![hhhx402's tweet photo. 「Swarms Architectures」
之「从技术上帮你拿住Swarms 」
内容包含主要包含:
- Swarms架构解析
- MCS架构解析
这是一条完整介绍Swarms的代码的Thread，写这条Thread的原因是最近 #Swarms 的创始人被Shaw指责没有编写代码的能力推特火了之后，推特上很多人都在浅浅���看代码之后说Swarms的代码很烂，而且很多朋友也来询问我关于Swarms 技术的问题，这两天花了很多时间把基本上所有代码完整的看了一遍就有了这条Thread，客观的叙述下Swarms
@swarms_corp 架构如下:
整体的架构图如下：
1. Swarms的Agent的设计该有的功能都有，也就是跟ElizaOs一样都支持了Memory,Tool,LLM,Evaluator, 同时Tool的设计上也都是采用了类似ElizaOS对应的注册表的方式。
--------- Swarm Framework ---------
2.在Agent之上是对应的Swarm Framework,用于协调多个Agent之间的工作，目前Swarms已经实现的Swarm Framework有：
1️⃣ MajorityVoting，相当于多个不同的Agent同时执行一个task,最后会通过投票的方式选择一个最佳答案进行回复，最多得票数的回复会被采用；��实也很想区块链的Pos共识机制，挺有趣的
2️⃣ AgentRearrange，是一个很灵活的Swarm框架，比如我们现在有三个不同的Agent A,B,C,D ; 然后假设有一个任务希望 按照 task -> A -> B -> C -> D的方式被处理，即A先处理这个任务然后交给B处理再给C处理接着给D处理，那么我们只需要在WorkFlow里这么定义 workflow = " A -> B -> C -> D", 然后初始化这个AgentRearrange并且运行，如下所示：
AgentRearrange(agents = [A,B,C,D],workflow = " A -> B -> C -> D").run(task)
我们就可以拿到按照我们规定的工作方式最后产生的结果
同时如果我们把WorkFlow定义成 A -> B,C -> D，那么A执行task之后，B、C会同时执行任务，最后D再执行任务，所以这是一个可以通过WorkFlow实现灵活定义整个工作流的Swarm模式
3️⃣ GraphFlow，则相比AgentRearrange还有支持更复杂的工作流关系，可以任��设计整个工作流的之间的依赖关系
4️⃣ GroupChat 则是让多个Agent进行多轮对话，最终通过多轮对话不断完善要完成的任务内容，从而让结果更可靠更详尽
4️⃣ MixtureOfAgents 则是多个Agent同时工作，最后有一个Agent负责总结所有的工作，并产生最终的输出
5️⃣ RoundRobin则是通过轮询的方式让每个Agent平等的参加工作
6️⃣ ForestSwarm则是可以支持多个层级的Agent关系，所以就想树有很多枝干一样，ForestSwarm就是一个巨大的Agent节点构成的网络，因为起名叫做森林
7️⃣还有MultiAgentRouter也是我们介绍过的BossAgent
ConcurrentWorkflow，支持多个AI Agent同时执行同一个任务
8️⃣ AsyncWorkflow， 多个AI Agent异步执行任务，因此这里需要用到ShareMemory来记录任务产生的数据，同时还有复杂的SpeakSystem
关于Swarm的总结：
Swarm Framework这一层其实需要管理不同的组件，ShareMemory, WorkFlow和 OutputManager, TaskAssigner ，因为总结上面这些不同的Swarm Model，我们会发现当我们想协调多个Agent共同工作的时候我们需要考虑以下几个问题:
1. 决定任务交给谁做 (TaskAssigner)
2. 怎么协调Agent参与工作的先后顺序 (WorkFlow)
3. 怎么管理任务执行之后产生的输出(Output Manager)
4. 异步执行的时候怎么传递一些状态给其他相关任务(ShareMemory)
-------- Swarms Framework ---------
Swarm再上层就是Swarms Framework了，用于协调多个Swarm之间的工作，目前主要支持两种
1️⃣SwarmRouter
通过 「Word Vector」比较的方式选择最合适的Swarm Model进行执行task
2️⃣SwarmRearrange
也可以通过类似定义 workflow 的方式，直接协调多个 Swarm 进行工作
最后我想再强调一下一个Agent是可以在不同的Swarm下直接工作的，所以这里所有的Agent都会由AgentRegistry进行管理，从而能在不同Swarm下尽可能多的复用。
-------- 总结 --------
