swarms
5.3.7
エンタープライズグレードの生産対応マルチエージェントオーケストレーションフレームワーク
？ Twitter • ？不一致•スウォームプラットフォーム• ？ドキュメント
| カテゴリ | 特徴 | 利点 |
|---|---|---|
| ？エンタープライズアーキテクチャ | •生産対応のインフラストラクチャ •高い信頼性システム •モジュラー設計 •包括的なロギング | •ダウンタイムの短縮 •メンテナンスが簡単です •より良いデバッグ •強化された監視 |
| ？エージェントオーケストレーション | •階層群 •並列処理 •シーケンシャルワークフロー •グラフベースのワークフロー •動的エージェントの再配置 | •複雑なタスク処理 •パフォーマンスの向上 •柔軟なワークフロー •最適化された実行 |
| 統合機能 | •マルチモデルサポート •カスタムエージェントの作成 •広範なツールライブラリ •複数のメモリシステム | •プロバイダーの柔軟性 •カスタムソリューション •拡張機能 •メモリ管理の強化 |
| ？スケーラビリティ | •同時処理 •リソース管理 •バランシングを積み込みます •水平スケーリング | •スループットが高い •効率的なリソースの使用 •パフォーマンスの向上 •簡単なスケーリング |
| 開発者ツール | •単純なAPI •広範なドキュメント •アクティブなコミュニティ •CLIツール | •より速い開発 •簡単な学習曲線 •コミュニティサポート •迅速な展開 |
| ？セキュリティ機能 | •エラー処理 •レート制限 •統合の監視 •監査ロギング | •信頼性の向上 •API保護 •より良い監視 •強化された追跡 |
| 高度な機能 | •スプレッドシートスワーム •グループチャット •エージェントレジストリ •エージェントの混合 | •マスエージェント管理 •共同AI •集中制御 •複雑なソリューション |
| ？プロバイダーサポート | •Openai •人類 •Chromadb •カスタムプロバイダー | •プロバイダーの柔軟性 •ストレージオプション •カスタム統合 •ベンダーの独立性 |
| ？生産機能 | •自動再試行 •非同期サポート •環境管理 •安全性を入力します | •より良い信頼性 •パフォーマンスの向上 •簡単な構成 •より安全なコード |
| ユースケースサポート | •タスク固有のエージェント •カスタムワークフロー •業界ソリューション •拡張可能なフレームワーク | •迅速な展開 •柔軟なソリューション •業界の準備 •簡単なカスタマイズ |
python3.10以上！$ pip install -U swarms 、そしてswarmsをインストールすることを忘れないでください！OPENAI_API_KEY 、 ANTHROPIC_API_KEYなどのプロバイダーからのAPIキーを備えた.envファイル.env変数を設定しますdir： WORKSPACE_DIR="agent_workspace"またはexport WORKSPACE_DIR="agent_workspace"swarms onboarding 。 生産グレードの実装の詳細については、ドキュメントを参照してください。
| セクション | リンク |
|---|---|
| インストール | インストール |
| クイックスタート | 始めましょう |
| エージェント内部メカニズム | エージェントアーキテクチャ |
| エージェントAPI | エージェントAPI |
| 外部エージェントの統合Griptape、Autogenなど | 外部APIの統合 |
| YAMLからエージェントを作成します | YAMLからエージェントを作成します |
| なぜ群れが必要なのか | マルチエージェントコラボレーションが必要な理由 |
| 群れアーキテクチャ分析 | 群れアーキテクチャ |
| あなたのビジネスの問題に適した群れを選ぶ¶ | ここをクリック |
| agentRearRangeドキュメント | ここをクリック |
$ pip3 install -U swarmspip3 install -U swarmsで群れをダウンロードしたので、 CLIにアクセスできます。今すぐCLIを搭載してください：
swarms onboardingこのコマンドをヘルプのために実行することもできます。
swarms helpCLIの詳細については、ここをクリックしてください
開始するためのスクリプトの例を次に示します。より包括的なドキュメントについては、ドキュメントをご覧ください。
| サンプル名 | 説明 | 例の種類 | リンク |
|---|---|---|---|
| 群れの例 | 群れの能力を実証するための簡単な例のコレクション。 | 基本的な使用法 | https://github.com/the-swarm-corporation/swarms-examples？tab = readme-ov-file |
| 料理本 | さまざまなユースケースやシナリオのレシピを備えた包括的なガイド。 | 高度な使用 | https://github.com/the-swarm-corporation/cookbook |
AgentクラスAgentクラスは、タスクを自律的に実行するように設計されたSwarmsフレームワークの基本的なコンポーネントです。 LLM、ツール、長期メモリ機能を融合して、フルスタックエージェントを作成します。 Agentクラスは高度にカスタマイズ可能であり、その動作と相互作用を細かく制御できます。
run方法run方法は、 Agentインスタンスでタスクを実行するための主要なエントリポイントです。メインの入力タスクとしてタスク文字列を受け入れ、エージェントの構成に従って処理します。また、VLMがある場合、 img="image_filepath.pngなどのimgパラメーターを受け入れることもできます。
Agentクラスは、特定のニーズに合わせて動作を調整するためのさまざまな設定を提供します。いくつかの重要な設定には次のものがあります。
| 設定 | 説明 | デフォルト値 |
|---|---|---|
agent_name | エージェントの名前。 | 「デフォルトアジェント」 |
system_prompt | システムはエージェントに使用するようにプロンプトします。 | 「デフォルトのシステムプロンプト。」 |
llm | タスクの処理に使用する言語モデル。 | OpenAIChatインスタンス |
max_loops | タスクに対して実行するループの最大数。 | 1 |
autosave | エージェントの状態の自動保存を有効または無効にします。 | 間違い |
dashboard | エージェントのダッシュボードを有効または無効にします。 | 間違い |
verbose | エージェントの出力の冗長性を制御します。 | 間違い |
dynamic_temperature_enabled | 言語モデルの動的温度調整を有効または無効にします。 | 間違い |
saved_state_path | エージェントの状態を救うための道。 | 「agent_state.json」 |
user_name | エージェントに関連付けられたユーザー名。 | 「default_user」 |
retry_attempts | 失敗したタスクの再試行の数。 | 1 |
context_length | タスクを考慮するコンテキストの最大長。 | 200000 |
return_step_meta | 出力のステップメタデータを返すかどうかを制御します。 | 間違い |
output_type | 戻る出力のタイプ（例： "json"、 "string"）。 | "弦" |
import os
from swarms import Agent
from swarm_models import OpenAIChat
from swarms . prompts . finance_agent_sys_prompt import (
FINANCIAL_AGENT_SYS_PROMPT ,
)
from dotenv import load_dotenv
load_dotenv ()
# Get the OpenAI API key from the environment variable
api_key = os . getenv ( "OPENAI_API_KEY" )
# Create an instance of the OpenAIChat class
model = OpenAIChat (
openai_api_key = api_key , model_name = "gpt-4o-mini" , temperature = 0.1
)
# Initialize the agent
agent = Agent (
agent_name = "Financial-Analysis-Agent" ,
system_prompt = FINANCIAL_AGENT_SYS_PROMPT ,
llm = model ,
max_loops = 1 ,
autosave = True ,
dashboard = False ,
verbose = True ,
dynamic_temperature_enabled = True ,
saved_state_path = "finance_agent.json" ,
user_name = "swarms_corp" ,
retry_attempts = 1 ,
context_length = 200000 ,
return_step_meta = False ,
output_type = "string" ,
streaming_on = False ,
)
agent . run (
"How can I establish a ROTH IRA to buy stocks and get a tax break? What are the criteria"
)高度なドキュメントの理解、分析、および検索機能のために、RAG（リレーショナルエージェントグラフ）を使用した準インフィナイト長期メモリを装備したAgent 。
RAG統合のための人魚図
グラフTD
a [ragでエージェントを初期化] - > b [タスクを受信]
b-> c [クエリ長期メモリ]
c-> d [コンテキストを使用したプロセスタスク]
d-> e [応答を生成]
e-> f [長期メモリを更新]
f-> g [出力を返す]
ステップ1：ChromaDBクライアントを初期化します
import os
from swarms_memory import ChromaDB
# Initialize the ChromaDB client for long-term memory management
chromadb = ChromaDB (
metric = "cosine" , # Metric for similarity measurement
output_dir = "finance_agent_rag" , # Directory for storing RAG data
# docs_folder="artifacts", # Uncomment and specify the folder containing your documents
)ステップ2：モデルを定義します
from swarm_models import Anthropic
from swarms . prompts . finance_agent_sys_prompt import (
FINANCIAL_AGENT_SYS_PROMPT ,
)
# Define the Anthropic model for language processing
model = Anthropic ( anthropic_api_key = os . getenv ( "ANTHROPIC_API_KEY" ))ステップ3：RAGでエージェントを初期化します
from swarms import Agent
# Initialize the agent with RAG capabilities
agent = Agent (
agent_name = "Financial-Analysis-Agent" ,
system_prompt = FINANCIAL_AGENT_SYS_PROMPT ,
agent_description = "Agent creates a comprehensive financial analysis" ,
llm = model ,
max_loops = "auto" , # Auto-adjusts loops based on task complexity
autosave = True , # Automatically saves agent state
dashboard = False , # Disables dashboard for this example
verbose = True , # Enables verbose mode for detailed output
streaming_on = True , # Enables streaming for real-time processing
dynamic_temperature_enabled = True , # Dynamically adjusts temperature for optimal performance
saved_state_path = "finance_agent.json" , # Path to save agent state
user_name = "swarms_corp" , # User name for the agent
retry_attempts = 3 , # Number of retry attempts for failed tasks
context_length = 200000 , # Maximum length of the context to consider
long_term_memory = chromadb , # Integrates ChromaDB for long-term memory management
return_step_meta = False ,
output_type = "string" ,
)
# Run the agent with a sample task
agent . run (
"What are the components of a startups stock incentive equity plan"
)JSON、YAML、TOML、アップロードPDF、バッチジョブなどを使用してエージェント状態を保存するための膨大な配列を提供します！
メソッドテーブル
| 方法 | 説明 |
|---|---|
to_dict() | エージェントオブジェクトを辞書に変換します。 |
to_toml() | エージェントオブジェクトをTOML文字列に変換します。 |
model_dump_json() | モデルをJSONファイルにダンプします。 |
model_dump_yaml() | モデルをYAMLファイルにダンプします。 |
ingest_docs() | ドキュメントをエージェントの知識ベースに摂取します。 |
receive_message() | ユーザーからメッセージを受信して処理します。 |
send_agent_message() | エージェントからユーザーにメッセージを送信します。 |
filtered_run() | フィルタリングされたシステムプロンプトでエージェントを実行します。 |
bulk_run() | 複数のシステムプロンプトでエージェントを実行します。 |
add_memory() | エージェントにメモリを追加します。 |
check_available_tokens() | エージェントで利用可能なトークンの数をチェックします。 |
tokens_checks() | エージェントのトークンチェックを実行します。 |
print_dashboard() | エージェントのダッシュボードを印刷します。 |
get_docs_from_doc_folders() | ドキュメントフォルダーからすべてのドキュメントを取得します。 |
activate_agentops() | エージェント操作をアクティブにします。 |
check_end_session_agentops() | エージェント操作のセッションの終了をチェックします。 |
# # Convert the agent object to a dictionary
print ( agent . to_dict ())
print ( agent . to_toml ())
print ( agent . model_dump_json ())
print ( agent . model_dump_yaml ())
# Ingest documents into the agent's knowledge base
agent . ingest_docs ( "your_pdf_path.pdf" )
# Receive a message from a user and process it
agent . receive_message ( name = "agent_name" , message = "message" )
# Send a message from the agent to a user
agent . send_agent_message ( agent_name = "agent_name" , message = "message" )
# Ingest multiple documents into the agent's knowledge base
agent . ingest_docs ( "your_pdf_path.pdf" , "your_csv_path.csv" )
# Run the agent with a filtered system prompt
agent . filtered_run (
"How can I establish a ROTH IRA to buy stocks and get a tax break? What are the criteria?"
