# autogen

Руководство по архитектуре мультиагентных систем на AutoGen: модульные агенты в Python, дисковое кэширование вызовов LLM и тесты на pytest.

- правило · `type=rule` · Cursor · ★ 3580
- Автор: sanjeed5
- Лицензия: CC0-1.0 · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/sanjeed5/awesome-cursor-rules-mdc/tree/HEAD/rules-mdc/autogen.mdc
- Обновлён: 2026-05-19
- HTML: https://affpapa.org/nevibecode/rules/autogen

## Что делает

Правило применяется к файлам по маске `**/*.py` и настраивает Cursor на работу по стандартам библиотеки AutoGen. Вместо создания универсальных агентов в одном файле оно требует разносить сущности по изолированным модулям вроде `agents/planner.py` и `agents/coder.py`. Каждому агенту задаётся узкий системный промпт, ясное описание роли и типизированная сигнатура клиента модели.

Основной упор сделан на экономию и воспроизводимость. Вызовы чатов оборачиваются в менеджер контекста `Cache.disk()` или `Cache.redis()`. Без кэширования повторные запуски тестов и отладочных скриптов обращаются напрямую к API, сжигая бюджет и выдавая разные результаты.

## Установка

### Cursor (родная платформа)

**Вручную: положить файлы**
- Файл: `.cursor/rules/autogen.mdc` — Во frontmatter: description, globs, alwaysApply

### Claude Code

**Вручную: положить файлы**
- Файл: `.claude/rules/autogen.md` — Поле paths во frontmatter ограничивает файлы: globs из источника → paths

### Codex

**AGENTS.md**
- Codex читает AGENTS.md: вставьте текст правила туда

### GitHub Copilot

**Вручную: положить файлы**
- Файл: `.github/instructions/autogen.instructions.md` — Поле applyTo задаёт, к каким файлам применять: globs из источника → applyTo

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/rules/autogen.md`

### Cline

**Вручную: положить файлы**
- Файл: `.clinerules/autogen.md`

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/sanjeed5/awesome-cursor-rules-mdc/tree/HEAD/rules-mdc/autogen.mdc

## Когда брать
- разбить монолитный код агентов на отдельные модули с узкими ролями
- сократить расходы на API через кэширование в `Cache.disk` или Redis
- покрыть многоагентные сценарии детерминированными тестами на `pytest`
- внедрить строгую типизацию в функции оркестрации диалогов

## Примеры запросов агенту
- Спроектируй агента TaskPlanner в отдельном модуле `agents/planner.py` с моделью `gpt-4o-mini`
- Оберни запуск диалога `user_proxy` и `planner` в дисковый кэш `Cache.disk`
- Напиши интеграционный тест для воркфлоу факториала с фикстурами `pytest`

## Похожие
- [autogen-development](https://affpapa.org/nevibecode/skills/autogen-development.md) — скилл · 721 установка
- [langgraph](https://affpapa.org/nevibecode/skills/bobmatnyc-langgraph.md) — скилл · 337 установок
- [agent-orchestration](https://affpapa.org/nevibecode/skills/agent-orchestration.md) — скилл · 1400 установок
- [deepeval](https://affpapa.org/nevibecode/skills/deepeval.md) — скилл · 2800 установок
- [agent-evals](https://affpapa.org/nevibecode/skills/agent-evals.md) — скилл · 340 установок
- [microsoft-agent-framework](https://affpapa.org/nevibecode/skills/microsoft-agent-framework.md) — скилл · 1900 установок

Из того же набора: [sanjeed5/awesome-cursor-rules-mdc](https://affpapa.org/nevibecode/by/sanjeed5/awesome-cursor-rules-mdc.md) — 240 карточек

_Часть страницы не вошла по размеру — она есть в HTML-версии._

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md