Swarm：学习轻量级多智能体系统的实验性教学项目（OpenAI示例）

综合介绍

Swarm是由OpenAI开发的一个实验性教育框架，旨在探索多代理系统的轻量级、可控和易于测试的接口。该框架主要用于展示代理之间的交接和例程模式，帮助开发者理解和实现多代理系统的协调与执行。Swarm并非独立的库，主要用于教育目的，适合对多代理系统感兴趣的开发者学习和实验。Swarm使用Chat Completions API，支持Python 3.10及以上版本。

功能列表

• 代理创建：定义和创建具有特定指令和功能的代理。
• 代理交接：实现代理之间的任务交接，增强系统的灵活性。
• 功能调用：代理可以调用预定义的功能，执行特定任务。
• 流式评估：支持对代理行为的实时评估和调整。
• 无状态调用：每次调用之间不保存状态，确保系统的轻量级和高效性。

使用帮助

安装流程

1. 确保已安装Python 3.10或更高版本。
2. 使用以下命令安装Swarm：

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

使用指南

1. 创建代理：

   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. 运行代理：

   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. 代理交接： 在上述示例中，agent_a会将任务交接给agent_b，并返回agent_b的响应。
4. 功能调用： 代理可以调用预定义的功能，如上例中的transfer_to_agent_b函数。
5. 流式评估： Swarm支持对代理行为的实时评估和调整，确保系统的灵活性和高效性。

详细操作流程

1. 定义代理：通过定义代理的名称、指令和功能，创建不同的代理。
2. 设置交接规则：通过定义交接函数，实现代理之间的任务交接。
3. 运行代理系统：使用Swarm客户端运行代理系统，处理用户输入并返回响应。
4. 实时评估和调整：根据代理的行为和响应，实时评估和调整系统配置。

通过以上步骤，开发者可以轻松上手使用Swarm框架，探索多代理系统的实现和应用。