多智能體系統（Muti-Agents）是能夠自己思考、計劃、找出相關信息來源并從中提取信息、采取行動，甚至在出錯時還能自我糾正的自動系統。

OpenAI 推出了Swarm 開源框架，用來以一種非常靈活的方式來管理和協調多智能體系統。

本文我們基于 OpenAI 推出的 Swarm 開源框架，來實現多智能體系統。內容包括：多智能體案例架構設計；多智能體案例代碼級實現。

下文我們詳細剖析之。

1、多智能體案例架構設計

今天，我們來做個實際的操作演示。我們要做一個網上研究助手多智能體應用，這個應用包括以下功能：

• 接收用戶的查詢請求。
• 在網上搜索相關信息。
• 然后把它變成一篇精心撰寫的文章。

我們會用到：

• OpenAI Swarm 來協調多個智能體。
• Streamlit 來做用戶界面。

網上研究助手多智能體應用架構設計如下：

如上圖所示，我們有三個智能體：

智能體1 → 接收用戶的查詢并在網頁上搜索。 

智能體2 → 接收智能體1找到的網頁結果，然后進行優化。

智能體3 → 一個技術寫作智能體，它接收優化后的結果，起草一篇文章，然后發送回給用戶。

2、多智能體案例代碼實現

第一、準備工作

首先，我們從一些基礎的導入開始：

我們使用 OpenAI 的 Swarm 來構建我們的多智能體應用。

我們用 duckduckgo_search 來在網上搜索。

接下來，我們定義大模型名稱，并初始化 Swarm 客戶端和搜索客戶端：

第二、網絡搜索智能體1 架構設計和代碼實現

智能體1需要接收用戶的查詢，在網上搜索，然后返回原始的網頁結果。

為了實現這個功能，我們首先編寫一個函數，該函數接收查詢并返回原始結果。

第7行：在網上搜索。

第9-16行：將所有網頁結果（標題+網址+正文）收集到一個字符串中并返回。

接下來，我們定義一個網絡搜索智能體，它將使用上述函數，我們還在下面為這個智能體指定了指令：

第1行：我們指定角色。

第6-11行：我們定義了一個來自 OpenAI Swarm 的 Agent 類的對象，指定上述函數、指令和 LLM（大語言模型）。

第三、網絡過濾智能體2 架構設計和代碼實現

智能體1 返回的結果可能會相當混亂，并且可能包含很多不相關的信息。我們需要另一個智能體來篩選出合適的信息。

和智能體1一樣，我們再定義一個 Agent 類的另一個對象，并且傳遞指令：

第四、寫作智能體3 架構設計和代碼實現

最后，我們創建另一個智能體3，它接收上面篩選過的結果并起草一篇文章。

第五、多智能體架構和代碼實現整合

雖然我們已經定義了上述三個智能體，但多智能體應用并不知道這些智能體應該按什么順序運行，以及誰的輸出應該傳遞給下一個智能體。

因此，我們需要在一個工作流程中把它們串聯起來。

為了簡單起見，我們一步一步來做。

首先，我們將用戶查詢傳遞給網絡搜索智能體1，它生成原始響應：

接下來，我們將原始響應傳遞給網絡過濾智能體2：

最后，我們將篩選后的結果傳遞給寫作智能體3：

run_worwflow(query) 運行工作流程方法的完整代碼如下：

執行運行工作流程方法會生成預期的輸出，如下圖所示：

當然，我們本文沒有涉及 Streamlit 前端部分，完整的代碼已放在 Github 上。

第六、多智能體應用案例完整代碼獲取地址：

??https://github.com/patchy631/ai-engineering-hub/tree/main??

本文轉載自??玄姐聊AGI??  作者：玄姐