近日OpenAI研究团队开源发布了多功能协同AI Agent：Swarm。它是一个实验性质的多智能体编排框架，主打的就是工效与轻量。
Swarm与普通AI Agent不同，它可以同时创建多个智能体互相协同工作来完成特定任务，包括客户服务、销售支持和售后服务等，同时每个智能体都配备了一套专属工具集以更高效的完成任务。
Swarm介绍
Swarm是轻量级、可扩展且高度可定制的，最适合处理存在大量独立功能和指令的情况。开发人员可以在Swarm中定义Python函数作为智能体可调用的工具，这些函数被转换成符合OpenAI API要求的格式，可以在对话过程中由模型自动调用以执行实际任务。
Swarm的强大不仅体现在工具的调用上，还能根据用户的输入动态地决定哪个智能体最适合当前情境，并将对话转移给该智能体。这种高效方法确保了每次交互都是由最合适的专家来处理。当智能体需要使用某个工具时，Swarm提供了一个执行循环来处理这些工具调用，包括获取来自用户的输入、调用适当的工具、接收结果并基于此生成新的响应，直到没有更多的工具调用为止。此外Swarm采用了模块化设计使其具有极高的灵活性和扩展性，可以快速添加新的代理、修改现有用例或引入额外的功能，可以轻松随时更改其变化适应不同的环境。
Swarm通过自然语言就能构建的智能体，没有任何编程经验的用户也能使用，整体性能非常强。
Swarm服务展示
定义两个函数execute_refund和look_up_item，可以把它称为客户服务常规操作、智能体、助手等。
为了执行常规操作，可以先实现一个简单的循环：
- 获取用户输入。
- 将用户消息添加到messages列表。
- 调用模型，这里使用的是GPT-4o-mini。
- 将模型响应添加到messages列表。
这个循环里缺少函数调用，所以需要添加。模型要求函数被格式化为函数模式。为了方便，可以定义一个辅助函数，将Python函数转换为相应的函数模式。
现在可以使用这个函数来传递工具了。
当大模型调用一个工具时，我们需要执行相应的函数并将结果返回给模型。可以通过将工具名称映射到Python函数的tool_map来实现这一点，然后在execute_tool_call中查找并调用，再将结果添加到对话中。
