Swarm: ein experimentelles pädagogisches Projekt zum Erlernen leichter multi-intelligenter Körpersysteme (OpenAI-Beispiel)

Allgemeine Einführung

Swarm ist ein experimentelles Framework, das von OpenAI entwickelt wurde, um leichtgewichtige, kontrollierte und einfach zu testende Schnittstellen für Multiagentensysteme zu erforschen. Das Framework dient in erster Linie zur Demonstration von Handoffs und Routinemustern zwischen Agenten, um Entwicklern zu helfen, die Koordination und Ausführung von Multiagentensystemen zu verstehen und zu implementieren.Swarm ist keine eigenständige Bibliothek, sondern dient in erster Linie zu Ausbildungszwecken und ist für Entwickler geeignet, die an Multiagentensystemen interessiert sind, um damit zu lernen und zu experimentieren.Swarm verwendet die Chat Completions API, die in Python 3.10 und höher unterstützt wird.

Funktionsliste

• Erstellung von AgentenDefinition und Erstellung von Agenten mit spezifischen Anweisungen und Funktionen.
• Übergabe des AgentenErmöglicht die Übergabe von Aufgaben zwischen Agenten und erhöht die Flexibilität des Systems.
• FunktionsaufrufAgenten können vordefinierte Funktionen aufrufen, um bestimmte Aufgaben auszuführen.
• Streaming-PrüfungUnterstützung der Bewertung und Anpassung des Agentenverhaltens in Echtzeit.
• zustandsloser AufrufZwischen den einzelnen Aufrufen wird kein Zustand gespeichert, was ein leichtgewichtiges und effizientes System gewährleistet.

Hilfe verwenden

Ablauf der Installation

1. Stellen Sie sicher, dass Python 3.10 oder höher installiert ist.
2. Verwenden Sie den folgenden Befehl, um Swarm zu installieren:

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

Richtlinien für die Verwendung

1. Erstellen eines Proxys::

   from swarm import Schwarm, Agent
def transfer_zu_agent_b():
return agent_b
agent_a = Agent(
name="Agent A", instructions="Sie sind ein hilfreicher Agent.
instructions="Sie sind ein hilfreicher Agent.
functions=[transfer_to_agent_b], )
)
agent_b = Agent(
name="Agent B",
instructions="Nur sprechen in Haikus".
)

2. Laufende Agenten::

   client = Schwarm()
response = client.run(
agent=agent_a,
messages=[{"role": "user", "content": "Ich möchte mit Agent B sprechen."}],
)
print(antwort.nachrichten[-1]["inhalt"])

3. Übergabe des AgentenIm obigen Beispiel.agent_aÜbergibt die Aufgabe anagent_bund gibt zurückagent_bDie Antwort.
4. FunktionsaufrufProxy: Der Proxy kann vordefinierte Funktionen aufrufen, wie im obigen Beispieltransfer_zu_agent_bFunktion.
5. Streaming-PrüfungSwarm unterstützt die Bewertung und Anpassung des Agentenverhaltens in Echtzeit und gewährleistet so die Flexibilität und Effizienz des Systems.

Detaillierte Vorgehensweise

1. Agenten definierenErstellen Sie verschiedene Agenten, indem Sie deren Namen, Befehle und Funktionen festlegen.
2. Einrichtung von ÜbergaberegelnÜbergabe von Aufgaben zwischen Agenten: Die Übergabe wird durch die Definition von Übergabefunktionen erreicht.
3. Laufendes AgentensystemSwarm-Client: Verwenden Sie den Swarm-Client, um das Agentensystem auszuführen, Benutzereingaben zu verarbeiten und eine Antwort zu geben.
4. Bewertung und Anpassung in EchtzeitBewertung und Anpassung der Systemkonfigurationen in Echtzeit auf der Grundlage des Verhaltens und der Reaktionen der Agenten.

Mit diesen Schritten können Entwickler leicht mit dem Swarm-Framework beginnen und die Implementierung und Anwendung von Multiagentensystemen erkunden.