实战OpenAI最新开源多智能体框架Swarm

显示全部楼层

ingFang SC", Cambria, Cochin, Georgia, Times, "Times New Roman", serif; letter-spacing: 0.75px; white-space: normal; padding-top: 8px; padding-bottom: 8px; line-height: 26px;">上周五（10 月 11 日），OpenAI 发布了类似 Autogen、Langgraph 和 CrewAI 等多代理系统的 "实验性、教育性 "框架Swarm^[1]。所以，Swarm 是一个多智能体框架。OpenAI 声明了这只是探索性的一个框架，并不打算完善上生产，主要目标是为了演示 OpenAI 官方教程《智能体编排：路由与交接（Orchestrating Agents: Routines and Handoffs）^[2]》。

ingFang SC", Cambria, Cochin, Georgia, Times, "Times New Roman", serif; letter-spacing: 0.75px; white-space: normal; padding-top: 8px; padding-bottom: 8px; line-height: 26px;">我其实在很早之前就有写过AutoGen 的一系列教程。按照我的理解多智能体为大语言模型的 Agent 系统引入了分工合作、专人专事的思路，可以用来实现工作流类型的应用。通过给不同的 Agent 设定特定的 Prompt，能够让他们更精确的完成任务。虽然 OpenAI 的 Swarm 只是 Demo，但其简洁的实现，能够让我们快速了解多智能体。

ingFang SC", Cambria, Cochin, Georgia, Times, "Times New Roman", serif; letter-spacing: 0.75px; white-space: normal; min-height: 32px; line-height: 28px; color: rgb(119, 48, 152); border-bottom: 1px solid rgb(119, 48, 152); border-top-color: rgb(119, 48, 152); border-right-color: rgb(119, 48, 152); border-left-color: rgb(119, 48, 152); font-size: 22px; margin: 1em auto; padding-top: 0.5em; padding-bottom: 0.5em; text-align: center; width: 367.617px; display: flex; flex-direction: column; justify-content: center;">1. 安装

ingFang SC", Cambria, Cochin, Georgia, Times, "Times New Roman", serif; letter-spacing: 0.75px; white-space: normal; padding-top: 8px; padding-bottom: 8px; line-height: 26px;">需要至少 Python 3.10 及以上的环境，我们首先使用 conda 创建虚拟环境，然后安装依赖包。

condacreate-nswarmpython=3.10
pipinstallgit+https://github.com/openai/swarm.git

ingFang SC", Cambria, Cochin, Georgia, Times, "Times New Roman", serif; letter-spacing: 0.75px; white-space: normal; min-height: 32px; line-height: 28px; color: rgb(119, 48, 152); border-bottom: 1px solid rgb(119, 48, 152); border-top-color: rgb(119, 48, 152); border-right-color: rgb(119, 48, 152); border-left-color: rgb(119, 48, 152); font-size: 22px; margin: 1em auto; padding-top: 0.5em; padding-bottom: 0.5em; text-align: center; width: 367.617px; display: flex; flex-direction: column; justify-content: center;">2. 运行

ingFang SC", Cambria, Cochin, Georgia, Times, "Times New Roman", serif; letter-spacing: 0.75px; white-space: normal; padding-top: 8px; padding-bottom: 8px; line-height: 26px;">咱们以官方 Demo 为例，并采用国内可用的大模型来测试，这里以 DeepSeek 为例。虽然 Deepseek 最近表现有点拉胯，但测试就简单使用，你也可以使用类似智普等免费 API。

实例化 Swarm

ingFang SC", Cambria, Cochin, Georgia, Times, "Times New Roman", serif; letter-spacing: 0.75px; white-space: normal; padding-top: 8px; padding-bottom: 8px; line-height: 26px;">首先实例化 Swarm，指定 api key 和 base_url 等初始化兼容 OpenAI 接口的大模型客户端。

fromopenaiimportOpenAI
fromswarmimportSwarm,Agent

client=Swarm(client=OpenAI(
api_key="yourkey",
base_url="https://api.deepseek.com/v1",
))

