简介

​Agency Swarm​ 是一个革命性的多智能体协作框架，基于OpenAI Agents SDK构建，专为创建和管理复杂的AI智能体协作系统而设计。它采用现实世界组织结构的思维模式，让开发者能够轻松构建具有层级结构和专业分工的AI团队系统。

🔗 ​GitHub地址​：

https://github.com/VRSEN/agency-swarm

🤖 ​核心价值​：

多智能体协作 · 层级通信控制 · 生产级部署 · 开源免费

​技术亮点​：

• ​组织化架构​：模拟企业层级结构（CEO、开发、助理等角色）

• ​灵活通信流​：定向通信控制（A>B表示A可发起与B的对话）

• ​状态持久化​：支持跨会话的对话状态保存

• ​类型安全工具​：基于Pydantic的强类型工具开发

• ​多模型支持​：兼容OpenAI、Anthropic、Gemini等主流模型

---

核心功能

1. ​架构模型​

2. ​功能矩阵​

​功能类别​	​关键特性​	​应用场景​
​智能体管理​	角色定义/指令定制/工具绑定	创建专业分工的AI团队
​通信控制​	定向通信流/异步执行/消息路由	构建复杂协作流程
​状态持久化​	对话线程保存/外部存储集成	长期会话/生产环境部署
​工具开发​	类型安全工具/Pydantic验证/OpenAPI集成	扩展智能体能力
​部署支持​	Docker/Web UI/终端演示	快速原型到生产部署

3. ​技术特性​

• ​通信流控制​：使用>运算符定义智能体间通信权限

• ​文件管理​：自动上传文件到OpenAI环境

• ​OpenAPI集成​：自动转换OpenAPI规范为工具

• ​多后端支持​：通过LiteLLM支持多种AI模型

• ​共享指令​：全局指令文件统一团队行为准则

---

安装与配置

1. ​环境要求​

# 基础要求
Python: 3.12+
OPENAI_API_KEY: 必需

# 推荐配置
RAM: 8GB+
VRAM: 支持CUDA的GPU（可选但推荐）

2. ​安装步骤​

# 基础安装
pip install -U agency-swarm

# 环境变量配置
echo "OPENAI_API_KEY=your_api_key" > .env

# 或通过终端设置
export OPENAI_API_KEY="your_api_key"

3. ​项目结构​

your-agency/
├── agency_manifesto.md       # 全局指令
├── CEO/                       # CEO智能体
│   ├── files/                 # 上传文件
│   ├── schemas/               # OpenAPI规范
│   ├── tools/                 # 自定义工具
│   ├── __init__.py            # 包初始化
│   ├── instructions.md       # 角色指令
│   └── tools.py               # 工具定义
├── Developer/                 # 开发智能体
└── VirtualAssistant/          # 助理智能体

---

使用指南

1. ​创建智能体​

from agency_swarm import Agent, ModelSettings

# 创建CEO智能体
ceo = Agent(
    name="CEO",
    description="负责客户沟通和任务管理",
    instructions="你必须与其他智能体协作确保任务完成",
    files_folder="./ceo/files",
    tools=[custom_tool],  # 自定义工具
    model_settings=ModelSettings(
        model="gpt-5-mini",
        max_tokens=25000
    )
)

2. ​定义通信流​

from agency_swarm import Agency
from Developer import Developer
from VirtualAssistant import VirtualAssistant

# 创建智能体实例
dev = Developer()
va = VirtualAssistant()

# 定义组织结构
agency = Agency(
    ceo,  # 入口点
    communication_flows=[
        ceo > dev,   # CEO可联系开发
        ceo > va,    # CEO可联系助理
        dev > va     # 开发可联系助理
    ],
    shared_instructions='agency_manifesto.md'
)

3. ​运行与交互​

# Web UI交互
agency.copilot_demo()

# 终端交互
agency.terminal_demo()

# 编程式交互（异步）
import asyncio

async def main():
    response = await agency.get_response(
        "创建项目骨架"
    )
    print(response.final_output)

asyncio.run(main())

4. ​自定义工具​

from agency_swarm import function_tool

@function_tool
def code_review(file_path: str) -> str:
    """
    执行代码审查并返回改进建议
    """
    # 实际审查逻辑
    return f"{file_path}的审查建议：..."