)
# Run the agent with multiple system prompts
agent . bulk_run (
[
"How can I establish a ROTH IRA to buy stocks and get a tax break? What are the criteria?" ,
"Another system prompt" ,
]
)
# Add a memory to the agent
agent . add_memory ( "Add a memory to the agent" )
# Check the number of available tokens for the agent
agent . check_available_tokens ()
# Perform token checks for the agent
agent . tokens_checks ()
# Print the dashboard of the agent
agent . print_dashboard ()
# Fetch all the documents from the doc folders
agent . get_docs_from_doc_folders ()
# Activate agent ops
agent . activate_agentops ()
agent . check_end_session_agentops ()
# Dump the model to a JSON file
agent . model_dump_json ()
print ( agent . to_toml ())Agent以下は、Pydantic Basemodelを摂取して同時に出力するエージェントの例です。
from pydantic import BaseModel , Field
from swarms import Agent
from swarm_models import Anthropic
# Initialize the schema for the person's information
class Schema ( BaseModel ):
name : str = Field (..., title = "Name of the person" )
agent : int = Field (..., title = "Age of the person" )
is_student : bool = Field (..., title = "Whether the person is a student" )
courses : list [ str ] = Field (
..., title = "List of courses the person is taking"
)
# Convert the schema to a JSON string
tool_schema = Schema (
name = "Tool Name" ,
agent = 1 ,
is_student = True ,
courses = [ "Course1" , "Course2" ],
)
# Define the task to generate a person's information
task = "Generate a person's information based on the following schema:"
# Initialize the agent
agent = Agent (
agent_name = "Person Information Generator" ,
system_prompt = (
"Generate a person's information based on the following schema:"
),
# Set the tool schema to the JSON string -- this is the key difference
tool_schema = tool_schema ,
llm = Anthropic (),
max_loops = 3 ,
autosave = True ,
dashboard = False ,
streaming_on = True ,
verbose = True ,
interactive = True ,
# Set the output type to the tool schema which is a BaseModel
output_type = tool_schema , # or dict, or str
metadata_output_type = "json" ,
# List of schemas that the agent can handle
list_base_models = [ tool_schema ],
function_calling_format_type = "OpenAI" ,
function_calling_type = "json" , # or soon yaml
)
# Run the agent to generate the person's information
generated_data = agent . run ( task )
# Print the generated data
print ( f"Generated data: { generated_data } " )
製造、物流、および健康におけるさまざまな現実世界のタスクに役立つ複数のモダリティを使用してエージェントを実行します。
import os
from dotenv import load_dotenv
from swarms import Agent
from swarm_models import GPT4VisionAPI
# Load the environment variables
load_dotenv ()
# Initialize the language model
llm = GPT4VisionAPI (
openai_api_key = os . environ . get ( "OPENAI_API_KEY" ),
max_tokens = 500 ,
)
# Initialize the task
task = (
"Analyze this image of an assembly line and identify any issues such as"
" misaligned parts, defects, or deviations from the standard assembly"
" process. IF there is anything unsafe in the image, explain why it is"
" unsafe and how it could be improved."
)
img = "assembly_line.jpg"
## Initialize the workflow
agent = Agent (
agent_name = "Multi-ModalAgent" ,
llm = llm ,
max_loops = "auto" ,
autosave = True ,
dashboard = True ,
multi_modal = True
)
# Run the workflow on a task
agent . run ( task , img )ToolAgentToolagentは、JSON関数呼び出しを介してツールを使用できるエージェントです。 Huggingfaceからオープンソースモデルを摂取し、非常にモジュール式でプラグインして再生されます。すぐにすべてのモデルに一般的なサポートを追加するのにサポートが必要です。
from pydantic import BaseModel , Field
from transformers import AutoModelForCausalLM , AutoTokenizer
from swarms import ToolAgent
from swarms . utils . json_utils import base_model_to_json
# Load the pre-trained model and tokenizer
model = AutoModelForCausalLM . from_pretrained (
"databricks/dolly-v2-12b" ,
load_in_4bit = True ,
device_map = "auto" ,
)
tokenizer = AutoTokenizer . from_pretrained ( "databricks/dolly-v2-12b" )
# Initialize the schema for the person's information
class Schema ( BaseModel ):
name : str = Field (..., title = "Name of the person" )
agent : int = Field (..., title = "Age of the person" )
is_student : bool = Field (
..., title = "Whether the person is a student"
)
courses : list [ str ] = Field (
..., title = "List of courses the person is taking"
)
# Convert the schema to a JSON string
tool_schema = base_model_to_json ( Schema )
# Define the task to generate a person's information
task = (
"Generate a person's information based on the following schema:"
)
# Create an instance of the ToolAgent class
agent = ToolAgent (
name = "dolly-function-agent" ,
description = "Ana gent to create a child data" ,
model = model ,
tokenizer = tokenizer ,
json_schema = tool_schema ,
)
# Run the agent to generate the person's information
generated_data = agent . run ( task )
# Print the generated data
print ( f"Generated data: { generated_data } " )他のエージェントフレームワークから外部エージェントを統合することは、群れで簡単です。
ステップ：
Agent継承する新しいクラスを作成します.run(task: str) -> strメソッドを作成して、エージェントを実行して応答を返します。たとえば、Griptapeからエージェントを作成する方法の例を次に示します。
swarmsのAgentクラスから継承し、 run(task: str) -> strメソッドをオーバーライドすることにより、 swarmsフレームワークと統合するカスタムグリップペープエージェントを作成する方法は次のとおりです。
from swarms import (
Agent as SwarmsAgent ,
) # Import the base Agent class from Swarms
from griptape . structures import Agent as GriptapeAgent
from griptape . tools import (
WebScraperTool ,
FileManagerTool ,
PromptSummaryTool ,
)
# Create a custom agent class that inherits from SwarmsAgent
class GriptapeSwarmsAgent ( SwarmsAgent ):
def __init__ ( self , * args , ** kwargs ):
# Initialize the Griptape agent with its tools
self . agent = GriptapeAgent (
input = "Load {{ args[0] }}, summarize it, and store it in a file called {{ args[1] }}." ,
tools = [
WebScraperTool ( off_prompt = True ),
PromptSummaryTool ( off_prompt = True ),
FileManagerTool (),
],
* args ,
** kwargs ,
# Add additional settings
)
# Override the run method to take a task and execute it using the Griptape agent
def run ( self , task : str ) -> str :
# Extract URL and filename from task (you can modify this parsing based on task structure)
url , filename = task . split (
","
) # Example of splitting task string
# Execute the Griptape agent with the task inputs
result = self . agent . run ( url . strip (), filename . strip ())
# Return the final result as a string
return str ( result )
# Example usage:
griptape_swarms_agent = GriptapeSwarmsAgent ()
output = griptape_swarms_agent . run (
"https://griptape.ai, griptape.txt"
)
