LLM应用实战: OpenAI多代理新作-Swarm

1.背景

本qiang~关注到OpenAI两周前发布的轻量级多代理框架Swarm，因此想要深入了解了一下，运行了官方提供的例子，整理并总结一些心得体会~

源码非常简单，各位看官们可以小读一下，本文采用gpt-4o-mini进行验证，如果想免费使用gpt-4o-mini，可私信沟通。

Ps: 发布之后，便在X引起了Swarm涉嫌抄袭，但吃瓜的我还是关注技术内部本身。

2.简介

Swarm项目是一个轻量级multi-agent编排框架，当前主要是为了实验及教学，而非用于生产。

Swarm专注于使agent协调和运行变得轻量级、高度可控且易于测试。

有两个主要抽象模块：Agent和handoffs(切换)，Agent封装了instructions和tools，且可以随时选择将对话移交给另一个代理。

3. 适用场景

适用于大量的独立功能和指令难以整合到一个prompt的场景，而是将独立功能和指令通过agent, functions, tools等方式进行链接。

4. Swarm核心模块

4.1 Swarm.run()

类似于openai的chat completions api中的create()函数，接收并返回messages，并在调用之间不保存任何状态。注意，该方法也处理Agent函数执行、切换、上下文变量引用，且可以在返回最终输出前进行多轮对话。

其核心实现了如下循环：

(1) 从当前Agent调用模型返回结果

(2) 执行工具调用并且保存结果

(3) 必要时切换代理

(4) 必要时更新上下文变量

(5) 如果没有新的函数调用，则返回

该方法执行完毕后，会返回一个Response，包含所有相关的更新状态，包括新的messages, 最后被调用的agent以及最新的上下文变量context_variables。

4.2 Agents

Agent简单封装了一组instructions和functions，且具有将执行移交给另一个agent的能力。这些instructions和functions可用于表示非常具体的工作流程或步骤。

Instructions将被直接转化为一个对话的system提示，任何时候，只会存在活跃agent的instructions。

instructions可以是普通的字符串，也可以是返回字符串的函数，该函数可以选择一个context_variables参数，进而传入到swarm.run()中。

Swarm的Agent可以直接调用python函数，通常function应返回一个str，但也可以是一个Agent，如果返回Agent的话，则将执行转移到该Agent。如果Agent的函数调用出现错误，错误响应会添加到聊天中，以便Agent可以正常恢复。如果Agent调用多个函数，他们将按顺序进行。

4.3 切换Agent及更新上下文变量

一个agent可以通过在function中返回它来将其移交给另一个代理。还可以通过返回更完整的Result对象来更新context_variables

5. 实战

本次实战主要运行项目自带的例子airline。这个例子能够很好地说明Swarm的运行机理。

5.1 Agent之间的整体交互流程

交互步骤如下：

首先经过意图识别Agent，判断是处理航班变更还是行李丢失，并分别通过transfer_to_flight_modification, transfer_to_lost_baggage切换到对应的Agent
如果是航班变更，则进一步判断是航班取消，还是航班更换，如果是航班取消，通过transfer_to_flight_cancel切换到”航班取消Agent”进行处理，该Agent支持退款、兑换飞行积分、向上级反馈、问题已解决、切换到意图识别Agent等5个方法；如果是航班更换，通过transfer_to_flight_change切换到”航班更换Agent”，该Agent支持更换有效性验证、更换成功、向上级反馈、问题已解决、切换到意图识别Agent等5个方法。
如果是行李的相关问题，则切换至”行李丢失Agent”，该Agent包含行李搜寻、向上级反馈、问题已解决、切换到意图识别Agent等4个方法

5.2 实战效果

其中User是我的输出，[2024...]是打印的日志，Triage Agent、Flight Modification Agent、Flight cancel traversal是对应的Agent或方法调用大模型后返回的结果。

Starting Swarm CLI ��

User: 我想要退票

[2024-10-22 09:38:14] Ending turn.

Triage Agent: 请问您能提供一下您的航班号以及您希望退票的原因吗？

User: 航班号是1919，我的时间有些冲突了

[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: 您提到的航班号是1919。请确认您是否确实是要取消这个航班。如果是的话，我将继续进行处理。

User: 是的

[2024-10-22 09:38:57] Ending turn.

Flight cancel traversal: 请问您是希望申请退款还是希望获得航班积分？

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: 您的退款请求已被处理，退款将在3-5个工作日内完成。请您耐心等待。请问您还有其他问题吗？

User: 没有了，谢谢

[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: 感谢您的联系！如果将来有任何问题，请随时与我们联系。祝您有美好的一天！

User:

6.总结

一句话足矣~

本文主要是OpenAI开源multi-agent框架swarm进行介绍，包括其核心组件Agent, instructions,functions，多个Agent之间如何进行切换，以及针对其中的examples进行验证，框架及源码非常简单，看官们可以亲自尝试一下。

Multi-agent的适用场景非常丰富，比如客服、工作流处理等

如果想免费获取使用openai的看官，可私信沟通。

7.参考

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