Swarm 프레임워크 소개
Swarm은 OpenAI가 개발한 다중 에이전트 오케스트레이션을 위한 실험적이고 교육적인 프레임워크입니다. 이 프레임워크의 주요 목적은 다중 에이전트 시스템에서 가벼운 인터페이스와 작업 흐름을 간편하게 조정하는 방법을 연구하는 것입니다.
Swarm은 핸드오프(Handoff) 및 루틴(Routine) 이라는 두 가지 패턴을 중심으로 동작하며, 이를 통해 여러 에이전트 간의 작업 전달과 기능 호출을 효율적으로 관리할 수 있습니다. 이 프레임워크는 실제 환경에서 사용되기보다는 교육적 목적으로 설계되었으며, 에이전트 간의 협업과 통신을 시연하는 데 초점을 맞추고 있습니다.
Swarm의 주요 개념
에이전트(Agent)
Swarm에서 에이전트는 특정 작업 지시(instruction)와 함수의 집합을 표현하는 기본 단위입니다. 에이전트는 언제든지 다른 에이전트로 작업을 핸드오프(Handoff) 할 수 있습니다. 예를 들어, 고객 서비스 봇에서는 사용자 입력을 받은 후 이를 적절한 에이전트로 넘길 수 있습니다. Swarm의 에이전트는 전통적인 Assistant API의 에이전트와는 다르며, Swarm은 상태를 저장하지 않는 Stateless 방식으로 작동합니다.
에이전트 필드
- name: 에이전트의 이름입니다. 기본값은
"Agent"입니다. - instructions: 에이전트의 작업 지시를 설명하는 문자열입니다.
- functions: 에이전트가 호출할 수 있는 함수의 목록입니다.
agent = Agent(
name="Sales Agent",
instructions="당신은 세일즈 담당 에이전트입니다.",
)
핸드오프(Handoffs)
핸드오프는 하나의 에이전트가 다른 에이전트에게 작업을 넘기는 과정입니다. 이 기능은 복잡한 워크플로우에서 중요한 역할을 합니다. 예를 들어, 고객이 특정 요청을 할 때 이를 처리할 수 있는 다른 에이전트로 작업을 넘기는 것이 가능합니다.
def transfer_to_sales():
return sales_agent
함수 실행
Swarm 에이전트는 Python 함수를 직접 호출할 수 있습니다. 이 함수는 문자열을 반환하거나 다른 에이전트로 핸드오프할 수 있습니다. 함수를 호출할 때, 필요한 context variables(문맥 변수) 도 전달할 수 있습니다.
def greet(context_variables, language):
user_name = context_variables["user_name"]
greeting = "Hola" if language.lower() == "spanish" else "Hello"
return f"{greeting}, {user_name}!"
왜 Swarm인가?
Swarm은 가볍고 확장 가능한 다중 에이전트 시스템을 쉽게 구현할 수 있도록 설계되었습니다. Swarm을 사용하는 주요 이유는 많은 개별 작업과 복잡한 지시사항을 다룰 때 효율적인 오케스트레이션을 가능하게 하기 때문입니다. Swarm은 비상태성(Stateless) 을 유지하며, 각 호출 사이에 상태를 저장하지 않으므로 API 호출 간의 복잡성을 줄일 수 있습니다.
Swarm은 전체적인 메모리 관리 기능이 필요하지 않은 경우나 다중 에이전트 간의 상호작용을 탐구하고자 할 때 적합합니다.
OpenAI의 Agents 관리(Orchestration) 소개
Swarm GitHub 저장소
이 글은 GPT 모델로 정리한 글을 바탕으로 한 것으로, 원문의 내용 또는 의도와 다르게 정리된 내용이 있을 수 있습니다. 관심있는 내용이시라면 원문도 함께 참고해주세요! 읽으시면서 어색하거나 잘못된 내용을 발견하시면 덧글로 알려주시기를 부탁드립니다. 
파이토치 한국 사용자 모임
이 정리한 이 글이 유용하셨나요? 회원으로 가입하시면 주요 글들을 이메일
로 보내드립니다! (기본은 Weekly지만 Daily로 변경도 가능합니다.)
아래
쪽에 좋아요
를 눌러주시면 새로운 소식들을 정리하고 공유하는데 힘이 됩니다~ 