OpenAI lança Swarm: uma estrutura experimental de IA para construir, orquestrar e distribuir sistemas multiagentes

No mundo em rápido desenvolvimento da inteligência artificial, um desafio que os engenheiros enfrentam é a programação de sistemas multiagentes. Estes sistemas, que incluem muitos agentes de IA que trabalham em conjunto, apresentam frequentemente dificuldades significativas de coordenação, controlo e medição. As soluções atuais são muitas vezes complexas, exigindo uma extensa alocação de recursos, dificultando a implantação e os testes.

OpenAI apresenta o Swarm Framework como uma solução para simplificar as complexidades inerentes à orquestração multiagente. Swarm é uma estrutura de teste que se concentra em tornar a interação, a execução e os testes do agente leves e altamente gerenciáveis. O objetivo é capacitar os desenvolvedores para gerenciar interações entre vários agentes de IA de maneira simples e eficiente. Esta estrutura tem sido um trabalho em andamento há meses e a OpenAI agora está entusiasmada em compartilhá-la publicamente, na esperança de que seja adotada pela comunidade de IA como uma ferramenta eficaz para a construção de sistemas avançados de IA.

O poder do Swarm reside em suas duas limitações clássicas: agentes e transferências. Um agente no Swarm é uma combinação de comandos e ferramentas específicas que ele pode usar para realizar uma tarefa. A qualquer momento durante o processo, um agente tem a capacidade de “oferecer” uma conversa ou tarefa a outro agente, tornando a orquestração contínua e modular. Esta versão não só permite interações complexas entre diferentes agentes, mas também garante que a interação geral permaneça sob controle rígido. Ao usar esses elementos, o Swarm é capaz de manter os processos de coordenação e execução leves, tornando-o uma estrutura altamente testável. Além disso, o Swarm é desenvolvido com base no ChatCompletions, que fornece uma base robusta e flexível, permitindo que os desenvolvedores criem e implantem sistemas multiagentes sem sobrecarga desnecessária.

O Swarm Framework é importante por vários motivos. Primeiro, ele fornece uma maneira fácil de gerenciar a comunicação dos agentes e transferir responsabilidades entre eles. Isto é importante nos casos em que diferentes agentes de IA são especializados em tarefas diferentes, o que exige um método de implementação sistemático e eficiente. A abordagem leve do Swarm significa que os desenvolvedores podem facilmente iterar, testar e refinar configurações multiagentes sem serem sobrecarregados por requisitos complexos de infraestrutura. Além disso, a natureza altamente gerenciável do Swarm significa que ele é a escolha ideal para pesquisadores e desenvolvedores que buscam garantir confiabilidade e eficiência na orquestração de agentes de IA. Ao manter as coisas simples, gerenciáveis ​​e eficientes, o Swarm representa um passo importante para tornar os sistemas avançados de IA mais acessíveis à comunidade de engenharia mais ampla.

Concluindo, o Swarm Framework da OpenAI visa superar os principais desafios na integração de sistemas multiagentes, concentrando-se na flexibilidade e no controle. Ao fornecer uma infraestrutura leve baseada em interações de agentes e cargas de trabalho, o Swarm torna a orquestração multiagente não apenas possível, mas aplicável a uma ampla variedade de casos de uso. À medida que os sistemas multiagentes continuam a desempenhar um papel central na investigação e implementação de IA, ferramentas como o Swarm são definidas para reduzir barreiras, aumentar a acessibilidade e, em última análise, permitir o desenvolvimento de soluções de IA robustas e flexíveis. Seja para pesquisa, desenvolvimento de produtos ou para fins educacionais, o Swarm oferece uma excelente oportunidade para explorar as possibilidades da IA ​​integrada e multiagente de forma eficiente e sistemática.

Instalação

pip install git+ssh://[email protected]/openai/swarm.git

ou

pip install git+

Uso

from swarm import Swarm, Agent

client = Swarm()

def transfer_to_agent_b():
    return agent_b


agent_a = Agent(
    name="Agent A",
    instructions="You are a helpful agent.",
    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": "I want to talk to agent B."}],
)

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

Hope glimmers brightly,
New paths converge gracefully,
What can I assist?

Confira GitHub. Todo o crédito deste estudo vai para os pesquisadores deste projeto. Além disso, não se esqueça de nos seguir Twitter e junte-se ao nosso Estação telefônica de novo LinkedIn Gracima. Se você gosta do nosso trabalho, você vai gostar do nosso jornal.. Não se esqueça de participar do nosso Mais de 50k ML SubReddit

[Upcoming Event- Oct 17 202] RetrieveX – Conferência de recuperação de dados GenAI (promovida)

Asif Razzaq é o CEO da Marktechpost Media Inc. Como empresário e engenheiro visionário, Asif está empenhado em aproveitar o poder da Inteligência Artificial em benefício da sociedade. Seu mais recente empreendimento é o lançamento da Plataforma de Mídia de Inteligência Artificial, Marktechpost, que se destaca por sua ampla cobertura de histórias de aprendizado de máquina e aprendizado profundo que parecem tecnicamente sólidas e facilmente compreendidas por um amplo público. A plataforma possui mais de 2 milhões de visualizações mensais, o que mostra sua popularidade entre o público.