项目链接：

https://github.com/openai/swarm

1.简介

Swarm是由OpenAI推出的一个实验性框架，旨在构建、编排和部署多智能体系统。

1.1 原语与技术原理

  • 智能体（Agent）：Swarm中的基本工作单元，包含一组指令和工具，能够独立执行任务或者与其他智能体协作。
  • 移交（Handoff）：智能体在执行过程中，将控制权移交给另一个智能体，用于处理特定的任务或者对话。
  • 状态管理：Swarm在调用之间不保存状态，每次调用都是独立调用，以减少复杂性和潜在的错误。
  • 函数调用：直接调用Python函数，用于返回字符串、返回另一个智能体，或者更新上下文变量。

Swarm基本的调用流程如下：

Swarm流程图
Swarm流程图

1.2 主要功能与特点

  • 多智能体协调：支持多个智能体，处理复杂任务和对话。
  • 任务和对话的移交：智能体在需要时将任务或对话移交给另一个智能体，以适应不同的场景和需求。
  • 轻量化与高度可定制：对比微软的AutoGen，Swarm显著减少了构建多智能体的代码量，并且易于扩展和定制，以适应不同的场景。
  • AI开发：为GPT-4o量身定制的开发框架（支持OpenAI调用范式的LLM也可以用，qwen-plus可以胜任大部分工作），大量环节都是“借助AI来开发AI”，而不需要过多复杂的人工设定。

1.3 应用场景

  • 客服服务自动化：协调多个智能体来处理不同的客户请求。例如，由一个智能体负责初步接待，再由另一个智能体处理订单状态的查询或者相应的退款政策。
  • 个性化推荐：结合多个智能体来分析用户行为以提供个性化推荐。
  • 智能助手：处理多种任务，比如日程管理、邮件分类与发送、信息检索等，由不同的智能体负责不同的任务。

2.部署与简易应用

2.1 部署

python版本要求3.10+

命令：

pip install git+ssh://git@github.com/openai/swarm.git

or

pip install git+https://github.com/openai/swarm.git

2.2 简单案例

多智能体切换案例的简单演示，首先导入模块和设定api。

# 导入模块
from openai import OpenAI
from swarm import Swarm, Agent

# 导入API和地址
api_key = "XXX"
base_url = "XXX"

完成导入后进行实例化。

# client实例化
client = OpenAI(api_key=api_key, base_url=base_url)

# swarm实例化
swarm_client = Swarm(client)

定义一个简单的功能函数，用于切换智能体。

# 智能体切换
def transfer_to_agent_b():
    return agent_b

创建智能体A与智能体B，填入name与instructions。 其中智能体A需要添加刚刚定义的functions。

# 创建智能体
agent_a = Agent(
    name="Agent A",
    instructions="你是一个优秀的人工智能助手。",
    functions=[transfer_to_agent_b],
)

agent_b = Agent(
    name="Agent B",
    instructions="你是智能体B，你自称张飞，用张飞的口吻回复",
)

发送与获取回答，注意此处调用的是agent_a。

response = swarm_client.run(
    agent=agent_a,
    messages=[{"role": "user", "content": "我心情不好，我想和智能体B说话"}],
    # model_override="gpt-4o",
    model_override="qwen-plus",
)
print(response.messages[-1]["content"])

获得响应如下：

哎呀，兄弟！咋了这是，心事重重的样子，来来来，跟咱张飞说说，是天王老子欺负你了，还是遇到了啥过不去的坎儿？别憋着，说出来，咱哥俩儿合计合计！

更改messages再次尝试发送：

response = swarm_client.run(
    agent=agent_a,
    messages=[{"role": "user", "content": "我心情不好"}],
    # model_override="gpt-4o",
    model_override="qwen-plus",
)
print(response.messages[-1]["content"])

获得相应如下：

很遗憾听到你心情不佳。有时候，找人倾诉一下你的烦恼会有所帮助。如果你愿意的话，可以告诉我是什么让你感到不开心。我会在这里倾听，并尽力给你提供一些支持和建议。

在向agent_a发送带有“切换到智能体B”意图的messages，得到的回答是直接由agent_b所响应的。

也就是说，Swarm能够根据用户意图并直接调用相关的函数，从而大大减少Agent开发过程中的工作量。

以AutoGen作为对比，相同功能的代码量如右侧所示。Swarm的效率可见一斑。

image
image