OpenAI выпускает Swarm

Компания OpenAI выпустила экспериментальный образовательный фреймворк для изучения эргономичной, легкой мультиагентной оркестровки. Swarm управляется командой OpenAI Solution, но не предназначен для использования в производстве и не имеет официальной поддержки.

OpenAI наиболее известна своим генеративным чатботом с искусственным интеллектом ChatGPT.

OpenAI утверждает, что главная цель Swarm - продемонстрировать паттерны передачи и рутины, изученные в книге Orchestrating Agents: Handoffs & Routines cookbook. Он не является самостоятельной библиотекой и предназначен в первую очередь для образовательных целей.

Swarm рассчитан на использование нескольких агентов, которые взаимодействуют без статических данных, а не полагаются в значительной степени на базовый LLM API. Координация и выполнение агентов разработаны таким образом, чтобы быть легкими, хорошо контролируемыми и легко тестируемыми. Агенты передают инструкции и инструменты и могут в любой момент передать разговор другому агенту.

OpenAI отмечает, что Агенты роя не связаны с Ассистентами в API Ассистентов. Для удобства они названы одинаково, но в остальном совершенно не связаны. Swarm полностью работает с API Chat Completions и, следовательно, не имеет статусов между вызовами.
Описывая Swarm на GitHub, OpenAI говорит, что если Assistants API - это отличный вариант для разработчиков, которым нужны полноценные потоки и встроенные функции управления памятью и извлечения информации, то Swarm - это образовательный ресурс для разработчиков, которым интересно узнать о мультиагентной оркестровке. Swarm работает (почти) полностью на клиенте и, как и Chat Completions API, не хранит состояние между вызовами.

Инструкции агента напрямую преобразуются в системную подсказку разговора (как первое сообщение). В любой момент времени будут присутствовать только инструкции активного агента. Инструкции могут быть либо обычными строками, либо функциями, возвращающими строки. OpenAI утверждает, что примитивы Swarm достаточно мощные, чтобы выразить богатую динамику между инструментами и сетями агентов, что позволяет создавать масштабируемые, реальные решения, избегая при этом крутой кривой обучения. По их словам, подход Swarm лучше всего подходит для ситуаций, связанных с большим количеством независимых возможностей и инструкций, которые сложно закодировать в одной подсказке.

Swarm уже доступен в бета-версии на GitHub.