OpenAI Swarm

不活跃
GitHub Python MIT

简介

OpenAI Swarm 是一个轻量级多 Agent 协作框架,专注于简洁和可控性,适合学习和原型开发。

核心特性

  • 轻量级多 Agent 框架 — 以 Agent 和 Handoff 两个核心原语实现多 Agent 协作
  • 无状态设计 — 完全基于 Chat Completions API,调用间不保存状态
  • 函数调用集成 — Agent 可调用 Python 函数并根据结果决定下一步操作
  • 上下文变量 — 支持在 Agent 间传递和更新上下文变量
  • 流式输出 — 支持流式响应返回中间过程
  • 可测试性 — 轻量设计使得 Agent 协作逻辑易于测试和调试

适用场景

💡 学习和理解多 Agent 协作模式
💡 快速原型开发多 Agent 系统
💡 构建任务分发和路由的 Agent 网络
💡 实现客服分流、个人购物助手等多角色协作

优势与不足

优势

  • 社区热度高(21.9k stars)
  • 开源许可证友好(MIT)
  • 项目有一定历史沉淀(已维护 2 年)
  • Issue 响应及时,积压少

快速开始

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

from swarm import Swarm, Agent

client = Swarm()

def transfer_to_agent_b():
    return agent_b

agent_a = Agent(name="Agent A", instructions="You are helpful.", 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": "Talk to agent B."}])
print(response.messages[-1]["content"])

相关项目

Edict

16.4k · Python
活跃 A

基于三省六部制的多 Agent 编排系统,包含 9 个专业化 AI Agent,配备实时看板、模型配置和完整的审计追踪功能,适用于复杂的多 Agent 协作场景。

pythonmulti-agentagent +6
  • · 12 个专业化 AI Agent 按照唐代三省六部制度组织,实现分权制衡机制
  • · 门下省提供制度性审核,拥有封驳权力,在执行前强制质量把关
  • · 实时看板仪表盘包含 10 个功能面板:任务追踪、Agent 健康监控、奏折归档等

GPTeam

1.7k · Python
活跃 A

开源多 Agent 模拟平台,让多个由 LLM 驱动的 Agent 在共享环境中协作完成复杂任务,支持 Agent 角色定制、记忆系统和环境交互,是研究多 Agent 协作行为和社会模拟的理想实验框架。

pythonmulti-agentagent +3
  • · 基于 GPT-4 的多代理模拟,支持自主协作完成预定义目标
  • · 受 Generative Agents 研究论文启发的代理记忆和反思系统
  • · 空间移动:代理在不同位置间移动并在不同环境中执行任务

Cultivation World Simulator

2.0k · Python
活跃 A

基于 AI 智能体工作流的修仙世界模拟器,利用多智能体协作还原智能、开放的仙侠世界,展示智能体工作流在复杂场景中的能力。

multi-agentworkflowagent +1
  • · 每个 NPC 都是独立的 LLM 驱动 Agent,拥有独特个性、记忆、人际关系和决策逻辑
  • · 涌现式叙事,无预设剧本——宗门大战、正魔之争、天骄崛起由世界规则和 AI 交互自然产生
  • · 丰富的修仙世界体系,包括灵根、境界、功法、宗门、丹药、法宝和武道会

相关文章