print ( output )SwarmsAgentクラスから継承し、Griptapeエージェントを統合するカスタムクラス。WebScraperTool 、 PromptSummaryTool 、 FileManagerToolなど）は、Webスクレイピング、要約、およびファイル管理を可能にします。このカスタムGriptapeエージェントをSwarmsフレームワークに簡単に接続し、タスクを実行するために使用できるようになりました。
群れとは、共通の目標を達成するために協力して働く2人以上のエージェントのグループを指します。これらのエージェントは、複雑なタスクを実行するために相互に対話するLLMなどのソフトウェアエンティティです。群れの概念は、単純な個々の行動が複雑なグループのダイナミクスと問題解決能力につながるアリのコロニーや鳥の群れなどの自然のシステムに触発されています。
Swarm Architecturesは、群れ内のエージェント間の通信を確立および管理するように設計されています。これらのアーキテクチャは、エージェントが情報を相互作用させ、情報を共有し、自分の行動を調整して、望ましい結果を達成する方法を定義します。群れのアーキテクチャの重要な側面を次に示します。
階層通信：階層的な群れでは、通信が高レベルのエージェントから低レベルのエージェントに流れます。高レベルのエージェントはコーディネーターとして機能し、タスクを分散し、結果を集約します。この構造は、トップダウン制御と意思決定を必要とするタスクに効率的です。
並列通信：並列群れでは、エージェントは独立して動作し、必要に応じて互いに通信します。このアーキテクチャは、依存関係なく同時に処理できるタスクに適しており、実行とスケーラビリティをより速くすることができます。
シーケンシャル通信：シーケンシャルスウォームは、各エージェントの出力が次のエージェントの入力になる線形順序でタスクを処理します。これにより、依存関係を持つタスクが正しいシーケンスで処理され、ワークフローの完全性が維持されます。
メッシュ通信：メッシュの群れでは、エージェントが完全に接続されており、エージェントが他のエージェントと通信できるようになります。このセットアップは、柔軟性と冗長性が高いため、動的な相互作用を必要とする複雑なシステムに最適です。
フェデレーションコミュニケーション：フェデレーションされた群れには、情報と結果を共有することで協力する複数の独立した群れが含まれます。各群れは自律的に動作しますが、より大きなタスクに貢献することができ、異なるノード全体で分散された問題解決を可能にします。
Swarm Architecturesはこれらの通信パターンを活用して、エージェントが効率的に連携して、手元のタスクの特定の要件に適応することを保証します。明確な通信プロトコルとインタラクションモデルを定義することにより、Swarmアーキテクチャにより、複数のエージェントのシームレスなオーケストレーションが可能になり、パフォーマンスと問題解決機能が向上します。
| 名前 | 説明 | コードリンク | ユースケース |
|---|---|---|---|
| 階層的な群れ | エージェントが階層で編成されるシステム、高レベルのエージェントが複雑なタスクを実現するために低レベルのエージェントを調整するシステム。 | コードリンク | 製造プロセスの最適化、マルチレベルの販売管理、ヘルスケアリソースの調整 |
| エージェント再配置 | エージェントがタスク要件と環境条件に基づいて動的に再配置するセットアップ。 | コードリンク | 適応型製造ライン、ダイナミックセールステリトリーの再編成、柔軟なヘルスケアスタッフ |
| 同時ワークフロー | エージェントは異なるタスクを同時に実行し、より大きな目標を達成するために調整します。 | コードリンク | 同時生産ライン、並列販売業務、同時患者ケアプロセス |
| 順次調整 | エージェントは特定のシーケンスでタスクを実行し、1つのタスクの完了が次のタスクの開始をトリガーします。 | コードリンク | 段階的な組立ライン、シーケンシャル販売プロセス、段階的な患者治療ワークフロー |
| 並列処理 | エージェントは、タスクのさまざまな部分で同時に作業して、プロセス全体を高速化します。 | コードリンク | 製造、同時販売分析、同時医療テストにおける並列データ処理 |
| エージェントの混合 | 複雑な問題を解決するために異なる機能を持つエージェントが組み合わされている不均一な群れ。 | コードリンク | 財務予測、多様なスキルを必要とする複雑な問題解決 |
| グラフワークフロー | エージェントは、依存関係と並列タスクを管理するために、指示された非環式グラフ（DAG）形式で協力します。 | コードリンク | AI駆動型ソフトウェア開発パイプライン、複雑なプロジェクト管理 |
| グループチャット | エージェントは、チャットのような相互作用に従事し、協力して意思決定に到達します。 | コードリンク | リアルタイムの共同意思決定、契約交渉 |
| エージェントレジストリ | エージェントが保存、取得、および動的に呼び出される集中登録。 | コードリンク | 動的エージェント管理、進化する推奨エンジン |
| スプレッドシートの群れ | 大規模なタスクを管理し、CSVファイルのような構造化された形式でエージェント出力を追跡します。 | コードリンク | 大規模なマーケティング分析、金融監査 |
| 森の群れ | 複雑な意思決定プロセスのために、木のような階層でエージェントを編成する群れ構造。 | コードリンク | マルチステージワークフロー、階層補強学習 |
| 群れ | タスク要件と利用可能なエージェントに基づいて、群れアーキテクチャをルートして選択します。 | コードリンク | 動的タスクルーティング、適応型群アーキテクチャの選択、最適化されたエージェント割り当て |
SequentialWorkflowシーケンシャルワークフローを使用すると、 Agentとタスクを順次実行し、次のエージェントに出力を渡し、最大ループを指定するまで以降に渡すことができます。
グラフlr
A [エージェント1] - > B [エージェント2]
B-> C [エージェント3]
C-> D [エージェント4]
d-> e [最大ループ]
e-> f [end]
| 方法 | 説明 | パラメーター | 返品値 |
|---|---|---|---|
__init__ | シーケンシャルワークフローを初期化します | agents ：エージェントオブジェクトのリストmax_loops ：最大反復数verbose ：冗長出力のためのブール値 | なし |
run | ワークフローを実行します | input_data ：最初のエージェントの初期入力 | すべてのエージェントが処理された後の最終出力 |
| 入力 | タイプ | 説明 |
|---|---|---|
agents | リスト[エージェント] | 順次実行されるエージェントオブジェクトのリスト |
max_loops | int | シーケンス全体が繰り返される最大回数 |
verbose | ブール | Trueの場合は、実行中に詳細情報を印刷してください |
run方法は、すべてのエージェントが入力を順番に処理した後、最終出力を返します。
この例では、各Agent順次実行されるタスクを表します。各エージェントの出力は、ループの最大数に達するまで、シーケンスの次のエージェントに渡されます。このワークフローは、データ処理パイプラインや以前のステップの出力に依存する複雑な計算など、特定の順序で実行するために一連のステップを必要とするタスクに特に役立ちます。
import os
from swarms import Agent , SequentialWorkflow
from swarm_models import OpenAIChat
# model = Anthropic(anthropic_api_key=os.getenv("ANTHROPIC_API_KEY"))
company = "Nvidia"
# Get the OpenAI API key from the environment variable
api_key = os . getenv ( "GROQ_API_KEY" )
# Model
model = OpenAIChat (
openai_api_base = "https://api.groq.com/openai/v1" ,
openai_api_key = api_key ,
model_name = "llama-3.1-70b-versatile" ,
temperature = 0.1 ,
)
# Initialize the Managing Director agent
managing_director = Agent (
agent_name = "Managing-Director" ,
system_prompt = f"""
As the Managing Director at Blackstone, your role is to oversee the entire investment analysis process for potential acquisitions.
Your responsibilities include:
1. Setting the overall strategy and direction for the analysis
2. Coordinating the efforts of the various team members and ensuring a comprehensive evaluation
3. Reviewing the findings and recommendations from each team member
4. Making the final decision on whether to proceed with the acquisition
For the current potential acquisition of { company } , direct the tasks for the team to thoroughly analyze all aspects of the company, including its financials, industry position, technology, market potential, and regulatory compliance. Provide guidance and feedback as needed to ensure a rigorous and unbiased assessment.
""" ,
llm = model ,
max_loops = 1 ,
dashboard = False ,
streaming_on = True ,
verbose = True ,
stopping_token = "<DONE>" ,
state_save_file_type = "json" ,
saved_state_path = "managing-director.json" ,
)
# Initialize the Vice President of Finance
vp_finance = Agent (
agent_name = "VP-Finance" ,
system_prompt = f"""
As the Vice President of Finance at Blackstone, your role is to lead the financial analysis of potential acquisitions.
For the current potential acquisition of { company } , your tasks include:
1. Conducting a thorough review of { company } ' financial statements, including income statements, balance sheets, and cash flow statements
2. Analyzing key financial metrics such as revenue growth, profitability margins, liquidity ratios, and debt levels
3. Assessing the company's historical financial performance and projecting future performance based on assumptions and market conditions
4. Identifying any financial risks or red flags that could impact the acquisition decision
5. Providing a detailed report on your findings and recommendations to the Managing Director
Be sure to consider factors such as the sustainability of { company } ' business model, the strength of its customer base, and its ability to generate consistent cash flows. Your analysis should be data-driven, objective, and aligned with Blackstone's investment criteria.
""" ,
llm = model ,
max_loops = 1 ,
dashboard = False ,
streaming_on = True ,
verbose = True ,
stopping_token = "<DONE>" ,
state_save_file_type = "json" ,
saved_state_path = "vp-finance.json" ,
)
# Initialize the Industry Analyst
industry_analyst = Agent (
agent_name = "Industry-Analyst" ,
system_prompt = f"""
As the Industry Analyst at Blackstone, your role is to provide in-depth research and analysis on the industries and markets relevant to potential acquisitions.
