项目地址：https://github.com/openai/swarmfrom swarm import Swarm, Agentclient = Swarm()def transfer_to_agent_b(): return agent_bagent_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.",)response = client.run( agent=agent_a, messages=[{"role": "user", "content": "I want to talk to agent B."}],)print(response.messages[-1]["content"])Hope glimmers brightly,New paths converge gracefully,What can I assist?从当前agent获取一个完成 执行工具调用并追加结果 如有必要，切换agent 如有必要，更新上下文变量 如果没有新的函数调用，返回
agent = Agent( instructions="You are a helpful agent.")###def instructions(context_variables): user_name = context_variables["user_name"] return f"Help the user, {user_name}, do whatever they want."agent = Agent( instructions=instructions)response = client.run( agent=agent, messages=[{"role":"user", "content": "Hi!"}], context_variables={"user_name":"John"})print(response.messages[-1]["content"])###Hi John, how can I assist you today?如前所述，Swarm只是探索多智能体系统的众多工具之一。微软AutoGen和crewAI是另外两个重要的框架：
AutoGen专注于复杂的工作流程，并提供更强大的解决方案，具有跨代理的记忆和状态管理。
CrewAI旨在简化业务流程，通过模块化代理自动化任务。
这两个框架都比Swarm提供了更成熟的解决方案，但Swarm仍然是开发者尝试多智能体协调的一个绝佳起点。
我认为，多智能体系统是AI未来的重要组成部分。AI模型与CPU的类比有助于说明这些系统将扮演的角色。就像让CPU更强大并不能解决所有计算挑战一样，让AI模型更大也无法解决所有问题，专门的Agent将需要处理复杂的工作流程和分布式任务。
Swarm虽然是实验性的，但它为我们展示了这些系统如何实现的重要视角。其灵活性和简洁性使其成为尝试不同Agent协作方法的优秀框架。
技术交流群邀请函
我们建立了一个CV/NLP/搜索推荐/大模型技术交流群！专门分享最新资讯、行业趋势和有趣想法。
如果你想抓住这次AI变革的红利，欢迎扫码进群，群里聚集了很多学术界和工业界大佬，日常还可以唠嗑~
你好，我是对白，硕士毕业于清华，大厂算法工程师，拿过8家大厂算法岗SSP offer
创业做过无人机、机器人和互联网+教育，保研清华后开始系统接触AI。
我每周至少更新一篇原创，分享AI算法、技术干货和职场感悟。下方关注可加我私信交流，点击蓝字查看我的算法学习之路。
您的“点赞/在看/分享”是我坚持最大动力
坚持不易，卖萌打滚求鼓励 (ฅ>ω<*ฅ)
分享
收藏
点赞
在看
