OpenAI 蜂群：探索轻量级多智能体编排

Swarm 是 OpenAI 的一个实验性教育框架，专注于轻量级和易用性的多代理系统的编排和管理。旨在探索高效且灵活的多代理系统协调和管理方式，Swarm 为开发人员提供了一个强大的工具，可以测试和构建代理解决方案，而无需面对传统设置相关的陡峭的学习曲线问题。

在我们开始之前，如果您想寻找经济高效的GPU解决方案，GPU Mart 提供高性能的GPU托管和专用服务器租赁，非常适合AI、游戏和视频渲染等。限时特惠，我的读者可以使用优惠码“20_AFGPU_910”享受八折优惠（即20%折扣），以及1到3天的免费试用，无需风险体验他们的服务。

要探索适合运行像Swarm这样的框架的GPU方案，我建议您看看这些选项。

• 英伟达A4000托管
• 英伟达RTX 4060托管
• 英伟达A6000托管

Swarm 是一个框架，允许以简单且高效的方式进行多个代理的调度，它并非为了生产使用而设计，而是作为一个教育资源来探索和展示多代理协调和交接的模式。它由Chat API提供支持，因此在调用之间是无状态的，并且不会自动管理内存或状态。

为什么要用 Swarm？

轻量级的架构使其非常适合，在大量独立的功能需要高效协作的场景下特别适用。当这些功能和指令过于复杂，无法在一个单一的LLM提示中编码时，它就特别有用。

蜂群围绕两个核心概念：智能体和交接点。

1. 代理：在群中，代理是封装了用于执行特定任务的指令和工具的组件。它们可以执行功能，并且如果需要，可以将任务交给其他代理来处理不同的工作流程。

2. 任务交接：在Swarm中，任务交接是一个重要的模式。代理可以根据特定条件或指令将控制权传递给另一个代理，从而实现在多个代理间的动态协调。

例子：设置代理程序

为了让你了解Swarm是如何工作的，这里有一个简单示例来展示如何设置代理（agents）并使用交接功能。

from swarm import Swarm, Agent

client = Swarm()

def transferToAgentB():
    return agent_b

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

# 定义代理B
agent_b = Agent(
    name="代理B",
    instructions="只能用俳句来回答。",
)

# 运行Swarm
response = client.run(
    agent=agent_a,
    messages=[{"role": "user", "content": "我想和代理B聊天。"}],
)
print(response.messages[-1]["content"]

全屏显示，退出全屏

这一设置定义了两个代理：Agent A 和 Agent B。当用户请求与 Agent B 交谈时，使用 transfer_to_agent_b 函数进行转接，展示了 Swarm 中代理编排的灵活性。

Swarm 需要 Python 3.10 或更高版本的 Python。您可以直接通过 pip 进行安装。

# 使用pip安装来自openai仓库的swarm项目
pip install git+https://github.com/openai/swarm.git

进入全屏 退出全屏

安装完成后，你可以开始设置代理程序，使用客户端API来协调这些代理程序之间的对话。下面是一个简单的实例化命令，用于实例化一个客户端群集：

    from swarm import Swarm
    client = Swarm()
    client.run()

这段代码从名为swarm的模块导入Swarm类，创建一个client对象，并运行它。

点击此处全屏模式；点击此处退出全屏

客户端的[**client.run**](http://client.run)**()**函数负责执行代理程序，如下：

• 结束对话

  zh: * 交接管理

  根据需要更新上下文变量

  回复

Swarm 最有效的是当你需要管理多个不同能力且不能轻易整合为一个整体的代理。例如：

• 客服机器人：不同的机器人可以处理特定问题，例如账单问题或技术支持，可以无缝切换。

• 个人助手：助理可以擅长不同的任务，如安排行程、购物协助和天气更新，根据用户的需求执行任务。

• 工作流自动化，就是说专门处理工作流中特定步骤的代理程序可以一起合作，高效地搞定这些复杂任务。

OpenAI 提供了一些示例，供开发人员在 Swarm 框架中探索。

Swarm 是为希望理解并测试多代理编排模式应用的开发人员设计的。不过，它目前仍是一个试验性质的项目，暂时不应在生产应用程序中使用。

好处：

• 轻量且简单 Swarm让构建和测试多代理系统变得更轻松。

• 灵活性：可以为特定任务设计代理并动态分配，这使得它们能够适用于各种应用场景。

• 适合人群：适合希望探索多代理编排的各种可能性而不需要从零开始搭建复杂系统的开发者。

限制：

• 暂时仅供测试：当前仅供测试使用，不建议在实际生产中使用。

• 不保留状态：作为一个无状态的框架，swarm在代理调用之间不存储状态，例如这可能限制其应用到更复杂且依赖于内存的任务。

OpenAI Swarm 提供了一种独特的轻量级多代理编排方法。通过专注于简单易用的模式，它为开发人员提供了一个教育工具，以探索多代理协调的动态，而无需复杂繁琐的设置。虽然不适合用于生产环境中的使用，但它是一个很好的学习和实验工具。

如果你对构建可扩展的多代理系统感兴趣，或者想要了解轻量级编排的世界，Swarm 是一个很好的开始。

zh: *

1. 什么是OpenAI Swarm？

Swarm 是由 OpenAI 开发的一个教育框架，用于研究和探索轻量级和易用性的多代理编排。

2. Swarm 是否可以用于生产环境？

不行，Swarm 是实验性的，仅用于教育用途。它不适合用于生产环境。

3. Swarm 是怎么管理代理的？

Swarm 使用客户端 API 来运行代理、处理交接，并管理代理的功能。代理可以根据需要切换任务并将责任传递给其他代理。

4. Swarm 是否有状态？

不，Swarm 是无状态的，不会在代理之间的调用之间保留任何状态。

5. Swarm有哪些示例用例？

Swarm非常适用于构建轻量级的客服机器人、个人助理机器人和多代理的工作流自动化工具。