Рой: экспериментальный педагогический проект для обучения легких мультиинтеллектуальных систем тел (на примере OpenAI)

Общее введение

Swarm - это экспериментальный образовательный фреймворк, разработанный OpenAI для изучения легких, управляемых и простых в тестировании интерфейсов для мультиагентных систем. Swarm не является самостоятельной библиотекой, а используется в основном в образовательных целях и подходит для изучения и экспериментирования разработчиками, интересующимися мультиагентными системами. Swarm использует Chat Completions API, который поддерживается в Python 3.10 и выше.

Список функций

• Создание агента: Определение и создание агентов с определенными инструкциями и функциями.
• Передача агента: Обеспечивает передачу задач между агентами и повышает гибкость системы.
• вызов функцииАгенты могут вызывать предопределенные функции для выполнения определенных задач.
• потоковая оценка: Поддержка оценки и корректировки поведения агента в реальном времени.
• вызов без статических данных: Состояние не сохраняется между каждым вызовом, что обеспечивает легкость и эффективность системы.

Использование помощи

Процесс установки

1. Убедитесь, что установлена версия Python 3.10 или более поздняя.
2. Используйте следующую команду для установки Swarm:

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

Руководство по использованию

1. Создание прокси-сервера::

   from swarm import Swarm, Agent
def transfer_to_agent_b():
return agent_b
agent_a = Agent(
name="Agent A",
instructions="You are a helpful agent.",
functions=[transfer_to_agent_b],
)
agent_b = Agent(
name="Agent B",
instructions="Only speak in Haikus.",
)

2. Бегущие агенты::

   client = Swarm()
response = client.run(
agent=agent_a,
messages=[{"role": "user", "content": "I want to talk to agent B."}],
)
print(response.messages[-1]["content"])

3. Передача агента: В приведенном выше примере.agent_aПередаст заданиеagent_bи возвращаетagent_bОтвет.
4. вызов функции: Прокси может вызывать предопределенные функции, как в приведенном выше примере.transfer_to_agent_bфункция.
5. потоковая оценка: Swarm поддерживает оценку и корректировку поведения агентов в режиме реального времени, обеспечивая гибкость и эффективность системы.

Подробная процедура работы

1. Определение агентов: Создавайте различные агенты, определяя их имена, команды и функции.
2. Настройка правил передачи данных: Передача задач между агентами достигается путем определения функций передачи.
3. Работающая система агентов: Используйте клиент Swarm для запуска системы агентов, обработки пользовательского ввода и возврата ответа.
4. Оценка и корректировка в режиме реального времениОценка и корректировка конфигурации системы в реальном времени на основе поведения и реакции агентов.

Выполнив эти шаги, разработчики смогут легко начать работу с фреймворком Swarm и изучить возможности реализации и применения мультиагентных систем.