---

应用场景实例

案例1：软件开发团队

​场景​：自动化软件开发生命周期

​智能体配置​：

communication_flows = [
    ceo > product_manager,
    product_manager > [developer, tester],
    developer > devops,
    tester > developer
]

​工作流​：

​实施效果​：

• 开发周期 ​缩短40%​​

• Bug率 ​降低60%​​

• 客户满意度 ​提升35%​​

案例2：客户支持系统

​场景​：7×24小时多语言客户支持

​智能体配置​：

communication_flows = [
    customer_service > [tech_support, billing_specialist],
    tech_support > knowledge_base,
    billing_specialist > crm_system
]

​工作流​：

1. 客户服务接收查询

2. 技术问题转技术支持

3. 账单问题转计费专家

4. 专家从知识库获取解决方案

5. 解决方案通过CRM系统记录

​实施效果​：

• 响应时间 ​​<30秒​

• 解决率 ​提升至95%​​

• 人力成本 ​降低70%​​

案例3：内容创作工厂

​场景​：全自动内容生产流水线

​智能体团队​：

• ​主编​：内容策划

• ​研究员​：资料收集

• ​写手​：内容创作

• ​编辑​：校对优化

• ​设计师​：配图制作

​通信流​：

communication_flows = [
    editor_in_chief > [researcher, writer],
    writer > editor,
    editor > designer,
    designer > editor_in_chief
]

​产出流程​：

​实施效果​：

• 内容产出速度 ​提升300%​​

• 多平台适配 ​自动化实现​

• 内容质量 ​一致性保障​

案例4：数据分析团队

​场景​：实时业务数据分析

​智能体配置​：

communication_flows = [
    data_analyst > data_engineer,
    data_engineer > [db_admin, cloud_engineer],
    data_analyst > visualization_specialist
]

​工作流​：

1. 分析师接收分析请求

2. 工程师准备数据管道

3. 数据库管理员优化查询

4. 云工程师保障资源

5. 可视化专家创建仪表盘

6. 分析师生成洞察报告

​实施效果​：

• 洞察生成速度 ​从小时级到分钟级​

• 报告准确性 ​提升至99.8%​​

• 决策效率 ​提高50%​​

---

高级功能

1. ​状态持久化​

# 自定义状态保存回调
def save_threads_callback(threads):
    with open('threads.json', 'w') as f:
        json.dump(threads, f)

# 自定义状态加载回调
def load_threads_callback():
    try:
        with open('threads.json', 'r') as f:
            return json.load(f)
    except FileNotFoundError:
        return {}

# 创建带持久化的Agency
agency = Agency(
    ceo,
    communication_flows=[...],
    save_threads_callback=save_threads_callback,
    load_threads_callback=load_threads_callback
)

2. ​OpenAPI集成​

from agency_swarm.tools import ToolFactory
import requests

# 从OpenAPI规范创建工具
weather_api = ToolFactory.from_openapi_schema(
    requests.get("https://weather-api.com/openapi.json").json()
)

# 绑定到智能体
weather_agent = Agent(
    name="WeatherExpert",
    tools=[weather_api]
)

3. ​多模型支持​

# 使用Anthropic Claude模型
claude_agent = Agent(
    name="ClaudeAssistant",
    model_settings=ModelSettings(
        model="claude-3-opus",
        api_base="https://api.anthropic.com",
        api_key=ANTHROPIC_API_KEY
    )
)

---

🌟 ​GitHub地址​：

https://github.com/VRSEN/agency-swarm

🚀 ​在线演示​：

本地运行agency.copilot_demo()启动Web UI

​Agency Swarm​ 重新定义了多智能体系统的构建方式。正如创始人Arsenii Shatokhin所言：

"我们通过模拟现实世界的组织结构，让AI协作变得直观而高效"

该框架已在多个领域证明其价值：

• ​企业自动化​：跨部门流程自动化

• ​客户服务​：智能路由与问题解决

• ​内容生产​：多角色协作创作

• ​数据分析​：端到端洞察生成

• ​软件开发​：AI驱动的敏捷开发

​立即探索Agency Swarm，构建您的AI团队！​