本文主要是OpenAI開源multi-agent框架swarm進行介紹，包括其核心組件Agent, instructions,functions，多個Agent之間如何進行切換，以及針對其中的examples進行驗證，框架及源碼非常簡單，看官們可以親自嘗試一下。

1.背景

本qiang~關注到OpenAI兩周前發布的輕量級多代理框架Swarm，因此想要深入了解了一下，運行了官方提供的例子，整理并總結一些心得體會~

源碼非常簡單，各位看官們可以小讀一下，本文采用gpt-4o-mini進行驗證，如果想免費使用gpt-4o-mini，可私信溝通。

Ps: 發布之后，便在X引起了Swarm涉嫌抄襲，但吃瓜的我還是關注技術內部本身。

2.簡介

Swarm項目是一個輕量級multi-agent編排框架，當前主要是為了實驗及教學，而非用于生產。

Swarm專注于使agent協調和運行變得輕量級、高度可控且易于測試。

有兩個主要抽象模塊：Agent和handoffs(切換)，Agent封裝了instructions和tools，且可以隨時選擇將對話移交給另一個代理。

3. 適用場景

適用于大量的獨立功能和指令難以整合到一個prompt的場景，而是將獨立功能和指令通過agent, functions, tools等方式進行鏈接。

4. Swarm核心模塊

4.1 Swarm.run()

類似于openai的chat completions api中的create()函數，接收并返回messages，并在調用之間不保存任何狀態。注意，該方法也處理Agent函數執行、切換、上下文變量引用，且可以在返回最終輸出前進行多輪對話。

其核心實現了如下循環：

(1) 從當前Agent調用模型返回結果

(2) 執行工具調用并且保存結果

(3) 必要時切換代理

(4) 必要時更新上下文變量

(5) 如果沒有新的函數調用，則返回

該方法執行完畢后，會返回一個Response，包含所有相關的更新狀態，包括新的messages, 最后被調用的agent以及最新的上下文變量context_variables。

4.2 Agents

Agent簡單封裝了一組instructions和functions，且具有將執行移交給另一個agent的能力。這些instructions和functions可用于表示非常具體的工作流程或步驟。

Instructions將被直接轉化為一個對話的system提示，任何時候，只會存在活躍agent的instructions。

instructions可以是普通的字符串，也可以是返回字符串的函數，該函數可以選擇一個context_variables參數，進而傳入到swarm.run()中。

Swarm的Agent可以直接調用python函數，通常function應返回一個str，但也可以是一個Agent，如果返回Agent的話，則將執行轉移到該Agent。如果Agent的函數調用出現錯誤，錯誤響應會添加到聊天中，以便Agent可以正常恢復。如果Agent調用多個函數，他們將按順序進行。

4.3 切換Agent及更新上下文變量

一個agent可以通過在function中返回它來將其移交給另一個代理。還可以通過返回更完整的Result對象來更新context_variables

5. 實戰

本次實戰主要運行項目自帶的例子airline。這個例子能夠很好地說明Swarm的運行機理。

5.1 Agent之間的整體交互流程

 

 

交互步驟如下：

1. 首先經過意圖識別Agent，判斷是處理航班變更還是行李丟失，并分別通過transfer_to_flight_modification, transfer_to_lost_baggage切換到對應的Agent
2. 如果是航班變更，則進一步判斷是航班取消，還是航班更換，如果是航班取消，通過transfer_to_flight_cancel切換到”航班取消Agent”進行處理，該Agent支持退款、兌換飛行積分、向上級反饋、問題已解決、切換到意圖識別Agent等5個方法；如果是航班更換，通過transfer_to_flight_change切換到”航班更換Agent”，該Agent支持更換有效性驗證、更換成功、向上級反饋、問題已解決、切換到意圖識別Agent等5個方法。
3. 如果是行李的相關問題，則切換至”行李丟失Agent”，該Agent包含行李搜尋、向上級反饋、問題已解決、切換到意圖識別Agent等4個方法

5.2 實戰效果

其中User是我的輸出，[2024...]是打印的日志，Triage Agent、Flight Modification Agent、Flight cancel traversal是對應的Agent或方法?調用大模型后返回的結果。

Starting Swarm CLI ?? User: 我想要退票 [2024-10-22 09:38:14] Ending turn. Triage Agent: 請問您能提供一下您的航班號以及您希望退票的原因嗎？ User: 航班號是1919，我的時間有些沖突了 [2024-10-22 09:38:48] Processing tool call: transfer_to_flight_modification with arguments {} [2024-10-22 09:38:49] Processing tool call: transfer_to_flight_cancel with arguments {} [2024-10-22 09:38:50] Ending turn. Triage Agent: transfer_to_flight_modification() Flight Modification Agent: transfer_to_flight_cancel() Flight cancel traversal: 您提到的航班號是1919。請確認您是否確實是要取消這個航班。如果是的話，我將繼續進行處理。 User: 是的 [2024-10-22 09:38:57] Ending turn. Flight cancel traversal: 請問您是希望申請退款還是希望獲得航班積分？ User: 退款吧 [2024-10-22 09:39:05] Processing tool call: initiate_refund with arguments {} [2024-10-22 09:39:06] Ending turn. Flight cancel traversal: initiate_refund() Flight cancel traversal: 您的退款請求已被處理，退款將在3-5個工作日內完成。請您耐心等待。請問您還有其他問題嗎？ User: 沒有了，謝謝 [2024-10-22 09:39:16] Processing tool call: case_resolved with arguments {} [2024-10-22 09:39:20] Ending turn. Flight cancel traversal: case_resolved() Flight cancel traversal: 感謝您的聯系！如果將來有任何問題，請隨時與我們聯系。祝您有美好的一天！ User:

 

 

6.總結

一句話足矣~

本文主要是OpenAI開源multi-agent框架swarm進行介紹，包括其核心組件Agent, instructions,functions，多個Agent之間如何進行切換，以及針對其中的examples進行驗證，框架及源碼非常簡單，看官們可以親自嘗試一下。

Multi-agent的適用場景非常豐富，比如客服、工作流處理等

如果想免費獲取使用openai的看官，可私信溝通。

7.參考

(1) Swarm倉庫: https://github.com/openai/swarm