微軟推出Magentic-UI：一款專為複雜網頁任務管理設計的AI工具

微軟推出 Magentic-UI：一個用於複雜任務的先進網頁代理

微軟正式推出了 Magentic-UI，這是一個尖端的網頁代理，旨在幫助用戶導航複雜的在線任務。這個創新的工具由微軟研究所開發，是一個開源原型，強調以人為中心的 AI 互動，通過網頁瀏覽器提供實時支持。

Magentic-UI 的主要特點

Magentic-UI 建立在微軟之前的 Magentic-One 多代理系統和 AutoGen 框架的基礎上。它優先考慮透明度、可控性和人機協作，為用戶和研究人員提供了一個強大的平台，以探索 AI 互動和監督機制。

與傳統的自主運行 AI 工具不同，Magentic-UI 將用戶置於任務執行的最前沿。它允許用戶通過計劃編輯器或文本反饋直接修改 AI 執行計劃，確保在任務啟動之前每一步都清晰可見。這種共同計劃機制增強了用戶對 AI 意圖的理解，減少了與“黑箱”AI 操作相關的諸多不確定性。

增強的安全性和靈活性

Magentic-UI 內置了行動保護，要求用戶對敏感操作進行明確批准。用戶可以自定義這些批准的頻率，確保安全性和靈活性。該系統利用 Docker 沙箱技術來隔離其操作環境，防止對主系統造成意外影響。此外，網站白名單機制限制了 AI 的訪問，進一步增強了安全措施。根據微軟的說法，Magentic-UI 已成功通過紅隊評估，顯示出對跨站腳本和釣魚攻擊的抵抗力。

多代理架構以提高任務管理效率

Magentic-UI 的核心是其多代理架構，基於 Magentic-One 系統和 AutoGen 框架。該系統由四個專門的代理組成，每個代理負責不同的任務：

統籌者：主要代理，負責任務計劃、分解和協調，動態調整執行策略。
網頁瀏覽者：專注於網頁導航和操作，能夠搜索信息、填寫表單和與在線元素互動。
編碼者：促進代碼生成和執行，適合需要編程支持的任務，如數據分析或腳本自動化。
文件瀏覽者：管理文件操作，瀏覽本地目錄、分析文件內容，並支持各種文檔類型。

這些代理通過內部和外部反饋循環協作，確保高效完成複雜的工作流程。例如，Magentic-UI 可以自動填寫網頁表單，進行深入的網站導航（如篩選航班信息），或從網頁數據生成分析圖表，顯著提高生產力。

開源和社區參與

Magentic-UI 在 MIT 許可下提供，並可在 GitHub 上訪問（Magentic-UI GitHub 倉庫）。它還集成到 Azure AI Foundry Labs，為開發者、企業和研究人員提供實驗和創新的平台。用戶可以通過文本輸入和圖像附件與 Magentic-UI 互動，允許系統生成自然語言計劃並具備實時編輯能力。

此外，Magentic-UI 還具備計劃學習能力，能夠從歷史任務中學習並優化未來的自動化效率。微軟強調，Magentic-UI 的設計遵循以人為中心的方法，並通過試點用戶反饋不斷改進，以確保直觀和高效的用戶體驗。