kyegomez/swarms

Swarms 官网   •   文档   •   Swarms 市场

概述

Swarms，企业级生产就绪的多智能体编排框架

Swarms 是目前市面上最可靠、可扩展且具备自适应能力的多智能体编排框架。我们提供了一套完整的生产就绪型预构建多智能体架构，包括顺序执行、并发执行和层级系统。此外，Swarms 还提供与主流智能体框架的向后兼容性，并支持与 MCP、x402、Skills 等协议的互操作性。

安装

使用 pip

$ pip3 install -U swarms

使用 uv (推荐)

uv 是一个由 Rust 编写的高性能 Python 包安装程序和解析器。

$ uv pip install swarms

使用 poetry

$ poetry add swarms

从源码安装

# 克隆仓库
$ git clone https://github.com/kyegomez/swarms.git
$ cd swarms
$ pip install -r requirements.txt

---

环境配置

在此了解更多关于环境配置的信息

OPENAI_API_KEY=""
WORKSPACE_DIR="agent_workspace"
ANTHROPIC_API_KEY=""
GROQ_API_KEY=""

你的第一个智能体 (Agent)

Agent 是 Swarm 的基本构建块——一个由 LLM + 工具 + 记忆组成的自主实体。点击此处了解更多

from swarms import Agent

# 初始化一个新的智能体
agent = Agent(
    model_name="gpt-5.4", # 指定 LLM
    max_loops="auto",              # 设置交互次数
    interactive=True,         # 启用交互模式以获取实时反馈
)

# 使用智能体运行任务
agent.run("使用多智能体系统有哪些主要好处？")

设置 max_loops="auto" 的自主智能体

将 max_loops 设置为 "auto" 可以让智能体自行决定何时完成任务——它会持续进行推理和行动，直到达到终止条件，而不是在固定的迭代次数后停止。对于步骤无法预知的开放式多步骤任务，推荐使用此模式。

from swarms import Agent

agent = Agent(
    agent_name="Autonomous-Research-Agent",
    agent_description="一个独立进行多步骤研究的自主智能体。",
    system_prompt=(
        "你是一个自主研究智能体。将复杂任务拆解为若干步骤，彻底执行每一步，仅在整个任务完成后发出完成信号。"
    ),
    model_name="gpt-5.4",
    max_loops="auto",       # 智能体决定何时完成 — 无固定迭代上限
    autosave=True,
    verbose=True,
)

# 智能体会持续循环 — 规划、执行并反思 — 直到它认定任务完全完成。
result = agent.run(
    "研究量子计算的当前状态，确定前三大硬件方法，并总结每种方法面临的主要挑战。"
)
print(result)

何时使用 max_loops="auto"：

• 开放式的研究或分析任务
• 需要迭代优化的任务（例如：撰写 → 审查 → 修改）
• 任何步骤数量取决于中间结果的工作流

何时使用固定的 max_loops 值：

• 对延迟或成本敏感的生产管线
• 步骤定义明确且有限的任务

你的第一个 Swarm：多智能体协作

Swarm 由多个协同工作的智能体组成。下面这个简单的示例创建了一个包含两个智能体的工作流，用于调研并撰写博客文章。了解更多关于 SequentialWorkflow 的信息

from swarms import Agent, SequentialWorkflow

# 智能体 1：研究员
researcher = Agent(
    agent_name="Researcher",
    system_prompt="你的工作是调研给定的主题并提供详细的总结。",
    model_name="gpt-5.4",
)

# 智能体 2：撰稿人
writer = Agent(
    agent_name="Writer",
    system_prompt="你的工作是获取研究总结，并撰写一篇优美、引人入胜的博客文章。",
    model_name="gpt-5.4",
)

# 创建一个顺序工作流，研究员的输出将作为撰稿人的输入
workflow = SequentialWorkflow(agents=[researcher, writer])

# 在任务上运行工作流
final_post = workflow.run("人工智能的历史与未来")
print(final_post)

---

可用的多智能体架构

swarms 提供了多种强大的预构建多智能体架构，使你能够以各种方式编排智能体。针对你的具体问题选择合适的结构，以构建高效且可靠的生产系统。

架构	描述	最佳适用场景