实例化 Agent

deftransfer_to_agent_b():
returnagent_b


agent_a=Agent(
name="AgentA",
model="deepseek-chat",
instructions="Youareahelpfulagent.",
functions=[transfer_to_agent_b],
)

agent_b=Agent(
name="AgentB",
model="deepseek-chat",
instructions="你是三国演义中的张飞，使用他在三国演义中对话的语气和风格。",
)

response=client.run(
agent=agent_a,
messages=[{"role":"user","content":"IwanttotalktoagentB，今天天气如何"}],
debug=True,
)

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

运行

python main.py

输出

我稍微修改了一下 Agent B 的系统指令，以张飞的口吻来回复更诙谐幽默一点，总比日本俳句要让人明白的多吧。

Agent B，今日天气如何？俺张飞可不关心这些个琐事，但若是你有啥要紧事，尽管说来，俺替你打听打听！

3. 解析

初看起来，好像没啥东西？是因为这个 Demo 过于简单了，我们先简单看一下。

初始化 Swarm 时候，只能定义一个 OpenAI，表明整个系统中只能有一家 LLM 提供商。但每个 Agent 初始化的时候可以设置 model，意味着不同的 Agent 可以设定不同模型。
Agent A 的 function 定义，他是返回了一个 Agent。调用这个工具的时候，遇到类型为 Agent 会自动切换到该 Agent 来回复。但你可以看到 functions，它是可以接受一组 function。除了路由到其他 Agent，还可以包含常规的工具函数。
client.run()设定流程起始的 Agent A，以及它的第一条消息。

我们看一下运行日志，来确定一下整个流程。

[2024-10-1409:23:53]Gettingchatcompletionfor...:[{'role':'system','content':'Youareahelpfulagent.'},{'role':'user','content':'IwanttotalktoagentB，今天天气如何'}]
[2024-10-1409:23:55]Receivedcompletion:ChatCompletionMessage(content='',role='assistant',function_call=None,tool_calls=[ChatCompletionMessageToolCall(id='call_0_ebc5443d-0434-43af-b90a-c277b5729db3',function=Function(arguments='{}',name='transfer_to_agent_b'),type='function',index=0)])
[2024-10-1409:23:55]Processingtoolcall:transfer_to_agent_bwitharguments{}
[2024-10-1409:23:55]Gettingchatcompletionfor...:[{'role':'system','content':'你是三国演义中的张飞，使用他在三国演义中对话的语气和风格。'},{'role':'user','content':'IwanttotalktoagentB，今天天气如何'},{'content':'','role':'assistant','function_call':None,'tool_calls':[{'id':'call_0_ebc5443d-0434-43af-b90a-c277b5729db3','function':{'arguments':'{}','name':'transfer_to_agent_b'},'type':'function','index':0}],'sender':'AgentA'},{'role':'tool','tool_call_id':'call_0_ebc5443d-0434-43af-b90a-c277b5729db3','tool_name':'transfer_to_agent_b','content':'{"assistant":"AgentB"}'}]
[2024-10-1409:23:57]Receivedcompletion:ChatCompletionMessage(content='Agent B，今日天气如何？俺张飞可不关心这些个琐事，但若是你有啥要紧事，尽管说来，俺替你打听打听！',role='assistant',function_call=None,tool_calls=None)
[2024-10-1409:23:57]Endingturn.

流程：

用户发送消息给 Agent A，消息为我想和 Agent B 聊天并询问今天天气如何。
Agent A 由于有个工具函数定义就叫 transfer_to_agent_b，他认为用户的消息是要转移到 Agent B，因此触发工具调用。
转移到 Agent B 之后，可以看到 Agent B 的系统指令换掉了，但是聊天历史是完整保留的。包含了用户的消息，工具调用之类的消息。
然后 Agent B 按照系统指令开始回复用户的问题。

除此之外，还有 Context 用于传递到系统指令或者 function 中，本文没有赘述，感兴趣的同学可以继续深入了解一下。

4. 总结

本文只是简单的 Demo 示例，可以看到通过设定 Agent 的 function 来指定它的路由，并且路由后除了系统指令变更，整个对话历史记录是整个交接到新的 Agent，从而能够利用新的 Agent 的指令完成更专业化的回复。