For the current potential acquisition of { company } , your tasks include:
1. Conducting a comprehensive analysis of the industrial robotics and automation solutions industry, including market size, growth rates, key trends, and future prospects
2. Identifying the major players in the industry and assessing their market share, competitive strengths and weaknesses, and strategic positioning
3. Evaluating { company } ' competitive position within the industry, including its market share, differentiation, and competitive advantages
4. Analyzing the key drivers and restraints for the industry, such as technological advancements, labor costs, regulatory changes, and economic conditions
5. Identifying potential risks and opportunities for { company } based on the industry analysis, such as disruptive technologies, emerging markets, or shifts in customer preferences
Your analysis should provide a clear and objective assessment of the attractiveness and future potential of the industrial robotics industry, as well as { company } ' positioning within it. Consider both short-term and long-term factors, and provide evidence-based insights to inform the investment decision.
""" ,
llm = model ,
max_loops = 1 ,
dashboard = False ,
streaming_on = True ,
verbose = True ,
stopping_token = "<DONE>" ,
state_save_file_type = "json" ,
saved_state_path = "industry-analyst.json" ,
)
# Initialize the Technology Expert
tech_expert = Agent (
agent_name = "Tech-Expert" ,
system_prompt = f"""
As the Technology Expert at Blackstone, your role is to assess the technological capabilities, competitive advantages, and potential risks of companies being considered for acquisition.
For the current potential acquisition of { company } , your tasks include:
1. Conducting a deep dive into { company } ' proprietary technologies, including its robotics platforms, automation software, and AI capabilities
2. Assessing the uniqueness, scalability, and defensibility of { company } ' technology stack and intellectual property
3. Comparing { company } ' technologies to those of its competitors and identifying any key differentiators or technology gaps
4. Evaluating { company } ' research and development capabilities, including its innovation pipeline, engineering talent, and R&D investments
5. Identifying any potential technology risks or disruptive threats that could impact { company } ' long-term competitiveness, such as emerging technologies or expiring patents
Your analysis should provide a comprehensive assessment of { company } ' technological strengths and weaknesses, as well as the sustainability of its competitive advantages. Consider both the current state of its technology and its future potential in light of industry trends and advancements.
""" ,
llm = model ,
max_loops = 1 ,
dashboard = False ,
streaming_on = True ,
verbose = True ,
stopping_token = "<DONE>" ,
state_save_file_type = "json" ,
saved_state_path = "tech-expert.json" ,
)
# Initialize the Market Researcher
market_researcher = Agent (
agent_name = "Market-Researcher" ,
system_prompt = f"""
As the Market Researcher at Blackstone, your role is to analyze the target company's customer base, market share, and growth potential to assess the commercial viability and attractiveness of the potential acquisition.
For the current potential acquisition of { company } , your tasks include:
1. Analyzing { company } ' current customer base, including customer segmentation, concentration risk, and retention rates
2. Assessing { company } ' market share within its target markets and identifying key factors driving its market position
3. Conducting a detailed market sizing and segmentation analysis for the industrial robotics and automation markets, including identifying high-growth segments and emerging opportunities
4. Evaluating the demand drivers and sales cycles for { company } ' products and services, and identifying any potential risks or limitations to adoption
5. Developing financial projections and estimates for { company } ' revenue growth potential based on the market analysis and assumptions around market share and penetration
Your analysis should provide a data-driven assessment of the market opportunity for { company } and the feasibility of achieving our investment return targets. Consider both bottom-up and top-down market perspectives, and identify any key sensitivities or assumptions in your projections.
""" ,
llm = model ,
max_loops = 1 ,
dashboard = False ,
streaming_on = True ,
verbose = True ,
stopping_token = "<DONE>" ,
state_save_file_type = "json" ,
saved_state_path = "market-researcher.json" ,
)
# Initialize the Regulatory Specialist
regulatory_specialist = Agent (
agent_name = "Regulatory-Specialist" ,
system_prompt = f"""
As the Regulatory Specialist at Blackstone, your role is to identify and assess any regulatory risks, compliance requirements, and potential legal liabilities associated with potential acquisitions.
For the current potential acquisition of { company } , your tasks include:
1. Identifying all relevant regulatory bodies and laws that govern the operations of { company } , including industry-specific regulations, labor laws, and environmental regulations
2. Reviewing { company } ' current compliance policies, procedures, and track record to identify any potential gaps or areas of non-compliance
3. Assessing the potential impact of any pending or proposed changes to relevant regulations that could affect { company } ' business or create additional compliance burdens
4. Evaluating the potential legal liabilities and risks associated with { company } ' products, services, and operations, including product liability, intellectual property, and customer contracts
5. Providing recommendations on any regulatory or legal due diligence steps that should be taken as part of the acquisition process, as well as any post-acquisition integration considerations
Your analysis should provide a comprehensive assessment of the regulatory and legal landscape surrounding { company } , and identify any material risks or potential deal-breakers. Consider both the current state and future outlook, and provide practical recommendations to mitigate identified risks.
""" ,
llm = model ,
max_loops = 1 ,
dashboard = False ,
streaming_on = True ,
verbose = True ,
stopping_token = "<DONE>" ,
state_save_file_type = "json" ,
saved_state_path = "regulatory-specialist.json" ,
)
# Create a list of agents
agents = [
managing_director ,
vp_finance ,
industry_analyst ,
tech_expert ,
market_researcher ,
regulatory_specialist ,
]
swarm = SequentialWorkflow (
name = "blackstone-private-equity-advisors" ,
agents = agents ,
)
print (
swarm . run (
"Analyze nvidia if it's a good deal to invest in now 10B"
)
)AgentRearrange EinopsとAinsumに触発されたAgentRearrangeオーケストレーション手法により、さまざまなエージェント間の関係を定義およびマッピングできます。複雑なワークフローを調整するための強力なツールを提供し、 a -> a1 -> a2 -> a3 a -> a1, a2, a3の線形および連続的な関係を指定できます。 a -> a1, a2, a3 。このレベルのカスタマイズにより、エージェントが必要に応じて、エージェントが並行または順番に作業できる非常に効率的で動的なワークフローを作成できます。 AgentRearrange技術は、Swarmsライブラリに貴重な追加であり、エージェントのオーケストレーションに対する新しいレベルの柔軟性と制御を提供します。詳細な情報と例については、公式ドキュメントを参照してください。
| 方法 | 説明 | パラメーター | 返品値 |
|---|---|---|---|
__init__ | AgentRearrangeを初期化します | agents ：エージェントオブジェクトのリストflow ：エージェントフローを説明する文字列 | なし |
run | ワークフローを実行します | input_data ：最初のエージェントの初期入力 | すべてのエージェントが処理された後の最終出力 |
| 入力 | タイプ | 説明 |
|---|---|---|
agents | リスト[エージェント] | 組織化されるエージェントオブジェクトのリスト |
flow | str | エージェントの流れを説明する文字列（例：「> b、c」） |
run方法は、すべてのエージェントが指定されたフローに従って入力を処理した後、最終出力を返します。
from swarms import Agent , AgentRearrange
from swarm_models import Anthropic
# Initialize the director agent
director = Agent (
agent_name = "Director" ,
system_prompt = "Directs the tasks for the workers" ,
llm = Anthropic (),
max_loops = 1 ,
dashboard = False ,
streaming_on = True ,
verbose = True ,
stopping_token = "<DONE>" ,
state_save_file_type = "json" ,
saved_state_path = "director.json" ,
)
# Initialize worker 1
worker1 = Agent (
agent_name = "Worker1" ,
system_prompt = "Generates a transcript for a youtube video on what swarms are" ,
llm = Anthropic (),
max_loops = 1 ,
dashboard = False ,
streaming_on = True ,
verbose = True ,
stopping_token = "<DONE>" ,
state_save_file_type = "json" ,
saved_state_path = "worker1.json" ,
)
# Initialize worker 2
worker2 = Agent (
agent_name = "Worker2" ,
system_prompt = "Summarizes the transcript generated by Worker1" ,
llm = Anthropic (),
max_loops = 1 ,
dashboard = False ,
streaming_on = True ,
verbose = True ,
stopping_token = "<DONE>" ,
state_save_file_type = "json" ,
saved_state_path = "worker2.json" ,
)
# Create a list of agents
agents = [ director , worker1 , worker2 ]
# Define the flow pattern
flow = "Director -> Worker1 -> Worker2"
# Using AgentRearrange class
agent_system = AgentRearrange ( agents = agents , flow = flow )
output = agent_system . run (
"Create a format to express and communicate swarms of llms in a structured manner for youtube"
)
print ( output )HierarhicalSwarm近日公開...
