Hvordan lagrer og fortsatte jeg samtaler?

For å bevare samtaler mellom restart av programmet, implementer callbacks som lagrer og laster opp hele meldingshistorikken fra en lokal fil. Eksempelvis definér du dine callback-funksjoner: ```python import os, json def load_threads(chat_id: str) -> list[dict]:

Kan jeg bruke åpne kildeløsningsmodeller med Agency Swarm?

Ja – du kan bruke tredjepartsmodeller for simple, ikke kritiske oppgaver (vanligvis én eller to redskaper per agent). Se Third‑Party Models-dokumentasjonen for mer informasjon. Tenk på at mange tredjepartsmodeller står dårlig til å styre funksjoner nå.

Hvordan setter jeg min OpenAI API-nyttelser i mitt prosjekt?

Sett nyttelser inn i koden dine: ```python fra agency_swarm import set_openai_key set_openai_key("VÅR_API_NYTTELSE") ``` Eller bruk en .env-fil: ``` OPENAI_API_NYTTELSE=sk-1234... ``` Og last den så inn med: ```python fra dotenv import load_dotenv load_dotenv() ```

Agency SwarmEt åpen kildekode‑rammeverk for orkestrering av AI‑agenter designet for å automatisere og effektivisere AI‑utviklingsprosesser gjennom samarbeidsbaserte agent‑swarmer.

4.6 (5)

Anmeldt av Daniel Nikulshyn·Oppdatert juli 2026

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

Oversikt

Agency Swarm er et open-source-rammeverk som bygger på OpenAI Agents SDK og Responses API. Det tilbyr et strukturert og produksjonsklart miljø for å lage multi-agent applikasjoner. Hovedfunksjonene inkluderer tilpassbare agentroller, muligheten til å håndtere ulike modellbackends (f.eks. OpenAI’s GPT-familie-modeller, Anthropic, Google's Gemini, Azure’s OpenRouter og selvlagde LiteLLM-verktøy, aktivert av @function_tool-dekoratøren (anbefalt) eller ved utvidelse av BaseTool‑objektet). En viktig fordel med Agency Swarms arkitektur er stabiliteten både i Python og Linux‑miljøer. Installasjonen er enkel med standard pip‑kommandoen "pip install agency-swarm". Beskrivelsen skal forklare Agency Swarm som et åpen kildekodeverktøy som bygger på OpenAI Agents SDK og Responses API. Agency Swarm er et open-source AI-verktygsett som hjelper utviklere med å lage multi-agent-applikasjoner for reell AI-utvikling. Funksjoner: – Auto-genererte CLI‑verktøy: Oppdag applikasjonens REST API for enkel tilgang til kjerne‑tjenester og økt produktivitet. – Tilpassbare agent‑roller: Du kan enkelt bestemme spesifikke funksjoner og tillatelsesnivåer for hver agent‑rolle, for økt tilpasningsmulighet i applikasjonen din. – Full stack‑implementering: Agency Swarm er en full stack kun for Python. Hvis du bruker Linux, kan du tenke på det som en full stack‑implementering uten begrensninger på grunn av Python‑standardbiblioteket. Pros: 1. Stabilitet i Python/Linux-miljøer 2. Enkelt integrasjon med applikasjonen din 3. Komponerbare og brukervennlige CLI-verktøy 4. Tilpassede agentroller Ulemper: 1. Begrensninger i kompatibilitet med språkmodeller (personlige chatbots: GPT-3, osv.) N/A 2. Krav til utviklingsmiljø N/A 3. Begrenset støtte for modell-backend N/A 4. Grunnleggende brukergrensesnitt N/A 5. Læringskapasiteter N/A 6. Funksjonsintegrasjon N/A 7. Dokumentasjonsprosess N/A 8. Maskinlærings-AI-kapasiteter: N/A 9. Avansert dialogflytstyring N/A 10. Multilagede applikasjoner N/A 11. Samtidig utførelse N/A 12. Tilgang til applikasjonens tilstand N/A 13. Automatisk distribusjon N/A 14. Avansert oppgaveutførelse N/A 15. Egendefinerte agenttyper N/A 16. Støtte for store språkmodeller N/A 17. Fungerer i Python ↻ N/A 18. Full kontroll N/A 19. Ytelsesmåling N/A 20. Tilby lokale arbeidsområder N/A 21. Integrering med OpenALink: et webutviklingsrammeverk for Python-applikasjoner 22. Samarbeid med AI-agenter på et prosjekt 23. Tolkbarhet 24. Overvåking N/A 25. Full kildekodeintegrasjon N/A 26. Skalerbarhet N/A 27. Lav ytelse N/A Ulemper:

Nøkkelfunksjoner

Tilpassbare Agentroller
Full kontroll over prompts/instruksjoner
Type‑sikre verktøy for utvikling
Orkestrert agentkommunikasjon
Fleksibel tilstandspersistens
Multi-agent‑orkestrering

Priser

Modell: Free
Kategori: Tjenesteframeworker for utvikling av kunstig intelligens-agenter
Vurdering: 4.6 / 5 (5)

Brukstilfeller

Automatiser AI‑utviklingsarbeidsflyter

Bruk samarbeidsbaserte agent‑swarmer for å effektivisere repetitive AI‑utviklingsoppgaver, akselerere prototyping og redusere manuell koding.

