写 Agent 程序还在串手写 prompt？Agency Swarm 把多智能体协作变成了「公司管理」

写 Agent 程序还在串手写 prompt？Agency Swarm 把多智能体协作变成了「公司管理」

如果你试过把多个 Claude / GPT Agent 串起来干活，一定被这些事烦过：Agent 之间怎么发消息、上下文怎么共享、状态怎么保存、失败了一环崩了全崩……本质问题不是模型不够强，而是没有一个靠谱的「编排层」。

Agency Swarm 就是干这个的。它不是又一个提示词模板库，而是一个面向生产的 Python 多 Agent 编排框架。最巧妙的设计是：它用「CEO、开发、产品」这种组织角色来定义 Agent，把 AI 协作映射成你本来就理解的沟通方式。

为什么值得关注

• 角色即 Agent：每个 Agent 有独立的 prompt、工具和权限，像公司里的不同岗位，职责清晰。
• 定向消息流：通过 send_message 和 communication_flows 定义谁可以跟谁说话，避免无意义的循环调用。
• 类型安全工具：工具参数用 Pydantic 校验，兼容 OpenAI Agents SDK 的 FunctionTool 格式，不会因为参数错了就静默失败。
• 状态持久化：load_threads_callback / save_threads_callback 让多轮对话可以接数据库或文件存储，真正跑进生产环境。
• 模型无关：原生支持 OpenAI，通过 LiteLLM 还能接 Claude、Gemini、Grok、Azure、OpenRouter，不绑定单一供应商。

最新 v1.x 升级

最近 Agency Swarm 完成了基于 OpenAI Agents SDK 的 v1 重写。最实在的改进是：从 Assistants API 的黑盒线程里解放出来，现在你可以直接控制线程和对话历史。还顺手加了 web search、computer use 能力，以及 input/output guardrails 做输入输出校验。

适用场景

如果你在做：

• 多 Agent 自动化的研究项目；
• 内部工具链的 Agent 编排；
• 想用「团队角色」思路设计 Agent 协作流程的团队；

这个框架都是目前最值得试的 Python 方案之一。

快速上手

安装很简单：

pip install -U agency-swarm

然后在项目里定义角色、工具和 Agency，跑起来就行。官方提供了一个 Agency Starter Template，新手建议从这个 fork 开始改，比自己从零搭快很多。

总结

Agency Swarm 的价值在于：它没有重新发明 Agent，而是给 Agent 协作加了一层「组织架构」。这个抽象足够自然，代码又足够 Pythonic，是目前多 Agent 框架里少数兼顾学习曲线和生产可维护性的选择。

GitHub：https://github.com/VRSEN/agency-swarm

GitHub: https://github.com/VRSEN/agency-swarm