Uso de OpenAI Swarm en Python: una guía paso a paso
LaunchFast Logo LaunchFast

Uso de OpenAI Swarm en Python: una guía paso a paso

Rishi Raj Jain
Using OpenAI Swarm in Python

En este tutorial, aprenderá cómo configurar y usar OpenAI Swarm en Python para crear un sistema multiagente. El tutorial cubrirá la configuración del entorno y el uso básico del marco OpenAI Swarm.

Kits de inicio de alta calidad con flujo de autenticación integrada (Auth.js), carga de objetos (AWS, Clouflare R2, Firebase Storage, Supabase Storage), pagos integrados (Stripe, LemonSqueezy), flujo de verificación de correo electrónico (Resend, Postmark, Sendgrid) y mucho más . Compatible con cualquier base de datos (Redis, Postgres, MongoDB, SQLite, Firestore).

¿Pero qué puedo hacer con OpenAI Swarm?

Con Firecrawl y OpenAI Swarm, un sistema multiagente podría rastrear Internet y responder a los precios de los kits de inicio LaunchFast en formato JSON. x1F4A5;

Requisitos previos

Necesitará lo siguiente:

Tabla de contenido

Configurar un nuevo entorno virtual

Terminal window
# Create a new directory for your project
mkdir openai-swarm-tutorial
# Navigate to the project directory
cd openai-swarm-tutorial
# Create a new virtual environment
python -m venv venv
# Activate the virtual environment
## On Windows:
venv\Scripts\activate
## On macOS and Linux:
source venv/bin/activate

Definir dependencias

Cree un archivo requirementstxt en el directorio del proyecto con las siguientes dependencias:

Terminal window
git+https://github.com/openai/swarm.git
python-dotenv

Instalar las dependencias

Instale las dependencias usando pip:

Terminal window
pip install -r requirements.txt

Definir variables de entorno

Cree un archivo env en el directorio del proyecto con lo siguiente:

Terminal window
OPENAI_API_KEY="your_api_key_here"

Reemplace your_api_key_here con su clave API OpenAI real

Crea un script de Python para usar OpenAI Swarm

Cree el script principal appy con el siguiente código:

from dotenv import load_dotenv
from swarm import Agent, Swarm
# Load environment variables
load_dotenv()
# Initialize the Swarm client
client = Swarm()
def transfer_to_agent_b():
return agent_b
# Define Agent A
agent_a = Agent(
name="Agent A",
instructions="You are a helpful agent.",
functions=[transfer_to_agent_b],
)
# Define Agent B
agent_b = Agent(
name="Agent B",
instructions="Only speak in Haikus.",
)
# Run the Swarm with Agent A
response = client.run(
agent=agent_a,
messages=[{"role": "user", "content": "I want to talk to agent B."}],
)
# Print the last message from the response
print(response.messages[-1]["content"])

Este script hace lo siguiente:

  • Importa los módulos necesarios y carga la variable de entorno OPENAI_API_KEY
  • Inicializa el cliente OpenAI Swarm
  • Define una función transfer_to_agent_b para cambiar al Agente B
  • Crea dos agentes: Agente A y Agente B con instrucciones específicas
  • Ejecuta el Swarm con el Agente A y un mensaje de usuario.
  • Imprime el último mensaje de la respuesta.

Ejecutar el script

Ejecute el script:

Terminal window
python app.py

Esto procesará el mensaje inicial con el Agente A, potencialmente lo transferirá al Agente B y mostrará el resultado.

Conclusión

Ahora ha aprendido cómo configurar y usar OpenAI Swarm para crear un sistema básico de múltiples agentes. Este ejemplo demuestra la definición del agente, la comunicación entre agentes y la ejecución básica de Swarm. Para ampliar esto, considere agregar más agentes, implementar una lógica de transferencia compleja, o explorar funciones avanzadas de Swarm como memoria o uso de herramientas

Si tiene alguna pregunta o comentario, no dude en comunicarse conmigo en Twitter

Learn More Consulta de Cloud Firestore con Astro en Cloudflare Workers
Consulta de Cloud Firestore con Astro en Cloudflare Workers April 25, 2025
Query de Redis con Astro en Cloudflare Workers
Query de Redis con Astro en Cloudflare Workers April 25, 2025
Cómo generar URLs pre-firmadas para Firebase Storage con Astro en Cloudflare Workers
Cómo generar URLs pre-firmadas para Firebase Storage con Astro en Cloudflare Workers April 24, 2025