Swarmauri SDK

这个 Agent 能做什么，适合哪些场景？

Swarmauri SDK 是一个面向 Python 的可组合智能基础设施库，采用单仓库（monorepo）组织，包含 swarmauri 命名空间包、swarmauri_core 接口契约、swarmauri_base 可复用基类、swarmauri_standard 一方标准组件，以及社区、插件、标准与实验性包。它把智能体、链条、对话、文档、嵌入、LLM、解析器、提示词、工具、工具包、向量存储、签名、密钥提供者、传输、中间件与存储适配器等组件家族拆成可独立安装的发行包。运行时依赖命名空间导入与插件发现机制：导入 swarmauri 后，InterfaceRegistry 与 PluginCitizenshipRegistry 会列出已安装并可发现的组件映射。组件基于 Pydantic 与 ComponentBase 实现序列化与动态类型注册，可通过 SubclassUnion 在多态字段中反序列化为具体实现类。用户既可以用 pip/uv 安装全量组件包，也可以只安装所需的某个组件家族包，并直接以包级导入使用。

安装后导入 swarmauri 会激活命名空间发现，填充 InterfaceRegistry 与 PluginCitizenshipRegistry；开发者随后从 swarmauri.* 公共路径或 swarmauri_standard 等具体包导入组件，例如 Document、AdditionTool 或 Ed25519EnvelopeSigner，并直接实例化调用。组件作者基于 ComponentBase 注册类型标签（如 @ComponentBase.register_type(VectorStoreBase, "YourVectorStore")），从而让 Pydantic 模型通过 SubclassUnion[ComponentBase] 依据 JSON 中的 type 字段还原为具体类。插件包通过 pyproject.toml 中的 swarmauri.vectorstores 等 entry point 暴露实现，使命名空间导入在安装后可用。仓库本身不提供独立运行的智能体进程或服务端，产出的是一个可被 import 的 Python 库与组件生态。

1. 需要在同一代码库中混用多个 LLM 提供商、嵌入模型与向量库，而不被某一供应商锁定的后端团队。
2. 编写可插拔工具（如 Jupyter 导出、向量库写入）并希望以独立 PyPI 包分发的组件开发者。
3. 构建 RAG 流程、需要解析器、嵌入与向量存储组件各自独立安装的 Python 应用。
4. 需要 Ed25519 或 JWS 签名、密钥提供者与加密组件来加固数据交换的系统集成方。
5. 以 Pydantic 多态序列化描述组件配置（如连接器、工具规格）并通过 JSON 反序列化的平台架构者。

如何安装或部署这个 Agent？

使用 uv 安装命名空间包：

uv add swarmauri

或使用 pip：

pip install swarmauri

需要更完整的组件集合时可安装 full 附加组：

uv add "swarmauri[full]"
pip install "swarmauri[full]"

若只是编写组件，可只安装基础包：

uv add swarmauri_core swarmauri_base
pip install swarmauri_core swarmauri_base

仅需单一组件家族时按需安装，例如：

uv add swarmauri_vectorstore_pinecone
uv add swarmauri_tool_jupyterexportlatex
uv add swarmauri_signing_ed25519

运行环境需 Python 3.10–3.14；使用向量库、嵌入或 LLM 组件时，还需按对应第三方包的文档自行获取并配置提供商凭据。

如何使用这个 Agent？

导入 swarmauri 以激活命名空间发现并查看已注册组件：

import swarmauri

from swarmauri.interface_registry import InterfaceRegistry
from swarmauri.plugin_citizenship_registry import PluginCitizenshipRegistry

print(len(InterfaceRegistry.list_registered_namespaces()))
print(len(PluginCitizenshipRegistry.total_registry()))

安装实现包后通过 namespace 使用具体组件：

import swarmauri

from swarmauri.signings.Ed25519EnvelopeSigner import Ed25519EnvelopeSigner

signer = Ed25519EnvelopeSigner()
print(signer.type)

也可以直接按包导入以获得最窄依赖面：

from swarmauri_standard.documents import Document
from swarmauri_standard.tools import AdditionTool

doc = Document(content="Direct package import")
tool = AdditionTool()

print(doc.type)
print(tool("2+2"))

借助 swarmauri_base 进行动态组件序列化与按 type 反序列化：

from typing import Literal

from pydantic import BaseModel
from swarmauri_base.ComponentBase import ComponentBase
from swarmauri_base.DynamicBase import SubclassUnion


@ComponentBase.register_model()
class ConnectorBase(ComponentBase):
    type: Literal["ConnectorBase"] = "ConnectorBase"
    label: str


@ComponentBase.register_type(ConnectorBase, "ApiConnector")
class ApiConnector(ConnectorBase):
    type: Literal["ApiConnector"] = "ApiConnector"
    endpoint: str


class ConnectorSpec(BaseModel):
    connector: SubclassUnion[ConnectorBase]


spec = ConnectorSpec.model_validate_json(
    '{"connector":{"type":"ApiConnector","label":"primary","endpoint":"https://api.example.test"}}'
)

assert isinstance(spec.connector, ApiConnector)

自建插件包时，在 pyproject.toml 中注册 entry point 以便命名空间发现：

[project.entry-points.'swarmauri.vectorstores']
YourVectorStore = "swarmauri_vectorstore_yourplugin:YourVectorStore"

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？

最近版本

来自该项目 GitHub Releases 的最新发布记录，说明为上游原文摘录，未经本站改写或测试。

1. swarmauri_pop_cwt==0.11.0.dev5 预发布 2026-08-10
   发布说明摘录

   Initial release.

   在 GitHub 查看 ↗

常见问题