GraphSwarm GraphSwarmは、グラフ理論の力を活用することにより、複雑なタスクを調整するように設計されたワークフロー管理システムです。これにより、タスクとエージェント間の依存関係をモデル化するために、指向した非環式グラフ（DAG）の作成が可能になります。これにより、効率的なタスクの割り当て、実行、および監視が可能になります。
GraphSwarm仕組みの内訳は次のとおりです。
GraphSwarmワークフローは、エージェントまたはタスクのいずれかであるノードで構成されています。エージェントはタスクの実行を担当し、タスクは実行する必要がある特定の操作を表します。この例では、2つのエージェント（ agent1およびagent2 ）と1つのタスク（ task1 ）が作成されます。agent1とagent2 task1に接続するために作成され、両方のエージェントがtask1を実行できることを示しています。GraphSwarmワークフローには、エントリポイント（ワークフローが始まる）とエンドポイント（ワークフローが終了する場所）の定義が必要です。この例では、 agent1とagent2エントリポイントとして設定され、 task1エンドポイントとして設定されます。GraphSwarmワークフローをグラフィカルに表す視覚化機能を提供します。これにより、ワークフロー構造を理解しやすくデバッグできます。GraphSwarmワークフローは、エントリポイントからエンドポイントまでグラフを通過することにより実行されます。この場合、 agent1とagent2両方がtask1同時に実行し、結果が収集されます。task1実行した結果は「タスクが完了した」です。 GraphSwarmには、次のようないくつかの利点があります。
GraphSwarm活用することにより、複雑なワークフローを効率的に管理し、タスクを調整されたスケーラブルな方法で実行できます。
| 方法 | 説明 | パラメーター | 返品値 |
|---|---|---|---|
add_node | グラフにノードを追加します | node ：ノードオブジェクト | なし |
add_edge | グラフにエッジを追加します | edge ：エッジオブジェクト | なし |
set_entry_points | グラフのエントリポイントを設定します | entry_points ：ノードIDのリスト | なし |
set_end_points | グラフのエンドポイントを設定します | end_points ：ノードIDのリスト | なし |
visualize | グラフの視覚的表現を生成します | なし | グラフの文字列表現 |
run | ワークフローを実行します | なし | 実行結果の辞書 |
| 入力 | タイプ | 説明 |
|---|---|---|
Node | 物体 | グラフ内のノードを表します（エージェントまたはタスク） |
Edge | 物体 | 2つのノードを接続するエッジを表します |
entry_points | リスト[str] | ワークフローが開始されるノードIDのリスト |
end_points | リスト[str] | ワークフローが終了するノードIDのリスト |
run方法は、グラフ内のすべてのノードの実行結果を含む辞書を返します。
import os
from dotenv import load_dotenv
from swarms import Agent , Edge , GraphWorkflow , Node , NodeType
from swarm_models import OpenAIChat
load_dotenv ()
api_key = os . environ . get ( "OPENAI_API_KEY" )
llm = OpenAIChat (
temperature = 0.5 , openai_api_key = api_key , max_tokens = 4000
)
agent1 = Agent ( llm = llm , max_loops = 1 , autosave = True , dashboard = True )
agent2 = Agent ( llm = llm , max_loops = 1 , autosave = True , dashboard = True )
def sample_task ():
print ( "Running sample task" )
return "Task completed"
wf_graph = GraphWorkflow ()
wf_graph . add_node ( Node ( id = "agent1" , type = NodeType . AGENT , agent = agent1 ))
wf_graph . add_node ( Node ( id = "agent2" , type = NodeType . AGENT , agent = agent2 ))
wf_graph . add_node (
Node ( id = "task1" , type = NodeType . TASK , callable = sample_task )
)
wf_graph . add_edge ( Edge ( source = "agent1" , target = "task1" ))
wf_graph . add_edge ( Edge ( source = "agent2" , target = "task1" ))
wf_graph . set_entry_points ([ "agent1" , "agent2" ])
wf_graph . set_end_points ([ "task1" ])
print ( wf_graph . visualize ())
# Run the workflow
results = wf_graph . run ()
print ( "Execution results:" , results )MixtureOfAgentsこれは、紙に基づいた実装です。「混合物は、大規模な言語モデルの機能を強化します」を組み合わせています。 Alpacaeval 2.0、MT-Bench、およびFlaskで最先端の（SOTA）結果を達成し、GPT-4 Omniを超えています。このアーキテクチャは、並列化と別のループでのシーケンシャル処理が必要なタスクに特に適しています。
| 方法 | 説明 | パラメーター | 返品値 |
|---|---|---|---|
__init__ | 混合物質を初期化します | name ：群れの名前agents ：エージェントオブジェクトのリストlayers ：処理層の数final_agent ：最終処理のエージェント | なし |
run | 群れを実行します | task ：群れの入力タスク | すべてのエージェントが処理された後の最終出力 |
| 入力 | タイプ | 説明 |
|---|---|---|
name | str | 群れの名前 |
agents | リスト[エージェント] | 群れで使用されるエージェントオブジェクトのリスト |
layers | int | 群れの処理層の数 |
final_agent | エージェント | 最終処理を担当するエージェント |
run方法は、すべてのエージェントが指定されたレイヤーと最終エージェントに従って入力を処理した後、最終出力を返します。
import os
from swarm_models import OpenAIChat
from swarms import Agent , MixtureOfAgents
api_key = os . getenv ( "OPENAI_API_KEY" )
# Create individual agents with the OpenAIChat model
model = OpenAIChat (
openai_api_key = api_key , model_name = "gpt-4" , temperature = 0.1
)
# Agent 1: Financial Statement Analyzer
agent1 = Agent (
agent_name = "FinancialStatementAnalyzer" ,
llm = model ,
system_prompt = """You are a Financial Statement Analyzer specializing in 10-K SEC reports. Your primary focus is on analyzing the financial statements, including the balance sheet, income statement, and cash flow statement.
Key responsibilities:
1. Identify and explain significant changes in financial metrics year-over-year.
2. Calculate and interpret key financial ratios (e.g., liquidity ratios, profitability ratios, leverage ratios).
3. Analyze trends in revenue, expenses, and profitability.
4. Highlight any red flags or areas of concern in the financial statements.
5. Provide insights on the company's financial health and performance based on the data.
When analyzing, consider industry standards and compare the company's performance to its peers when possible. Your analysis should be thorough, data-driven, and provide actionable insights for investors and stakeholders.""" ,
max_loops = 1 ,
autosave = True ,
dashboard = False ,
verbose = True ,
dynamic_temperature_enabled = True ,
saved_state_path = "financial_statement_analyzer_state.json" ,
user_name = "swarms_corp" ,
retry_attempts = 1 ,
context_length = 200000 ,
return_step_meta = False ,
)
# Agent 2: Risk Assessment Specialist
agent2 = Agent (
agent_name = "RiskAssessmentSpecialist" ,
llm = model ,
system_prompt = """You are a Risk Assessment Specialist focusing on 10-K SEC reports. Your primary role is to identify, analyze, and evaluate potential risks disclosed in the report.
Key responsibilities:
1. Thoroughly review the "Risk Factors" section of the 10-K report.
2. Identify and categorize different types of risks (e.g., operational, financial, legal, market, technological).
3. Assess the potential impact and likelihood of each identified risk.
4. Analyze the company's risk mitigation strategies and their effectiveness.
5. Identify any emerging risks not explicitly mentioned but implied by the company's operations or market conditions.
6. Compare the company's risk profile with industry peers when possible.
Your analysis should provide a comprehensive overview of the company's risk landscape, helping stakeholders understand the potential challenges and uncertainties facing the business. Be sure to highlight any critical risks that could significantly impact the company's future performance or viability.""" ,
max_loops = 1 ,
autosave = True ,
dashboard = False ,
verbose = True ,
dynamic_temperature_enabled = True ,
saved_state_path = "risk_assessment_specialist_state.json" ,
user_name = "swarms_corp" ,
retry_attempts = 1 ,
context_length = 200000 ,
return_step_meta = False ,
)
# Agent 3: Business Strategy Evaluator
agent3 = Agent (
agent_name = "BusinessStrategyEvaluator" ,
llm = model ,
system_prompt = """You are a Business Strategy Evaluator specializing in analyzing 10-K SEC reports. Your focus is on assessing the company's overall strategy, market position, and future outlook.
Key responsibilities:
1. Analyze the company's business description, market opportunities, and competitive landscape.
2. Evaluate the company's products or services, including their market share and growth potential.
3. Assess the effectiveness of the company's current business strategy and its alignment with market trends.
4. Identify key performance indicators (KPIs) and evaluate the company's performance against these metrics.
5. Analyze management's discussion and analysis (MD&A) section to understand their perspective on the business.
6. Identify potential growth opportunities or areas for improvement in the company's strategy.
7. Compare the company's strategic position with key competitors in the industry.
Your analysis should provide insights into the company's strategic direction, its ability to create value, and its potential for future growth. Consider both short-term and long-term perspectives in your evaluation.""" ,
max_loops = 1 ,
autosave = True ,
dashboard = False ,
verbose = True ,
dynamic_temperature_enabled = True ,
saved_state_path = "business_strategy_evaluator_state.json" ,
user_name = "swarms_corp" ,
retry_attempts = 1 ,
context_length = 200000 ,
return_step_meta = False ,
)
# Aggregator Agent
aggregator_agent = Agent (
agent_name = "10KReportAggregator" ,
llm = model ,
system_prompt = """You are the 10-K Report Aggregator, responsible for synthesizing and summarizing the analyses provided by the Financial Statement Analyzer, Risk Assessment Specialist, and Business Strategy Evaluator. Your goal is to create a comprehensive, coherent, and insightful summary of the 10-K SEC report.
Key responsibilities:
1. Integrate the financial analysis, risk assessment, and business strategy evaluation into a unified report.
2. Identify and highlight the most critical information and insights from each specialist's analysis.
3. Reconcile any conflicting information or interpretations among the specialists' reports.
4. Provide a balanced view of the company's overall performance, risks, and strategic position.
5. Summarize key findings and their potential implications for investors and stakeholders.
6. Identify any areas where further investigation or clarification may be needed.
Your final report should be well-structured, easy to understand, and provide a holistic view of the company based on the 10-K SEC report. It should offer valuable insights for decision-making while acknowledging any limitations or uncertainties in the analysis.""" ,
max_loops = 1 ,
autosave = True ,
dashboard = False ,
verbose = True ,
dynamic_temperature_enabled = True ,
saved_state_path = "10k_report_aggregator_state.json" ,
user_name = "swarms_corp" ,
retry_attempts = 1 ,
context_length = 200000 ,
return_step_meta = False ,
)
# Create the Mixture of Agents class
moa = MixtureOfAgents (
agents = [ agent1 , agent2 , agent3 ],
aggregator_agent = aggregator_agent ,
aggregator_system_prompt = """As the 10-K Report Aggregator, your task is to synthesize the analyses provided by the Financial Statement Analyzer, Risk Assessment Specialist, and Business Strategy Evaluator into a comprehensive and coherent report.
