大数据营销 全网推广班级优化大师官网
凑热闹。可以用GLM跑。
这里暂时用GLM底座“魔鬼修改”，代码库仅供参考（共同进步吧）
openai-agents-python-glm: 基于GLM底座运行SDK，学习实验SDK内的mAGT功能。
https://gitee.com/leomk2004/openai-agents-python-glm
自言自语：
Swarm定位是框架（对比其他框架可能相当过于简单了，官方说是“实验/教学”）。
OpenAI定位的是SDK，相当与吧RAG/Search/ToolUse/ComputeUse （没有code interpretor），都封装到了SDK中（但依赖自家平台云服务提供的RAG/WebSearch/ComputerUse能力）。所以官方说是“SDK”，没说是多智能体框架。
为了：
（1）也能体验以下：模式，computer use，和未来可能升级的能力，这里需要修改底座。
（2）computer use，还是在虚拟机上跑好一点，需要有个共享代码库。
代码库修改了以下内容：
- Processors.py ：需要将可观测埋点关掉（连不上openAI）
- Openai_provider.py 暂时改为用chat.complete (不要使用response 新API，估计其他厂商都还没有做适配，如果有适配成功可以再开启）
- openai_chatcompletions.py 这里改用GLM的URL和TOKEN；模型直接改为GLM*;
Basic目录验证：
运行多智能体例子agent_lifecycle_example.py：
日志：
| Line 59: ### (Start Agent) 1: Agent Start Agent started Line 173: ### (Start Agent) 2: Agent Start Agent started tool random_number Line 175: ### (Start Agent) 3: Agent Start Agent ended tool random_number with result 37 Line 294: ### (Start Agent) 4: Agent Start Agent handed off to Multiply Agent Line 295: ### (Multiply Agent) 1: Agent Multiply Agent started Line 428: ### (Multiply Agent) 2: Agent Multiply Agent started tool multiply_by_two Line 430: ### (Multiply Agent) 3: Agent Multiply Agent ended tool multiply_by_two with result 74 Line 452: ### (Multiply Agent) 4: Agent Multiply Agent ended with output The result of multiplying 37 by 2 is 74. |
* 结构化输出，工具调用，agent handeroff识别正常。
FinalResult（新的API支持json schema）
SDK会根据DataClass 生成一个json schema报文。
GLM暂时还不兼容。但GLM可以这样保证结构化输出：
智谱AI开放平台
在需要格式化输出的Agent的指令中，写格式例子。参考上面的代码库吧。