How do I save and continue conversations?

To persist conversations between application restarts, implement callbacks that save and load the full message history from a local file. For example, define your callback functions: ```python import os, json def load_threads(chat_id: str) -> list[dict]: """Load all threads data for a specific chat session.""" if os.path.exists(f"{chat_id}_threads.json"): with open(f"{chat_id}_threads.json", "r") as file: return json.load(file) return [] def save_threads(thread_dict: list[dict], chat_id: str): """Save all threads data to file.""" with open(f"{chat_id}_threads.json", "w") as file: json.dump(thread_dict, file) ``` Then pass these callbacks when initializing the agency: ```python from agency_swarm import Agency agency = Agency( agent, load_threads_callback=lambda: load_threads(chat_id), save_threads_callback=lambda thread_dict: save_threads(thread_dict, chat_id), ) ``` This setup preserves your conversation context between runs.

Can I use open source models with Agency Swarm?

Yes—you can use third‑party models for simple, non‑mission‑critical tasks (usually one or two tools per agent). See the Third‑Party Models documentation for more information. Keep in mind that many third‑party models currently struggle with function calling.

How do I set my OpenAI API key in my project?

Set your API key in your code: ```python from agency_swarm import set_openai_key set_openai_key("YOUR_API_KEY") ``` Or use a .env file: ``` OPENAI_API_KEY=sk-1234... ``` Then load it with: ```python from dotenv import load_dotenv load_dotenv() ```

Agency SwarmΈνα ανοικτό framework παραγγελίας.agent που σχεδιάστηκε για να αυτοματοποιήσει και να ροηmatόποιήσει τις διαδικασίες ανάπτυξης AI μέσω συνεργατικών swarm.agent

4.6 (5)

Αξιολογήθηκε από Daniel Nikulshyn·Ενημερώθηκε Ιούλιος 2026

Open Source AI Agents Orchestration Framework Automation Multi-Agent Developer Tools

Επισκόπηση

Το Agency Swarm είναι ένα ανοιχτό framework που κατασκευάζεται πάνω στο SDK και την API Απαντήσεων της OpenAI. Προσφέρει ένα δομημένο και έτοιμο για παραγωγή περιβάλλον για την δημιουργία εφαρμογών πολλαπλών πρακτόρων. Οι βασικές функциές του περιλαμβάνουν προσωποποιήσιμους ρόλους πρακτόρων, την ικανότητα να χειρίζεται διαφορετικά backends μοντέλων (π.χ., τα μοντέλα της οικογένειας GPT της OpenAI, Anthropic, το Gemini της Google, το OpenRouter της Azure και自製 εργαλεία LiteLLM, ενεργοποιημένα από τον διακοσμιτή @function_tool (συνιστάται) ή από τη διάταση του αντικειμένου BaseTool. Ένας βασικόςประโยชนός της αρχιτεκτονικής του Agency Swarm είναι η σταθερότητά του και σε περιβάλλοντα Python και Linux. Η εγκατάσταση είναι απλή με την τυπική εντολή pip install agency-swarm. Η περιγραφή πρέπει να εξηγήσει το Agency Swarm ως ένα ανοιχτού κώδικα εργαλείο που χτίζεται πάνω στη βάση του OpenAI Agents SDK και των Responses API. Το Agency Swarm είναι ένα ανοιχτό toolkit AI που βοηθά τους développers να δημιουργούν εφαρμογές multi-agent για την ανάπτυξη πραγματικού AI. Κλειδί Χαρακτηριστικά: - Αυтомατικά δημιουργημένα εργαλεία CLI: Ανακαλύψτε το REST API της εφαρμογής σας για εύκολη πρόσβαση σε βασικές υπηρεσίες και αύξηση της производικότητας. - Προσαρμόσιμες ρόλοι agent: Μπορείτε εύκολα να καθορίσετε συγκεκριμένες λειτουργίες και επίπεδα разрешений για κάθε ρόλο agent, για αυξημένη προσαρμοστικότητα στην εφαρμογή σας. - Πλήρης Υλοποίηση Στρωμάτων: Το Agency Swarm είναι πλήρης στοίβα για Python μόνο. Nếu είστε σε Linux, σκεφτείτε το ως πλήρη υλοποίηση στρώματος χωρίς κανένα περιορισμό λόγω της τυπικής βιβλιοθήκης Python. Πλεονεκτήματα: 1. Σταθερότητα σε περιβάλλοντα Python/Linux 2. Εύκολη ενσωμάτωση με την εφαρμογή σας 3. Συνθέσιμα και εύχρηστα εργαλεία CLI 4. Προσαρμόσιμες Ρόλοι Πράκτορα Μειονεκτήματα: 1. Περιορισμοί Συμβατότητας Μοντέλου Γλώσσας (Προσωπικοί chatbots: GPT-3, κ.λπ.) N/A 2. Απαιτήσεις Περιβάλλοντος Ανάπτυξης N/A 3. Περιορισμένη Υποστήριξη_BACKEND Μοντέλου N/A 4. Βασικό Interface Χρήστη N/A 5. Ικανότητες Μάθησης N/A 6. Ενοποίηση Funktion N/A 7. Διεργασία Τεκμηρίωσης N/A 8. Ικανότητες Μαχανικού Μάθησης AI: N/A 9. Προηγμένη Διαχείριση Ροής Διαλόγου N/A 10. Πολυστρώματα Εφαρμογές N/A 11. Συγχρόνευση Εκτέλεση N/A 12. Πρόσβαση στην Κατάσταση Εφαρμογής N/A 13. Αυτόματη Ανάπτυξη N/A 14. Προηγμένη Εκτέλεση Καθηκόντων N/A 15. Τύποι Προσαρμοσμένων Πρακτόρων N/A 16. Υποστήριξη Μεγάλου Μοντέλου Γλώσσας N/A 17. Λειτουργεί σε Python ↻ N/A 18. Πλήρης Έλεγχος N/A 19. Μέτρηση Απόδοσης N/A 20. Προσφορά Τοπικών Περιβάλλων Εργασίας N/A 21. Ενοποίηση με το OpenALink: Ένα πλαίσιο ανάπτυξης ιστοσελίδων για εφαρμογές Python 22. Συνεργασία με Πρακτόρες AI σε ένα.project 23. Ερμηνεία 24. Giám sát N/A 25. Πλήρης Ένταξη Κώδικα Πηγής N/A 26. Κλιμακωτότητα N/A 27. Χαμηλή Απόδοση N/A Μειονεκτήματα:

Βασικές λειτουργίες

Προσαρμόσιμες Ρόλοι Agent
Πλήρης Έλεγχος sobre τα Prompts / Οδηγίες
Εργαλεία για ανάπτυξη με τύπο ασφαλείας
Συντονισμένη Επικοινωνία Agent
Ελαστική διατήρηση κατάστασης
Διαχείριση πολλαπλών agent
Ορχήστρα πολλαπλών agent

Τιμές

Μοντέλο: Free
Κατηγορία: Πλαίσιο Ανάπτυξης Υποκειμενικών Γραμμάτων
Βαθμολογία: 4.6 / 5 (5)

Περιπτώσεις χρήσης

Αυτόματη ανάπτυξη ροης εργασιών AI

Χρησιμοποιήστε συνεργατικά swarms agent για να ροηματοποιήσετε επαναλαμβανόμενες εργασίες ανάπτυξης AI, επιταχύνοντας τον προτύπο και μειώνοντας το χειροκίνητο φορτίο κώδικα.

Κατασκευή εφαρμογών πολλαπλών agent

Εξαλείψτε το ανοικτό framework για να σχεδιάσετε και να αναπτύξετε συστήματα όπου πολλά εξειδικευμένα AI agent συντονίζονται για να λύσουν σύνθετα προβλήματα.

Συντονισμός ανάθεσης εργασιών σε agents

Συντονίσετε την ανάθεση ρόλων.agent που αναθέτουν sub-εργασίες μεταξύ τους, μιμούμενος μια εικονική δομή για την ολοκλήρωση του project.

Πειραματισμός με συνεργατικά πρότυπα agent

Ερευνητές και dévelopers μπορούν να προtypoποιηθούν και να δοκιμάσουν διαφορετικές στρατηγικές επικοινωνίας και συνεργασίας agent μέσα σε ένα ελαστικό ανοικτό περιβάλλον.