Follow these steps:
1. Review and summarize the key points from each specialist's analysis.
2. Identify common themes and insights across the analyses.
3. Highlight any discrepancies or conflicting interpretations, if present.
4. Provide a balanced and integrated view of the company's financial health, risks, and strategic position.
5. Summarize the most critical findings and their potential impact on investors and stakeholders.
6. Suggest areas for further investigation or monitoring, if applicable.
Your final output should be a well-structured, insightful report that offers a holistic view of the company based on the 10-K SEC report analysis.""" ,
layers = 3 ,
)
# Example usage
company_name = "NVIDIA"
out = moa . run (
f"Analyze the latest 10-K SEC report for { company_name } . Provide a comprehensive summary of the company's financial performance, risk profile, and business strategy."
)
print ( out ) SpreadSheetSwarmは、数千人のエージェントを同時に管理し、監視するために設計されており、効率的なタスク処理と出力分析のための1対多くのアプローチを促進します。
| 方法 | 説明 | パラメーター | 返品値 |
|---|---|---|---|
__init__ | SpreadSheetSwarmを初期化します | name ：群れの名前description ：群れの説明agents ：エージェントオブジェクトのリストautosave_on ：autoSaveを有効にするためのブールsave_file_path ：スプレッドシートを保存するパスrun_all_agents ：すべてのエージェントを実行するかどうかにかかわらずmax_loops ：ループの最大数 | なし |
run | 群れを実行します | task ：群れの入力タスク | エージェント出力の辞書 |
| 入力 | タイプ | 説明 |
|---|---|---|
name | str | 群れの名前 |
description | str | 群れの目的の説明 |
agents | リスト[エージェント] | 群れで使用されるエージェントオブジェクトのリスト |
autosave_on | ブール | 結果の自動保存を有効にします |
save_file_path | str | スプレッドシートの結果を保存するパス |
run_all_agents | ブール | すべてのエージェントを実行するか、関連性に基づいて選択するかどうか |
max_loops | int | 処理ループの最大数 |
run方法は、タスクを処理した各エージェントの出力を含む辞書を返します。
詳細については、こちらをご覧ください。
import os
from swarms import Agent
from swarm_models import OpenAIChat
from swarms . structs . spreadsheet_swarm import SpreadSheetSwarm
# Define custom system prompts for each social media platform
TWITTER_AGENT_SYS_PROMPT = """
You are a Twitter marketing expert specializing in real estate. Your task is to create engaging, concise tweets to promote properties, analyze trends to maximize engagement, and use appropriate hashtags and timing to reach potential buyers.
"""
INSTAGRAM_AGENT_SYS_PROMPT = """
You are an Instagram marketing expert focusing on real estate. Your task is to create visually appealing posts with engaging captions and hashtags to showcase properties, targeting specific demographics interested in real estate.
"""
FACEBOOK_AGENT_SYS_PROMPT = """
You are a Facebook marketing expert for real estate. Your task is to craft posts optimized for engagement and reach on Facebook, including using images, links, and targeted messaging to attract potential property buyers.
"""
LINKEDIN_AGENT_SYS_PROMPT = """
You are a LinkedIn marketing expert for the real estate industry. Your task is to create professional and informative posts, highlighting property features, market trends, and investment opportunities, tailored to professionals and investors.
"""
EMAIL_AGENT_SYS_PROMPT = """
You are an Email marketing expert specializing in real estate. Your task is to write compelling email campaigns to promote properties, focusing on personalization, subject lines, and effective call-to-action strategies to drive conversions.
"""
# Example usage:
api_key = os . getenv ( "OPENAI_API_KEY" )
# Model
model = OpenAIChat (
openai_api_key = api_key , model_name = "gpt-4o-mini" , temperature = 0.1
)
# Initialize your agents for different social media platforms
agents = [
Agent (
agent_name = "Twitter-RealEstate-Agent" ,
system_prompt = TWITTER_AGENT_SYS_PROMPT ,
llm = model ,
max_loops = 1 ,
dynamic_temperature_enabled = True ,
saved_state_path = "twitter_realestate_agent.json" ,
user_name = "realestate_swarms" ,
retry_attempts = 1 ,
),
Agent (
agent_name = "Instagram-RealEstate-Agent" ,
system_prompt = INSTAGRAM_AGENT_SYS_PROMPT ,
llm = model ,
max_loops = 1 ,
dynamic_temperature_enabled = True ,
saved_state_path = "instagram_realestate_agent.json" ,
user_name = "realestate_swarms" ,
retry_attempts = 1 ,
),
Agent (
agent_name = "Facebook-RealEstate-Agent" ,
system_prompt = FACEBOOK_AGENT_SYS_PROMPT ,
llm = model ,
max_loops = 1 ,
dynamic_temperature_enabled = True ,
saved_state_path = "facebook_realestate_agent.json" ,
user_name = "realestate_swarms" ,
retry_attempts = 1 ,
),
Agent (
agent_name = "LinkedIn-RealEstate-Agent" ,
system_prompt = LINKEDIN_AGENT_SYS_PROMPT ,
llm = model ,
max_loops = 1 ,
dynamic_temperature_enabled = True ,
saved_state_path = "linkedin_realestate_agent.json" ,
user_name = "realestate_swarms" ,
retry_attempts = 1 ,
),
Agent (
agent_name = "Email-RealEstate-Agent" ,
system_prompt = EMAIL_AGENT_SYS_PROMPT ,
llm = model ,
max_loops = 1 ,
dynamic_temperature_enabled = True ,
saved_state_path = "email_realestate_agent.json" ,
user_name = "realestate_swarms" ,
retry_attempts = 1 ,
),
]
# Create a Swarm with the list of agents
swarm = SpreadSheetSwarm (
name = "Real-Estate-Marketing-Swarm" ,
description = "A swarm that processes real estate marketing tasks using multiple agents on different threads." ,
agents = agents ,
autosave_on = True ,
save_file_path = "real_estate_marketing_spreadsheet.csv" ,
run_all_agents = False ,
max_loops = 2 ,
)
# Run the swarm
swarm . run (
task = """
Create posts to promote luxury properties in North Texas, highlighting their features, location, and investment potential. Include relevant hashtags, images, and engaging captions.
Property:
$10,399,000
1609 Meandering Way Dr, Roanoke, TX 76262
Link to the property: https://www.zillow.com/homedetails/1609-Meandering-Way-Dr-Roanoke-TX-76262/308879785_zpid/
What's special
Unveiling a new custom estate in the prestigious gated Quail Hollow Estates! This impeccable residence, set on a sprawling acre surrounded by majestic trees, features a gourmet kitchen equipped with top-tier Subzero and Wolf appliances. European soft-close cabinets and drawers, paired with a double Cambria Quartzite island, perfect for family gatherings. The first-floor game room&media room add extra layers of entertainment. Step into the outdoor sanctuary, where a sparkling pool and spa, and sunken fire pit, beckon leisure. The lavish master suite features stunning marble accents, custom his&her closets, and a secure storm shelter.Throughout the home,indulge in the visual charm of designer lighting and wallpaper, elevating every space. The property is complete with a 6-car garage and a sports court, catering to the preferences of basketball or pickleball enthusiasts. This residence seamlessly combines luxury&recreational amenities, making it a must-see for the discerning buyer.
Facts & features
Interior
Bedrooms & bathrooms
Bedrooms: 6
Bathrooms: 8
Full bathrooms: 7
1/2 bathrooms: 1
Primary bedroom
Bedroom
Features: Built-in Features, En Suite Bathroom, Walk-In Closet(s)
Cooling
Central Air, Ceiling Fan(s), Electric
Appliances
Included: Built-In Gas Range, Built-In Refrigerator, Double Oven, Dishwasher, Gas Cooktop, Disposal, Ice Maker, Microwave, Range, Refrigerator, Some Commercial Grade, Vented Exhaust Fan, Warming Drawer, Wine Cooler
Features
Wet Bar, Built-in Features, Dry Bar, Decorative/Designer Lighting Fixtures, Eat-in Kitchen, Elevator, High Speed Internet, Kitchen Island, Pantry, Smart Home, Cable TV, Walk-In Closet(s), Wired for Sound
Flooring: Hardwood
Has basement: No
Number of fireplaces: 3
Fireplace features: Living Room, Primary Bedroom
Interior area
Total interior livable area: 10,466 sqft
Total spaces: 12
Parking features: Additional Parking
Attached garage spaces: 6
Carport spaces: 6
Features
Levels: Two
Stories: 2
Patio & porch: Covered
Exterior features: Built-in Barbecue, Barbecue, Gas Grill, Lighting, Outdoor Grill, Outdoor Living Area, Private Yard, Sport Court, Fire Pit
Pool features: Heated, In Ground, Pool, Pool/Spa Combo
Fencing: Wrought Iron
Lot
Size: 1.05 Acres
Details
Additional structures: Outdoor Kitchen
Parcel number: 42232692
Special conditions: Standard
Construction
Type & style
Home type: SingleFamily
Architectural style: Contemporary/Modern,Detached
Property subtype: Single Family Residence
"""
)ForestSwarm ForestSwarmアーキテクチャは、木のコレクションから最も適切なエージェントを動的に選択することにより、効率的なタスク割り当てのために設計されています。これは、非同期タスク処理によって達成されます。このタスク処理では、手元のタスクに関連するエージェントが選択されます。関連性は、各エージェントに関連付けられたシステムプロンプトとタスク自体に存在するキーワードの類似性を計算することによって決定されます。 ForestSwarm仕組みをより詳細に理解するには、公式のドキュメントを参照してください。
| 方法 | 説明 | パラメーター | 返品値 |
|---|---|---|---|
__init__ | Forestswarmを初期化します | trees ：ツリーオブジェクトのリスト | なし |
run | Forestswarmを実行します | task ：群れの入力タスク | 最も関連性の高いエージェントからの出力 |
| 入力 | タイプ | 説明 |
|---|---|---|
trees | リスト[ツリー] | それぞれがtreeagentオブジェクトを含むツリーオブジェクトのリスト |
task | str | Forestswarmによって処理されるタスク |
run方法は、入力タスクに基づいて選択された最も関連性の高いエージェントから出力を返します。
from swarms . structs . tree_swarm import TreeAgent , Tree , ForestSwarm
# Create agents with varying system prompts and dynamically generated distances/keywords
agents_tree1 = [
TreeAgent (
system_prompt = """You are an expert Stock Analysis Agent with deep knowledge of financial markets, technical analysis, and fundamental analysis. Your primary function is to analyze stock performance, market trends, and provide actionable insights. When analyzing stocks:
