一篇文章带你本地探索 Swarm 多智能体框架

Swarm 是一个实验性样本框架，用于模拟轻量级多智能体框架，旨在教育目的。通常它与 Open AI Key 一起使用，但我们可以更改为使用本地的 Ollama 或 LM Studio 模型。

设置：

## 创建一个新的 Conda 或 Python 虚拟环境并激活它  
conda install python==3.10  
pip install torch openai  
pip install transformers accelerate huggingface_hub  
pip install git+ssh://[e-mail]/openai/swarm.git

使用 Open AI Key：

export OPEN_API_KEY = Your Key

使用 Ollama 或 LM Studio 本地 LLM — 更新为本地 URL：

## 查找 conda 或 python 虚拟环境中的 site-packages/swarm  
## 找到文件 core.py  
class Swarm:  
    def __init__(self, client=None):  
        if not client:  
          # 实际代码  
          #client = OpenAI()  
          # 将基础 URL 和 API Key 更新为 Ollama / LM Studio  
          # 在本演示中，我们使用 LM Studio 和 Llama 3.1  
          client = OpenAI(base_url="http://localhost:1234/v1",api_key="random")  
        self.client = client

克隆仓库：

克隆仓库 — 在这里您可以找到不同用例的示例目录，如基本、航空公司和天气等。

git clone https://github.com/openai/swarm.git  
cd swarm/examples

示例代码：

from swarm import Swarm, Agent  
  
client = Swarm()  
  
  
it_agent = Agent(  
    name="IT Agent",  
    instructions="You are an IT Expert with 10 Years of Experience.",  
)  
  
sales_agent = Agent(  
    name="Sales Agent",  
    instructions="You are a Sales Expert with 5 Years of Experience and knows about best selling mobiles.",  
)  
  
def transfer_to_sales_agent():  
    print("Sales agent in action")  
    """Transfer sales related questions to sales team immediately."""  
    return sales_agent  
  
def transfer_to_it_agent():  
    print("IT agent in action")  
    """Transfer IT users immediately."""  
    return it_agent  
  
english_agent = Agent(  
    name="English Agent",  
    instructions="You only speak English.",  
    functions=[transfer_to_sales_agent,transfer_to_it_agent],  
)  
  
  
messages = [{"role": "user", "content": "How to install pandas lib?"}]  
response = client.run(agent=english_agent, messages=messages)  
  
print(response.messages[-1]["content"])  
  
messages = [{"role": "user", "content": "What are the best selling items?"}]  
response = client.run(agent=english_agent, messages=messages)  
  
print(response.messages[-1]["content"])

参考文献：

https://github.com/openai/swarm    
https://github.com/victorb/ollama-swarm/tree/main

鉴于这是一个实验性版本，仍有很大的改进空间。航空代理示例代码 [swarm/examples/airline] 非常有趣，因此可以尝试这些示例。

---