【大模型开发】OpenAI 开源多模态智能体（AI Agent）Swarm详解

以下是关于开源多代理框架 Swarm 的详细介绍，包含核心设计、工作机制、代码案例及扩展应用。

---

一、Swarm 框架概述

Swarm 是由 OpenAI 开源的多代理协作框架，专注于轻量级、可控的代理（Agent）协调与任务切换。其设计目标是探索多代理系统的人体工学接口，适用于教育、实验及复杂工作流的快速原型开发，而非生产环境。

核心特性

1. 轻量级：代码仅约 500 行，依赖 OpenAI 的 Chat Completions API，调用间无状态存储。
2. Handoffs 机制：允许代理通过函数调用动态移交对话任务，实现多代理协作。
3. 完全透明性：支持调试日志打印上下文变量、工具调用步骤，便于开发者跟踪执行流程。

---

二、核心组件与工作机制

1. 核心类

• Swarm 客户端：管理代理调度、工具调用及上下文更新。
• Agent：封装指令（instructions）和工具函数（functions），可动态切换代理。
• Response：存储对话历史、当前活跃代理及上下文变量。
• Result：代理函数调用的返回结果，可携带新代理实例或更新上下文变量。

2. 执行流程

Swarm 的运行循环如下：

1. 模型响应生成：基于当前代理的指令和对话历史调用 LLM 生成回复。
2. 工具调用处理：执行代理注册的函数（如切换代理、调用 API）。
3. 上下文更新与代理切换：根据函数返回结果更新上下文或切换活跃代理。

---

三、案例代码与详细解释

案例 1：基础代理切换

以下代码实现用户请求由 Agent A 转交至 Agent B，后者以特定格式（如诗歌）回复：

from swarm import Swarm, Agent

# 初始化 Swarm 客户端
client = Swarm()

# 定义 Agent B 的指令（以 Haiku 诗歌格式回复）
agent_b = Agent(
    name="Agent B",
    instructions="Only respond in Haiku format."
)

# 定义 Agent A 的切换函数
def transfer_to_agent_b():
    return agent_b  # 返回目标代理实例

agent_a = Agent(
    name="Agent A",
    instructions="You are a helpful assistant. Transfer to Agent B when requested.",
    functions=[transfer_to_agent_b]  # 注册切换函数
)

# 启动对话
response = client.run(
    agent=agent_a,
    messages=[{"role": "user", "content": "I want to speak with Agent B."}]
)

# 输出最终回复
print("Agent Response:", response.messages[-1]["content"])

代码解析：

1. 代理定义：
      - Agent A 的 transfer_to_agent_b 函数返回 Agent B 实例，触发切换。
      - Agent B 的指令要求以 Haiku 诗歌格式回复（如：“Silent moonlit night / Whispers of the wind speak true / How may I assist?”）。
2. 执行流程：
      - 用户请求触发 Agent A 调用 transfer_to_agent_b，Swarm 将活跃代理切换为 Agent B。
      - 后续对话由 Agent B 处理，生成符合指令的回复。

---

案例 2：上下文变量与工具调用

以下示例展示如何通过上下文变量动态调整代理行为：

def get_user_preference(context_variables: dict) -> str:
    return context_variables.get("preference", "default")

# 定义 Agent C，动态生成指令
agent_c = Agent(
    name="Agent C",
    instructions=lambda ctx: f"Recommend products based on user preference: {get_user_preference(ctx)}",
    functions=[]
)

# 传递上下文变量
response = client.run(
    agent=agent_c,
    messages=[{"role": "user", "content": "Suggest a product."}],
    context_variables={"preference": "eco-friendly"}
)

print("Recommendation:", response.messages[-1]["content"])

代码解析：

• Agent C 的指令通过 lambda 函数动态生成，结合上下文变量 preference。
• 用户偏好从 context_variables 中提取，实现个性化推荐（如：“Based on your eco-friendly preference, I recommend bamboo toothbrushes.”）。

---

四、应用场景与优势对比

1. 典型应用场景

• 客服自动化：多代理协作处理用户请求（如订单修改、退款），通过意图识别代理分流转接。
• 复杂工作流：将独立功能拆分为多个代理，如天气查询、航班改签等。

2. 对比其他框架

框架	Swarm 优势
LangGraph	更轻量，适合精细控制代理切换和上下文管理。
CrewAI	提供透明化调试日志，便于追踪执行步骤。

---

五、扩展功能与源码解析

1. 流式处理与调试

启用流式响应和调试日志：

response = client.run(
    agent=agent_a,
    messages=[{"role": "user", "content": "Hello"}],
    stream=True,
    debug=True  # 打印执行步骤日志
)
for chunk in response:
    print(chunk.content)

2. 源码关键逻辑

• handle_tool_calls：解析工具调用，执行函数并更新代理状态。
• get_chat_completion：合并指令与对话历史，调用 OpenAI API 生成响应。

---

六、总结

Swarm 通过轻量级设计和灵活的代理切换机制，为多代理协作提供了高效的实验平台。其透明性和可控性使其在教育、复杂工作流场景中具有独特优势。开发者可通过简洁的接口快速构建多代理系统，并结合实际需求扩展功能。

项目地址：GitHub - OpenAI Swarm  
进一步学习：参考官方示例库（如 triage_agent、weather_agent）深入探索复杂应用场景。