Swarm（实验性教学框架）

这个 Agent 能做什么，适合哪些场景？

Swarm 是 OpenAI 解决方案团队维护的一个实验性教学框架，旨在演示如何构建轻量级且高度可控的多智能体编排系统。该框架基于两个核心抽象：Agent 和 handoffs，Agent 封装了指令和工具，并可在任何时刻将对话转交给另一个 Agent。Swarm 完全由 Chat Completions API 驱动，调用之间无状态。它提供 client.run() 方法执行工具调用、处理智能体交接和上下文变量，并支持流式响应。安装简单，但官方建议生产环境迁移到新的 OpenAI Agents SDK。

Swarm 的核心是 Swarm 客户端和 Agent 类。客户端通过 run() 方法接收初始 Agent 和消息列表，并循环执行：获取当前智能体的补全、执行工具调用、必要时切换智能体、更新上下文变量。Agent 可以定义为包含指令和函数列表，函数可以是普通的 Python 函数，返回 Agent 则触发交接。Swarm 自动将函数转换为 JSON Schema 供 Chat Completions 使用。它还支持通过 Result 对象更新上下文变量、流式响应和 REPL 演示循环。

1. 开发者学习如何使用函数调用和 handoffs 构建多智能体编排系统。
2. 需要在单个对话中处理多个独立能力或指令集的场景。
3. 构建客服机器人，如示例中的航空公司支持、用户界面代理和帮助中心代理。
4. 需要轻量级且可测试的智能体协调逻辑，而不想引入全托管线程的开发者。
5. 用于教学或原型设计，演示如何实现智能体间的转移和工具调用。

如何安装或部署这个 Agent？

需要使用 Python 3.10 或更高版本。通过以下命令安装：

pip install git+ssh://[email protected]/openai/swarm.git

或者使用 HTTPS：

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

如何使用这个 Agent？

首先设置 OpenAI API 密钥。然后，导入并创建 Swarm 客户端，定义 Agent 及其指令和函数。使用 client.run() 传入初始 Agent 和消息列表，它返回一个 Response 对象，包含消息、最后执行的 Agent 和上下文变量。示例代码：

from swarm import Swarm, Agent

client = Swarm()

def transfer_to_agent_b():
    return agent_b

agent_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"])

这个 Agent 有哪些优点和局限？

这个 Agent 与同类方案有什么区别？

与相关度最高的同类 agent 并排比较关键指标。

FollowAgents 如何评估这个 Agent？

常见问题