1. Always start with a brief overview of the current market conditions.
2. Use a combination of technical indicators (e.g., moving averages, RSI, MACD) and fundamental metrics (e.g., P/E ratio, EPS growth, debt-to-equity).
3. Consider both short-term and long-term perspectives in your analysis.
4. Provide clear buy, hold, or sell recommendations with supporting rationale.
5. Highlight potential risks and opportunities specific to each stock or sector.
6. Use bullet points for clarity when listing key points or metrics.
7. If relevant, compare the stock to its peers or sector benchmarks.
Remember to maintain objectivity and base your analysis on factual data. If asked about future performance, always include a disclaimer about market unpredictability. Your goal is to provide comprehensive, accurate, and actionable stock analysis to inform investment decisions.""" ,
agent_name = "Stock Analysis Agent" ,
),
TreeAgent (
system_prompt = """You are a highly skilled Financial Planning Agent, specializing in personal and corporate financial strategies. Your role is to provide comprehensive financial advice tailored to each client's unique situation. When creating financial plans:
1. Begin by asking key questions about the client's financial goals, current situation, and risk tolerance.
2. Develop a holistic view of the client's finances, including income, expenses, assets, and liabilities.
3. Create detailed, step-by-step action plans to achieve financial goals.
4. Provide specific recommendations for budgeting, saving, and investing.
5. Consider tax implications and suggest tax-efficient strategies.
6. Incorporate risk management and insurance planning into your recommendations.
7. Use charts or tables to illustrate financial projections and scenarios.
8. Regularly suggest reviewing and adjusting the plan as circumstances change.
Always prioritize the client's best interests and adhere to fiduciary standards. Explain complex financial concepts in simple terms, and be prepared to justify your recommendations with data and reasoning.""" ,
agent_name = "Financial Planning Agent" ,
),
TreeAgent (
agent_name = "Retirement Strategy Agent" ,
system_prompt = """You are a specialized Retirement Strategy Agent, focused on helping individuals and couples plan for a secure and comfortable retirement. Your expertise covers various aspects of retirement planning, including savings strategies, investment allocation, and income generation during retirement. When developing retirement strategies:
1. Start by assessing the client's current age, desired retirement age, and expected lifespan.
2. Calculate retirement savings goals based on desired lifestyle and projected expenses.
3. Analyze current retirement accounts (e.g., 401(k), IRA) and suggest optimization strategies.
4. Provide guidance on asset allocation and rebalancing as retirement approaches.
5. Explain various retirement income sources (e.g., Social Security, pensions, annuities).
6. Discuss healthcare costs and long-term care planning.
7. Offer strategies for tax-efficient withdrawals during retirement.
8. Consider estate planning and legacy goals in your recommendations.
Use Monte Carlo simulations or other statistical tools to illustrate the probability of retirement success. Always emphasize the importance of starting early and the power of compound interest. Be prepared to adjust strategies based on changing market conditions or personal circumstances.""" ,
),
]
agents_tree2 = [
TreeAgent (
system_prompt = """You are a knowledgeable Tax Filing Agent, specializing in personal and business tax preparation and strategy. Your role is to ensure accurate tax filings while maximizing legitimate deductions and credits. When assisting with tax matters:
1. Start by gathering all necessary financial information and documents.
2. Stay up-to-date with the latest tax laws and regulations, including state-specific rules.
3. Identify all applicable deductions and credits based on the client's situation.
4. Provide step-by-step guidance for completing tax forms accurately.
5. Explain tax implications of various financial decisions.
6. Offer strategies for tax-efficient investing and income management.
7. Assist with estimated tax payments for self-employed individuals or businesses.
8. Advise on record-keeping practices for tax purposes.
Always prioritize compliance with tax laws while ethically minimizing tax liability. Be prepared to explain complex tax concepts in simple terms and provide rationale for your recommendations. If a situation is beyond your expertise, advise consulting a certified tax professional or IRS resources.""" ,
agent_name = "Tax Filing Agent" ,
),
TreeAgent (
system_prompt = """You are a sophisticated Investment Strategy Agent, adept at creating and managing investment portfolios to meet diverse financial goals. Your expertise covers various asset classes, market analysis, and risk management techniques. When developing investment strategies:
1. Begin by assessing the client's investment goals, time horizon, and risk tolerance.
2. Provide a comprehensive overview of different asset classes and their risk-return profiles.
3. Create diversified portfolio recommendations based on modern portfolio theory.
4. Explain the benefits and risks of various investment vehicles (e.g., stocks, bonds, ETFs, mutual funds).
5. Incorporate both passive and active investment strategies as appropriate.
6. Discuss the importance of regular portfolio rebalancing and provide a rebalancing strategy.
7. Consider tax implications of investment decisions and suggest tax-efficient strategies.
8. Provide ongoing market analysis and suggest portfolio adjustments as needed.
Use historical data and forward-looking projections to illustrate potential outcomes. Always emphasize the importance of long-term investing and the risks of market timing. Be prepared to explain complex investment concepts in clear, accessible language.""" ,
agent_name = "Investment Strategy Agent" ,
),
TreeAgent (
system_prompt = """You are a specialized ROTH IRA Agent, focusing on the intricacies of Roth Individual Retirement Accounts. Your role is to provide expert guidance on Roth IRA rules, benefits, and strategies to maximize their value for retirement planning. When advising on Roth IRAs:
1. Explain the fundamental differences between traditional and Roth IRAs.
2. Clarify Roth IRA contribution limits and income eligibility requirements.
3. Discuss the tax advantages of Roth IRAs, including tax-free growth and withdrawals.
4. Provide guidance on Roth IRA conversion strategies and their tax implications.
5. Explain the five-year rule and how it affects Roth IRA withdrawals.
6. Offer strategies for maximizing Roth IRA contributions, such as the backdoor Roth IRA method.
7. Discuss how Roth IRAs fit into overall retirement and estate planning strategies.
8. Provide insights on investment choices within a Roth IRA to maximize tax-free growth.
Always stay current with IRS regulations regarding Roth IRAs. Be prepared to provide numerical examples to illustrate the long-term benefits of Roth IRAs. Emphasize the importance of considering individual financial situations when making Roth IRA decisions.""" ,
agent_name = "ROTH IRA Agent" ,
),
]
# Create trees
tree1 = Tree ( tree_name = "Financial Tree" , agents = agents_tree1 )
tree2 = Tree ( tree_name = "Investment Tree" , agents = agents_tree2 )
# Create the ForestSwarm
multi_agent_structure = ForestSwarm ( trees = [ tree1 , tree2 ])
# Run a task
task = "What are the best platforms to do our taxes on"
output = multi_agent_structure . run ( task )
print ( output )SwarmRouter SwarmRouterクラスは、タスク実行のためにさまざまな種類の群れを管理するように設計された柔軟なルーティングシステムです。 AgentRearrange 、 MixtureOfAgents 、 SpreadSheetSwarm 、 SequentialWorkflow 、 ConcurrentWorkflowなど、さまざまな群れタイプと対話するための統一されたインターフェイスを提供します。新しいアーキテクチャで進歩するにつれて、ここでより多くの群れアーキテクチャを継続的に追加します。
name （str）：swarmrouterインスタンスの名前。description （str）：Swarmrouterインスタンスの説明。max_loops （int）：実行するループの最大数。agents （リスト[エージェント]）：群れで使用されるエージェントオブジェクトのリスト。swarm_type （swarmtype）：使用する群れの種類。swarm （Union [AgentRearRange、混合物質、SpreadSheetSwarm、SequentialWorkFlow、ConcurrentWorkFlow]）：インスタンス化された群オブジェクト。logs （list [swarmlog]）：操作中にキャプチャされたログエントリのリスト。 __init__(self, name: str, description: str, max_loops: int, agents: List[Agent], swarm_type: SwarmType, *args, **kwargs) ：swarmrouterの初期化。_create_swarm(self, *args, **kwargs) ：指定された群れタイプを作成して返す。_log(self, level: str, message: str, task: str, metadata: Dict[str, Any]) ：ログエントリを作成し、ログリストに追加します。run(self, task: str, *args, **kwargs) ：選択した群れで指定されたタスクを実行します。get_logs(self) ：すべてのログに記載されているエントリを取得します。 import os
from dotenv import load_dotenv
from swarms import Agent
from swarm_models import OpenAIChat
from swarms . structs . swarm_router import SwarmRouter , SwarmType
load_dotenv ()
# Get the OpenAI API key from the environment variable
api_key = os . getenv ( "GROQ_API_KEY" )
# Model
model = OpenAIChat (
openai_api_base = "https://api.groq.com/openai/v1" ,
openai_api_key = api_key ,
model_name = "llama-3.1-70b-versatile" ,
temperature = 0.1 ,
)
# Define specialized system prompts for each agent
DATA_EXTRACTOR_PROMPT = """You are a highly specialized private equity agent focused on data extraction from various documents. Your expertise includes:
1. Extracting key financial metrics (revenue, EBITDA, growth rates, etc.) from financial statements and reports
2. Identifying and extracting important contract terms from legal documents
3. Pulling out relevant market data from industry reports and analyses
4. Extracting operational KPIs from management presentations and internal reports
5. Identifying and extracting key personnel information from organizational charts and bios
Provide accurate, structured data extracted from various document types to support investment analysis."""