Υπέρ και κατά

Υπέρ

Σταθερότητα σε περιβάλλοντα Python/Linux
μειονεκτήματα
:
Περιορισμοί μοντέλου γλώσσας,Περιορισμένη υποστήριξη back-end πρακτόρων,Χωρίς διεπαφή χρήστη,Χωρίς επεξεργασία διαδραστικού διαλόγου,Χωρίς μεγάλα μοντέλα γλώσσας,Κακή υλοποίηση,Χωρίς πλήρη παρακολούθηση συμφραζομένων,Χωρίς προσαρμοσμένους τύπους πρακτόρων,Καλή για έργα σε Python,Χωρίς ενσωμάτωση Ope

Κατά

Περιορισμοί Μοντέλου Γλώσσας
Περιορισμένη υποστήριξη για back-end agent
Χωρίς διεπαφή χρήστη
Χωρίς επεξεργασία διαλόγου σε πραγματικό χρόνο
Χωρίς μεγάλες langue μοντέλα
Κακή ανάπτυξη
Χωρίς πλήρη παρακολούθηση περιεχομένου
Χωρίς προσαρμόσιμους Τύπους Agent
Καλό για projects σε Python
Χωρίς ολοκλήρωση OpenALink
Χωρίς συνεργασία με τα AI agent σε ένα project
Ερμηνευσιμότητα
Χωρίς παρακολούθηση
Χωρίς πλήρη ολοκλήρωση πηγαίου κώδικα
Χωρίς AI agent σε ένα project
Χωρίς αναβαθμισσιμότητα
Χωρίς παρακολούθηση
Χωρίς διαφάνεια
Χωρίς αναβαθμισσιμότητα

Ρεκόρ μαχών

Σε 1 μάχη στο Πάνθεον.

1ος

2ος

3ος

Last battle

#7
AI Agent Development Frameworks Showdown — July 19, 2024
Jul 19, 2024 · #7 of 7

Κριτικές

4.6

Μέσος όρος από 5 βαθμολογίες.

Σύνδεση για κριτική.

Liam O’Connor

May 26, 2026

Solid for our team

We rolled this out across the team last quarter and support is responsive. The dashboard fits neatly into how we already work, and the dashboard removed a step we used to do by hand. but it has held up under daily use.

Devin Walker

Mar 20, 2026

Solid for our team

We rolled this out across the team last quarter and support is responsive. The dashboard fits neatly into how we already work, and the core workflow removed a step we used to do by hand. but it has held up under daily use.

Grace Okafor

Feb 5, 2026

Compared a few options

Evaluated this against two competitors. Where it wins: the integrations and it saves real time. On balance the feature set — especially the dashboard — justifies the 5 stars for our use case.

Pierre Dubois

Nov 6, 2025

Skeptical, then convinced

I went in skeptical — most tools in this space overpromise. It actually delivers on the automation, and it is genuinely easy to set up caught me off guard. The docs could be deeper is why this isn't a perfect score, still, I'd recommend giving it a real trial.

Fatima Zahra

Jun 3, 2025

Years in this space

I've evaluated a lot of these over the years. What stands out here is the API — handled better than most — and it is genuinely easy to set up. A few rough edges remain is my one real gripe. Worth the time if this is your use case.

Ερωτήσεις

How do I deploy my agency to production?

Build a dedicated API backend (FastAPI is recommended) that manages authentication and persists thread state using callbacks. See the Deployment to Production guide for detailed steps.

Asked by Celia Ramirez · Nov 23, 2025

How can I serve an Agency as an API using FastAPI?

Embed your agency within a FastAPI endpoint: ```python from fastapi import FastAPI from uuid import uuid4 app = FastAPI() @app.post("/chat") async def chat(user_request: UserRequest): chat_id = user_request.chat_id or str(uuid4()) agency = Agency( agent, load_threads_callback=lambda: load_threads(chat_id), save_threads_callback=lambda thread_dict: save_threads(thread_dict, chat_id) ) response = await agency.get_response(user_request.message) return {"chat_id": chat_id, "response": response.final_output} ``` Or use the built‑in FastAPI integration: ```python agency.run_fastapi(host="0.0.0.0", port=8000) ```

Asked by Camille Laurent · Nov 17, 2025

Why is the CodeInterpreter tool automatically added?

When file types like .json, .docx, or .pptx are uploaded, the CodeInterpreter tool is auto‑added to process them. To change this behavior, update the agent’s instructions or create a custom file‑handling tool.

Asked by Tomáš Novák · Oct 23, 2025

How can I transfer data between tools and agents?

There are two ways to transfer data between tools and agents: use the agency context inside your tools, or create a tool that uploads files to storage and outputs a file ID. The file ID can then be used by other tools or agents.

Asked by Joanna Kowalski · Oct 20, 2025

How do I manage multiple users with Agency Swarm?

To support multiple users or chats, you need to load and save thread IDs in your database for each user. Ensure each chat/user has a unique thread ID and follow the Deployment to Production guide for more details.

Asked by Salome Beridze · Oct 6, 2025