导智能体，负责任务规划、分解和协调，动态调整执行策略。
• WebSurfer：专注于网页导航和操作，能够搜索信息、填写表单、与在线元素交互。
• Coder：支持代码生成与执行，适合需要编程支持的任务，如数据分析或脚本自动化。
• FileSurfer：处理文件管理，浏览本地目录、分析文件内容，支持多类型文档操作。

这些智能体通过内外双循环机制协同工作：外部循环管理任务整体计划，内部循环跟踪子任务进度，确保高效完成复杂工作流。例如，Magentic-UI 可用于自动化网页表单填写、深度网站导航（如筛选航班信息）或结合网页数据生成分析图表，显著提升生产效率。

用户可以通过文本输入和图像附件与 Magentic-UI 交互，系统生成自然语言计划，并支持实时编辑和干预。此外，Magentic-UI 具备计划学习(plan learning)功能，能从历史任务中学习并保存执行计划，优化未来任务的自动化效率。

微软表示，Magentic-UI 的设计遵循以人为中心的方法论，通过试点用户反馈不断优化，确保用户体验直观高效。这种开源模式不仅推动了人机协作技术的研究，还为开发者提供了模块化、可扩展的框架，助力构建更智能的 AI 应用。