最终Swarms产生的结果就是，任何Agent协作场景你都能在Swarms上找到开箱即用的协作方式，而即便是更复杂的场景也可以通过不同Swarms之间的配合来实现，因此ElizaOS开启了Web3 Agent Framework的赛道，而Swarms会对Web3 Agent Swarm 领域有很大的贡献要，当然现在的代码还不够完美，但是很明显随着越来越多开发者来到Swarms生态我们可以一起把这些很前沿的代码Build到最好
---------- Mcs 架构分析-----------
目前Swarms生态也开始起来，我觉得会爆发出巨大的力量，就比如 Swarms 生态的龙一 #mcs 的核心代码不过百来行，核心是通过 AgentRearrange的Swarm Model协调四个agent之间的工作，而且当时Kye搞 @mcs_swarm 核心的目的就是想证明Swarms行！
1. 核心架构与Agent：
主要Agent：
- 首席医疗官(Chief Medical Officer)：协调整个团队，收集症状，形成鉴别诊断
- 医疗编码员(Medical Coder)：分配 ICD-10 代码，确保编码合规
- 诊断合成器(Synthesizer)：整合所有发现生成最终诊断评估
- 治疗智能体(Treatment Agent)：根据���果和成本推荐治疗方案
- 实验室匹配器(Lab Matcher)：匹配诊断与实验室检查，提供参考范围
定义Workflow: `首席医疗官 -> 医疗编码员 -> 诊断合成器 -> 治疗智能体`
2. 协调机制：
并通过上面介绍的AgentRearrange 方式来实现协调多个Agent工作
3. 工作流程
同时每轮执行前会从数据库中拿取该任务所需要的对应数据
推荐大家实际使用下 mcs 来感受下 https://t.co/pUsMI5x6ov
所以对于 Swarms来说，一切肯定都不是最好的，但是足够好了，对于现在有这么一个开箱即用的框架也很棒了,Swarms的框架初看会觉得很一般，再看会逐渐发现里面一些 @KyeGomezB 关于Swarm很深的一些思考，是很有价值的](https://pbs.twimg.com/media/Ggqi1ufbkAA_kp5.jpg)
![hhhx402's tweet photo. 「Swarms Architectures」
之「从技术上帮你拿住Swarms 」
内容包含主要包含:
- Swarms架构解析
- MCS架构解析
这是一条完整介绍Swarms的代码的Thread，写这条Thread的原因是最近 #Swarms 的创始人被Shaw指责没有编写代码的能力推特火了之后，推特上很多人都在浅浅���看代码之后说Swarms的代码很烂，而且很多朋友也来询问我关于Swarms 技术的问题，这两天花了很多时间把基本上所有代码完整的看了一遍就有了这条Thread，客观的叙述下Swarms
@swarms_corp 架构如下:
整体的架构图如下：
1. Swarms的Agent的设计该有的功能都有，也就是跟ElizaOs一样都支持了Memory,Tool,LLM,Evaluator, 同时Tool的设计上也都是采用了类似ElizaOS对应的注册表的方式。
--------- Swarm Framework ---------
2.在Agent之上是对应的Swarm Framework,用于协调多个Agent之间的工作，目前Swarms已经实现的Swarm Framework有：
1️⃣ MajorityVoting，相当于多个不同的Agent同时执行一个task,最后会通过投票的方式选择一个最佳答案进行回复，最多得票数的回复会被采用；��实也很想区块链的Pos共识机制，挺有趣的
2️⃣ AgentRearrange，是一个很灵活的Swarm框架，比如我们现在有三个不同的Agent A,B,C,D ; 然后假设有一个任务希望 按照 task -> A -> B -> C -> D的方式被处理，即A先处理这个任务然后交给B处理再给C处理接着给D处理，那么我们只需要在WorkFlow里这么定义 workflow = " A -> B -> C -> D", 然后初始化这个AgentRearrange并且运行，如下所示：
AgentRearrange(agents = [A,B,C,D],workflow = " A -> B -> C -> D").run(task)
我们就可以拿到按照我们规定的工作方式最后产生的结果
同时如果我们把WorkFlow定义成 A -> B,C -> D，那么A执行task之后，B、C会同时执行任务，最后D再执行任务，所以这是一个可以通过WorkFlow实现灵活定义整个工作流的Swarm模式
3️⃣ GraphFlow，则相比AgentRearrange还有支持更复杂的工作流关系，可以任��设计整个工作流的之间的依赖关系
4️⃣ GroupChat 则是让多个Agent进行多轮对话，最终通过多轮对话不断完善要完成的任务内容，从而让结果更可靠更详尽
4️⃣ MixtureOfAgents 则是多个Agent同时工作，最后有一个Agent负责总结所有的工作，并产生最终的输出
5️⃣ RoundRobin则是通过轮询的方式让每个Agent平等的参加工作
