OpenAI新研究团队发布多智能体框架Swarm，其特点和适用场景是什么？

OpenAI

多智能体无疑是OpenAI未来的关键研究领域之一。不久前，OpenAI的研究科学家诺亚·布朗还在社交平台X上为新组建的多智能体研究团队招聘机器学习工程师，这表明他们在该领域的布局正在加速推进。

几个小时前，一个可能尚未完全组建的新研究团队开源了一项重要成果：Swarm。这是一个实验性的多智能体编排框架，主打高效易用和轻量级特性，旨在为相关领域提供创新解决方案。

Swarm开源引发热议，网友称其可简化多智能体用例的工作流程，带来更大便利。

招聘

先看一个例子，首先安装Swarm，操作很简单：安装此框架后，使用非常便捷。下面的代码设置了两个智能体，用户指令是与智能体 B 对话。已收到你的消息下面简单介绍这个开源项目。需再次强调，Swarm是实验性多智能体框架，非生产用途开发，团队不会提供官方支持。Swarm 项目简介Swarm 专注于使智能体的协作与执行轻量、可控且便于测试。它采用了两种核心抽象原语：智能体与交接。智能体集成了指令和工具，可随时决定将对话转移给其他智能体，通过交接机制实现协作。团队称，这些原语功能强大，能够充分展现工具与智能体网络间的复杂互动。它们帮助构建解决实际问题的可扩展方案，同时简化学习过程，无需克服过高难度。此外，团队强调，Swarm 智能体与 Assistants API 中的 Assistants 并无关联，名称相近仅出于便利考虑。Swarm 完全基于 Chat Completions API 运行，因此在不同调用间不保留状态信息。为什么选择使用Swarm？Swarm 设计轻量、可扩展且高度定制化，擅长处理大量独立功能与指令，尤其适合难以整合为单一提示词的复杂场景。

团队展示的应用示例包含天气查询智能体、适用于航空公司处理各类客户服务请求的多智能体系统、客服机器人，以及助力销售与退款的个人智能体等。更多详细内容可查看 Swarm 代码库。

这是一个简单的天气查询示例，问题先经筛选处理，再交由天气系统回答。Swarm 的主要构成部分Swarm 的主要组成部分有客户端、智能体和函数。客户端用于交互，智能体执行任务，函数实现具体功能。运行 Swarm 从实例化一个 client 开始，实际上是在内部创建一个 OpenAI 客户端。

归根结底，Swarm 的 client.run() 实现了以下循环： 参数客户端运行函数的参数包含：

返回参数

智能体是将指令和函数封装组合，加上额外设置，还能够将运行过程移交给另一个智能体的实体。用户代理字段

请用中文重新表达以下内容，保持含义一致，控制在17字以内。代理指令会直接转化为对话的系统提示信息（作为首条消息出现）。仅当前活跃代理的指令会被采用；若代理切换，系统提示会随之改变，但聊天记录保持不变。指令可以是普通字符串，也可以是返回字符串的函数。此函数可选接收 context_variables 参数，该参数由传递给 client.run() 的 context_variables 填充内容提供。请出示您的证件

已收到您的来信若 Agent 函数调用出错（如函数缺失或参数错误等），将会在聊天中添加一条报错信息，帮助 Agent 恢复正常运行。若 Ageny 调用多个函数，将依序执行这些函数。

在返回的函数中加入一个代理，就能把执行流程交给这个代理来处理。已收到您的消息

已收到您的来信若一个代理调用多个交接函数，仅最后一个生效。函数式思维Swarm 会自动把函数转为 JSON 模式，再传递给聊天补全工具处理。实时数据处理Swarm同样支持流式处理功能。虽然采用了与Chat Completions API流式传输相同的事件，但新增了两种事件类型：主要贡献人员Swarm 的核心贡献者均来自 OpenAI，包括以下人员（括号内为对应的 GitHub 用户名）：源于机器之心报道