Bygg Multi-agent‑applikasjoner

Utnytt det åpen kildekode‑rammeverket for å designe og distribuere systemer der flere spesialiserte AI‑agenter koordinerer for å løse komplekse problemer.

Orkestrer oppgavedelegasjon på tvers av agenter

Koordiner rollebaserte agenter som delegater oppgaver til hverandre, og etterligner en virtuell byråstruktur for end‑to‑end prosjektgjennomføring.

Eksperimenter med agent‑samarbeidsmønstre

Forskere og utviklere kan prototype og teste ulike agentkommunikasjons‑ og samarbeidsstrategier innenfor et fleksibelt åpen kildekode‑miljø.

Fordeler og ulemper

Fordeler

Stabilitet i Python/Linux-miljøer
God for prosjekter i Python
Pakkekoming: pip install agency-swarm
Aktivering på Raspberry Pi Foundation: ingen brukshemninger, dokumentasjon eller kodeeksempler

Ulemper

Språkmodellbegrensninger
Begrenset støtte for agent-backend
Ingen brukergrensesnitt
Ingen interaktiv dialogbehandling
Ingen store språkmodeller
Dårlig utrulling
Ingen full kontekstsporing
Ingen tilpassede agenttyper
Bra for prosjekter i Python
Ingen OpenALink‑integrasjon
Ingen samarbeid med AI‑agenter i et prosjekt
Tolkbarhet
Ingen overvåking
Ingen full kildekodeintegrasjon
Ingen AI‑agenter i et prosjekt
Ingen skalerbarhet
Ingen overvåking
Ingen gjennomsiktighet
Ingen skalerbarhet
Installasjon: pip install agency-swarm Aktivisering av Raspberry Pi Foundation – ingen brukstilfeller, dokumentasjon eller kodeeksempler.
Bratt læringskurve på grunn av dens komplekse funksjonalitet
Begrenset støtte for modeller som ikke er OpenAI
Krever betydelig oppsett og konfigurasjon for tilpasning

Kamprekord

I 1 kamp i Panteon.

Last battle

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

Anmeldelser

4.6

Gjennomsnitt fra 5 vurderinger.

Logg inn for å legge igjen en anmeldelse.

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.

Spørsmål

Hva gjør jeg for å deplikere min agent til produksjon?

Bygg en dedikert API -bakke (FastAPI er anbefalt) som håndterer autentifikasjon og påvirker trådstaten ved hjelp av tilbakekall. Se deployment til produksjonens guide for detaljerte skritt.

Asked by Celia Ramirez · Nov 23, 2025

Hvordan kan jeg tilby et Agency som en API med FastAPI?

Blekk inn din byrå inne i en FastAPI-endpoint: ```python from fastapi import FastAPI from uuid import uuid4 app = FastAPI() @app.post("/chat") asynchronous 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} ``` Eller bruk innebygde FastAPI-integrering: ```python agency.run_fastapi(host="0.0.0.0", port=8000) ```

Asked by Camille Laurent · Nov 17, 2025

Hvorfor er kodeutstyret verktoy automatisk addert?

Når filer med tilfeldende typar som .json, .docx eller .pptx upload, er kodedeutalstoyt verktoy auto-addet og prosesserer den. For å endre dette beteendet, oppdater instruksjonene til agneten eller opprett et annet fil-håndtering-verkøy.

Asked by Tomáš Novák · Oct 23, 2025

Hvordan kan jeg overføre data mellom verktøyer og agenter?

Det er to måter å overføre data mellom verktøyer og agenter: bruk agency-konteksten innenfor ditt verktøy, eller opprett et verktøy som laster opp filer til lagringsplass og ut setter en fil-ID. Denne fil-ID'en kan så brukes av andre verktøy eller agenter.

Asked by Joanna Kowalski · Oct 20, 2025

Hvordan administrerer jeg flere brukere med Agency Swarm?

For å støtte flere brukere eller chattesamtaler, må du laste og lagre trådene ID i din database for hver bruker. Sikrer hver chat/bruker har en unik tråd ID, og følger Deployement til Produksjon guiden for mer informasjon.

Asked by Salome Beridze · Oct 6, 2025