现在社会已形成了一种共识：仅凭通过Prompt操纵模型来完成所有任务是不现实的，这种做法既不经济也不高效。特别是在涉及行业深度知识及业务流程的场景中，单纯依赖模型可能会遭遇诸多挑战。编程可能是一个更为有效的方式，也更符合业务过程透明化的需求。
现实世界中的复杂业务过程往往难以通过单一的Agent完成。但如果将其拆分成不同的Agent进行分工协作，就会变得相对简单许多。这也是当前多Agent系统开始盛行的原因之一。多Agent系统的协调问题是一大难点。比如早期的很多框架采用的顺序执行就是一种简单的协调策略。
近日，模型服务商领头羊OpenAI也面临同样的问题。为解决这一问题，OpenAI解决方案团队推出了一个开源项目——swarm，该项目旨在构建、编排和部署多Agent系统。swarm特别适合于处理大量独立功能和指令的场景，这些指令难以编码到单个prompt中。相较于OpenAI的其他黑盒接口，swarm更注重白盒化使用，能精细控制上下文、流程、工具调用等。并且，swarm在客户端运行，几乎不会存储状态信息。
swarm的实现其实非常直观和简洁。它只采用两种原始抽象：Agent和Handsoff（交接）概念。用不到300行代码就能实现核心功能（可能这也是作为实验项目的原因之一）。每个Agent包含instructions和tools，并且可以在任何时候选择将对话权交给另一个Agent。就像一个蜜蜂一样，每个个体都能各司其职，协同工作，最终完成复杂的任务。
下面是一个简单的示例来介绍swarm的使用方式：有两个Agent，一个只会说英语，另一个只会说西班牙语。当遇到说西班牙语的用户时，英语Agent会将任务转交给西班牙语Agent来完成。
相较于其他MultiAgent框架，swarm显得更为简单和轻量级，非常适合快速原型开发。但在特性完整性和成熟度方面，其他框架如AutoGen、CrewAI和Langraph可能更具优势。不过值得注意的是，swarm在设计上的简洁性和抽象巧妙性可能会使其在未来快速发展。正如其官方所言，学习曲线更加平缓。但也需谨慎对待，避免过度炒作。该开发团队也一再声明，这只是一个示例性demo，用于展示设计理念，并不适用于生产环境，也不会提供官方支持。