SUMMARIZER_PROMPT = """You are an expert private equity agent specializing in summarizing complex documents. Your core competencies include:
1. Distilling lengthy financial reports into concise executive summaries
2. Summarizing legal documents, highlighting key terms and potential risks
3. Condensing industry reports to capture essential market trends and competitive dynamics
4. Summarizing management presentations to highlight key strategic initiatives and projections
5. Creating brief overviews of technical documents, emphasizing critical points for non-technical stakeholders
Deliver clear, concise summaries that capture the essence of various documents while highlighting information crucial for investment decisions."""
FINANCIAL_ANALYST_PROMPT = """You are a specialized private equity agent focused on financial analysis. Your key responsibilities include:
1. Analyzing historical financial statements to identify trends and potential issues
2. Evaluating the quality of earnings and potential adjustments to EBITDA
3. Assessing working capital requirements and cash flow dynamics
4. Analyzing capital structure and debt capacity
5. Evaluating financial projections and underlying assumptions
Provide thorough, insightful financial analysis to inform investment decisions and valuation."""
MARKET_ANALYST_PROMPT = """You are a highly skilled private equity agent specializing in market analysis. Your expertise covers:
1. Analyzing industry trends, growth drivers, and potential disruptors
2. Evaluating competitive landscape and market positioning
3. Assessing market size, segmentation, and growth potential
4. Analyzing customer dynamics, including concentration and loyalty
5. Identifying potential regulatory or macroeconomic impacts on the market
Deliver comprehensive market analysis to assess the attractiveness and risks of potential investments."""
OPERATIONAL_ANALYST_PROMPT = """You are an expert private equity agent focused on operational analysis. Your core competencies include:
1. Evaluating operational efficiency and identifying improvement opportunities
2. Analyzing supply chain and procurement processes
3. Assessing sales and marketing effectiveness
4. Evaluating IT systems and digital capabilities
5. Identifying potential synergies in merger or add-on acquisition scenarios
Provide detailed operational analysis to uncover value creation opportunities and potential risks."""
# Initialize specialized agents
data_extractor_agent = Agent (
agent_name = "Data-Extractor" ,
system_prompt = DATA_EXTRACTOR_PROMPT ,
llm = model ,
max_loops = 1 ,
autosave = True ,
verbose = True ,
dynamic_temperature_enabled = True ,
saved_state_path = "data_extractor_agent.json" ,
user_name = "pe_firm" ,
retry_attempts = 1 ,
context_length = 200000 ,
output_type = "string" ,
)
summarizer_agent = Agent (
agent_name = "Document-Summarizer" ,
system_prompt = SUMMARIZER_PROMPT ,
llm = model ,
max_loops = 1 ,
autosave = True ,
verbose = True ,
dynamic_temperature_enabled = True ,
saved_state_path = "summarizer_agent.json" ,
user_name = "pe_firm" ,
retry_attempts = 1 ,
context_length = 200000 ,
output_type = "string" ,
)
financial_analyst_agent = Agent (
agent_name = "Financial-Analyst" ,
system_prompt = FINANCIAL_ANALYST_PROMPT ,
llm = model ,
max_loops = 1 ,
autosave = True ,
verbose = True ,
dynamic_temperature_enabled = True ,
saved_state_path = "financial_analyst_agent.json" ,
user_name = "pe_firm" ,
retry_attempts = 1 ,
context_length = 200000 ,
output_type = "string" ,
)
market_analyst_agent = Agent (
agent_name = "Market-Analyst" ,
system_prompt = MARKET_ANALYST_PROMPT ,
llm = model ,
max_loops = 1 ,
autosave = True ,
verbose = True ,
dynamic_temperature_enabled = True ,
saved_state_path = "market_analyst_agent.json" ,
user_name = "pe_firm" ,
retry_attempts = 1 ,
context_length = 200000 ,
output_type = "string" ,
)
operational_analyst_agent = Agent (
agent_name = "Operational-Analyst" ,
system_prompt = OPERATIONAL_ANALYST_PROMPT ,
llm = model ,
max_loops = 1 ,
autosave = True ,
verbose = True ,
dynamic_temperature_enabled = True ,
saved_state_path = "operational_analyst_agent.json" ,
user_name = "pe_firm" ,
retry_attempts = 1 ,
context_length = 200000 ,
output_type = "string" ,
)
# Initialize the SwarmRouter
router = SwarmRouter (
name = "pe-document-analysis-swarm" ,
description = "Analyze documents for private equity due diligence and investment decision-making" ,
max_loops = 1 ,
agents = [
data_extractor_agent ,
summarizer_agent ,
financial_analyst_agent ,
market_analyst_agent ,
operational_analyst_agent ,
],
swarm_type = "ConcurrentWorkflow" , # or "SequentialWorkflow" or "ConcurrentWorkflow" or
)
# Example usage
if __name__ == "__main__" :
# Run a comprehensive private equity document analysis task
result = router . run (
"Where is the best place to find template term sheets for series A startups. Provide links and references"
)
print ( result )
# Retrieve and print logs
for log in router . get_logs ():
print ( f" { log . timestamp } - { log . level } : { log . message } " )さまざまな群れタイプで複数のSwarmrouterインスタンスを作成できます。
sequential_router = SwarmRouter (
name = "SequentialRouter" ,
agents = [
data_extractor_agent ,
summarizer_agent ,
financial_analyst_agent ,
market_analyst_agent ,
operational_analyst_agent ,
],
swarm_type = SwarmType . SequentialWorkflow
)
concurrent_router = SwarmRouter (
name = "ConcurrentRouter" ,
agents = [
data_extractor_agent ,
summarizer_agent ,
financial_analyst_agent ,
market_analyst_agent ,
operational_analyst_agent ,
],
swarm_type = SwarmType . ConcurrentWorkflow
)ユースケース：複雑なマルチステップタスクのエージェント順序を最適化します。
rearrange_router = SwarmRouter (
name = "TaskOptimizer" ,
description = "Optimize agent order for multi-step tasks" ,
max_loops = 3 ,
agents = [
data_extractor_agent ,
summarizer_agent ,
financial_analyst_agent ,
market_analyst_agent ,
operational_analyst_agent ,
],
swarm_type = SwarmType . AgentRearrange ,
flow = f" { data_extractor . name } -> { analyzer . name } -> { summarizer . name } "
)
result = rearrange_router . run ( "Analyze and summarize the quarterly financial report" )ユースケース：包括的な分析のために、多様な専門家エージェントを組み合わせます。
mixture_router = SwarmRouter (
name = "ExpertPanel" ,
description = "Combine insights from various expert agents" ,
max_loops = 1 ,
agents = [
data_extractor_agent ,
summarizer_agent ,
financial_analyst_agent ,
market_analyst_agent ,
operational_analyst_agent ,
],
swarm_type = SwarmType . MixtureOfAgents
)
result = mixture_router . run ( "Evaluate the potential acquisition of TechStartup Inc." )今すぐ作成者とリードメンテナーのSwarmsであるKye Gomezのリードメンテナーで、インストール、使用の例を始め、カスタムユースケースの構築を開始する方法を紹介します。ここをクリック
ドキュメントは、docs.swarms.worldにあります
Swarmsパッケージはswarms.structs Agent swarms.agentsさまざまなモジュールに分割されます。エージェント構造。最も重要なのは、 structs 、 models 、およびagentsです。
├── __init__.py
├── agents
├── artifacts
├── memory
├── schemas
├── models - > swarm_models
├── prompts
├── structs
├── telemetry
├── tools
├── utils
└── workers貢献する最も簡単な方法は、 good first issueタグで問題を選択することです。ここで貢献ガイドラインを読んでください。バグレポート？ここにファイル|機能リクエスト？こちらをファイルします
Swarmsはオープンソースプロジェクトであり、貢献は大歓迎です。貢献したい場合は、新しい機能を作成したり、バグを修正したり、インフラストラクチャを改善したりできます。ロードマップディスカッションに参加するために、寄稿者と寄付委員会を参照してください！
ここで私たちをサポートして実装するためのバグ、機能、デモを加速してください：
リアルタイムのサポート、アイデア、群れに関する議論のために、世界中の成長しているコミュニティに参加しますか？
GNU Affero一般公開ライセンス
