OpenAI 发布 Swarm：一个用于构建、编排和部署多智能体系统的实验性人工智能框架

在快速发展的人工智能世界中，开发人员面临的一个紧迫挑战是协调复杂的多代理系统。这些涉及多个AI代理协同工作的系统，在协调、控制和可扩展性方面往往存在显著困难。当前的解决方案通常较为笨重，需要大量资源分配，这使得部署和测试变得复杂。

OpenAI推出 Swarm框架作为简化多代理编排固有复杂性的解决方案，Swarm 是一个专注于使代理协调、执行和测试既轻量级又高度可控的实验性框架。其目标是赋能开发人员以简洁高效的方式管理多个AI代理之间的交互。该框架已经经过数月的努力研发，OpenAI 现在兴奋地公开分享它，希望它能被 AI 社区作为构建高级AI系统的实用工具所接受。

Swarm 的优势在于其两个基本抽象：代理和交接。在 Swarm 中，一个代理是由特定指令和工具组成的，这些指令和工具可以使它能够完成任务。在整个过程中，任何时刻，代理都有能力将对话或任务“交接”给另一个代理，这使得编排过程无缝且模块化。这种抽象不仅使不同代理之间复杂的交互成为可能，还确保了整体协调处于严密的控制之下。通过利用这些元素，Swarm 能够保持协调和执行流程轻量级，使其成为一个高度可测试的框架。此外，Swarm 构建在 ChatCompletions 之上，这为开发者提供了一个强大而灵活的基础，使他们能够创建并部署多代理系统而不产生不必要的开销。

Swarm框架的重要性体现在几个方面。首先，它提供了一种精简的方式来管理代理之间的通信，并且能够动态地在不同代理之间转移职责。这在不同的AI代理专门负责不同类型任务的场景中尤为重要，需要一个有组织和高效的交接机制。Swarm采用轻量级的方法意味着开发人员可以轻松迭代、测试和优化多代理配置，而不会被复杂的基础设施要求所困扰。此外，Swarm高度可控的特点使其成为希望确保AI代理编排可靠性和效率的研究人员和开发者的理想选择。通过保持简单、可控且高效，Swarm代表了使高级AI系统更易于广大开发者社区获取的重要一步。

总之，OpenAI的Swarm框架旨在通过专注于简单性和可控性来克服多智能体系统编排中的重大挑战。通过提供基于智能体交互和任务交接的轻量级基础设施，Swarm使得多智能体编排不仅成为可能，而且对于各种应用场景而言变得实际可行。随着多智能体系统在人工智能研究和应用中继续发挥关键作用，像Swarm这样的工具将降低门槛，提高可访问性，并最终推动更为稳健且多功能的人工智能解决方案的发展。无论是用于研究、产品开发还是教育目的，Swarm都为以高效和流畅的方式探索协调的多智能体AI的可能性提供了令人兴奋的机会。

安装

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

或者

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

使用方法

from swarm import Swarm, Agent

client = Swarm()

def transfer_to_agent_b():
    return agent_b


agent_a = Agent(
    name="代理A",
    instructions="你是一个乐于助人的代理。",
    functions=[transfer_to_agent_b],
)

agent_b = Agent(
    name="代理B",
    instructions="只能用俳句说话。",
)

response = client.run(
    agent=agent_a,
    messages=[{"role": "user", "content": "我想和代理B交谈。"}],
)

print(response.messages[-1]["content"])

希望闪耀光芒，
新的道路优雅汇聚，
我能如何帮助？

查看一下 GitHub此研究的所有功劳归于该项目的研究人员。也不要忘了关注我们官方微博和平台上的动态。请注意，原文末尾的“on”后缺少具体的社交媒体或平台名称，这里补充了“官方微博和平台”，以符合中文表达习惯。如果需要精确翻译，请提供完整信息。推特并加入我们电报频道并且领英 Group. 如果你喜欢我们的工作，你会爱上我们的通讯Newsletter别忘了加入我们50k+ 机器学习子论坛

即将举行的活动 - 2022年10月17日 RetrieveX – 生成式AI数据检索大会（推广）