Question 1

Wie setze ich meine Agency in die Produktion?

Accepted Answer

Erstelle ein dediziertes API‑Backend (FastAPI wird empfohlen), das die Authentifizierung verwaltet und den Thread‑State über Callbacks persistiert. Siehe den Leitfaden „Deployment to Production“ für detaillierte Schritte.

Question 2

Wie kann ich eine Agency als API mit FastAPI bereitstellen?

Accepted Answer

Binden Sie Ihre Agency in einen FastAPI‑Endpoint ein:
```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}
```
Oder nutzen Sie die integrierte FastAPI‑Integration:
```python
agency.run_fastapi(host="0.0.0.0", port=8000)
```

Question 3

Warum wird das CodeInterpreter‑Tool automatisch hinzugefügt?

Accepted Answer

Wenn Dateitypen wie .json, .docx oder .pptx hochgeladen werden, wird das CodeInterpreter‑Tool automatisch hinzugefügt, um sie zu verarbeiten. Um dieses Verhalten zu ändern, passen Sie die Anweisungen des Agenten an oder erstellen Sie ein benutzerdefiniertes Dateiverarbeitungs‑Tool.

Question 4

Wie kann ich Daten zwischen Tools und Agenten übertragen?

Accepted Answer

Es gibt zwei Möglichkeiten, Daten zwischen Tools und Agenten zu übertragen: Verwenden Sie den Agentur‑Kontext innerhalb Ihrer Tools oder erstellen Sie ein Tool, das Dateien in einen Speicher hochlädt und eine Datei‑ID zurückgibt. Die Datei‑ID kann anschließend von anderen Tools oder Agenten genutzt werden.

Question 5

Wie verwalte ich mehrere Benutzer mit Agency Swarm?

Accepted Answer

Um mehrere Benutzer oder Chats zu unterstützen, müssen Sie die Thread‑IDs in Ihrer Datenbank für jeden Benutzer speichern und laden. Stellen Sie sicher, dass jeder Chat/Benutzer eine eindeutige Thread‑ID hat, und folgen Sie dem Leitfaden „Deployment to Production“ für weitere Details.

Question 6

Wie speichere ich Gespräche und setze sie fort?

Accepted Answer

Um Gespräche über Neustarts der Anwendung hinweg zu erhalten, implementieren Sie Callbacks, die den gesamten Nachrichtenverlauf in einer lokalen Datei speichern und laden. Beispielsweise können Sie Ihre Callback‑Funktionen so definieren:
```python
import os, json

def load_threads(chat_id: str) -> list[dict]:
    """Lädt alle Thread‑Daten für eine bestimmte Chatsitzung."""
    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):
    """Speichert alle Thread‑Daten in einer Datei."""
    with open(f"{chat_id}_threads.json", "w") as file:
        json.dump(thread_dict, file)
```
Anschließend übergeben Sie diese Callbacks beim Initialisieren der 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),
)
```
Dieses Setup bewahrt den Gesprächskontext zwischen den Ausführungen.

Question 7

Kann ich Open‑Source‑Modelle mit Agency Swarm nutzen?

Accepted Answer

Ja – Sie können Drittanbieter‑Modelle für einfache, nicht geschäftskritische Aufgaben verwenden (in der Regel ein bis zwei Tools pro Agent). Siehe die Dokumentation zu Drittanbieter‑Modellen für weitere Informationen. Beachten Sie, dass viele Drittanbieter‑Modelle derzeit Probleme mit Function Calling haben.

Question 8

Wie setze ich meinen OpenAI API‑Key in meinem Projekt?

Accepted Answer

Setzen Sie Ihren API‑Key im Code:
```python
from agency_swarm import set_openai_key
set_openai_key("YOUR_API_KEY")
```
Oder verwenden Sie eine .env‑Datei:
```text
OPENAI_API_KEY=sk-1234...
```
Laden Sie sie anschließend mit:
```python
from dotenv import load_dotenv
load_dotenv()
```

Agency SwarmEin Open‑Source‑Framework zur KI-Agenten-Orchestrierung, das darauf ausgelegt ist, KI‑Entwicklungsprozesse durch kollaborative Agentenschwärme zu automatisieren und zu optimieren.

Übersicht

Hauptfunktionen

Preise

Anwendungsfälle

Automatisierung von KI-Entwicklungs-Workflows

Entwicklung von Multi-Agenten-Anwendungen

Koordination von Aufgabendelegation zwischen Agenten

Experimentieren Sie mit Agenten‑Kollaborationsmustern

Pro & Contra

Pro

Contra

Schlacht-Bilanz

Last battle

Bewertungen

Solid for our team

Solid for our team

Compared a few options

Skeptical, then convinced

Years in this space

Fragen & Antworten

Frage stellen

Alternativen zu Entwicklungsrahmen für künstliche Intelligenz-Aggregate

Übersicht

Hauptfunktionen

Preise

Anwendungsfälle

Automatisierung von KI-Entwicklungs-Workflows

Entwicklung von Multi-Agenten-Anwendungen

Koordination von Aufgabendelegation zwischen Agenten

Experimentieren Sie mit Agenten‑Kollaborationsmustern

Pro & Contra

Pro

Contra

Schlacht-Bilanz

Last battle

Bewertungen

Solid for our team

Solid for our team

Compared a few options

Skeptical, then convinced

Years in this space

Fragen & Antworten

Frage stellen

Alternativen zu Entwicklungsrahmen für künstliche Intelligenz-Aggregate

Trending now