6️⃣ ForestSwarm则是可以支持多个层级的Agent关系，所以就想树有很多枝干一样，ForestSwarm就是一个巨大的Agent节点构成的网络，因为起名叫做森林
7️⃣还有MultiAgentRouter也是我们介绍过的BossAgent
ConcurrentWorkflow，支持多个AI Agent同时执行同一个任务
8️⃣ AsyncWorkflow， 多个AI Agent异步执行任务，因此这里需要用到ShareMemory来记录任务产生的数据，同时还有复杂的SpeakSystem
关于Swarm的总结：
Swarm Framework这一层其实需要管理不同的组件，ShareMemory, WorkFlow和 OutputManager, TaskAssigner ，因为总结上面这些不同的Swarm Model，我们会发现当我们想协调多个Agent共同工作的时候我们需要考虑以下几个问题:
1. 决定任务交给谁做 (TaskAssigner)
2. 怎么协调Agent参与工作的先后顺序 (WorkFlow)
3. 怎么管理任务执行之后产生的输出(Output Manager)
4. 异步执行的时候怎么传递一些状态给其他相关任务(ShareMemory)
-------- Swarms Framework ---------
Swarm再上层就是Swarms Framework了，用于协调多个Swarm之间的工作，目前主要支持两种
1️⃣SwarmRouter
通过 「Word Vector」比较的方式选择最合适的Swarm Model进行执行task
2️⃣SwarmRearrange
也可以通过类似定义 workflow 的方式，直接协调多个 Swarm 进行工作
最后我想再强调一下一个Agent是可以在不同的Swarm下直接工作的，所以这里所有的Agent都会由AgentRegistry进行管理，从而能在不同Swarm下尽可能多的复用。
-------- 总结 --------
最终Swarms产生的结果就是，任何Agent协作场景你都能在Swarms上找到开箱即用的协作方式，而即便是更复杂的场景也可以通过不同Swarms之间的配合来实现，因此ElizaOS开启了Web3 Agent Framework的赛道，而Swarms会对Web3 Agent Swarm 领域有很大的贡献要，当然现在的代码还不够完美，但是很明显随着越来越多开发者来到Swarms生态我们可以一起把这些很前沿的代码Build到最好
---------- Mcs 架构分析-----------
目前Swarms生态也开始起来，我觉得会爆发出巨大的力量，就比如 Swarms 生态的龙一 #mcs 的核心代码不过百来行，核心是通过 AgentRearrange的Swarm Model协调四个agent之间的工作，而且当时Kye搞 @mcs_swarm 核心的目的就是想证明Swarms行！
1. 核心架构与Agent：
主要Agent：
- 首席医疗官(Chief Medical Officer)：协调整个团队，收集症状，形成鉴别诊断
- 医疗编码员(Medical Coder)：分配 ICD-10 代码，确保编码合规
- 诊断合成器(Synthesizer)：整合所有发现生成最终诊断评估
- 治疗智能体(Treatment Agent)：根据���果和成本推荐治疗方案
- 实验室匹配器(Lab Matcher)：匹配诊断与实验室检查，提供参考范围
定义Workflow: `首席医疗官 -> 医疗编码员 -> 诊断合成器 -> 治疗智能体`
2. 协调机制：
并通过上面介绍的AgentRearrange 方式来实现协调多个Agent工作
3. 工作流程
同时每轮执行前会从数据库中拿取该任务所需要的对应数据
推荐大家实际使用下 mcs 来感受下 https://t.co/pUsMI5x6ov
所以对于 Swarms来说，一切肯定都不是最好的，但是足够好了，对于现在有这么一个开箱即用的框架也很棒了,Swarms的框架初看会觉得很一般，再看会逐渐发现里面一些 @KyeGomezB 关于Swarm很深的一些思考，是很有价值的](https://pbs.twimg.com/media/Ggqh8zEawAEhPLo.png)
Olivia
Online
https://t.co/oWr2pTk4Hu
Reject MCP, embrace SLOP.
Simple Language Open Protocol
Yap early, yap only, yap often.
@_kaitoai is connecting AI, attention and capital with Yaps.
Just claimed my social card and I'm accumulating Yap points in real-time.
Claim yours 👉 https://t.co/pv7Ya1mWer
linea无论是社区还是团队都是畜生
别人都被盗了
还要把别人女巫
说畜生侮辱了畜生
@0xUnicorn 但是Doge是无限增发的
That's the spirit!
Starting the year strong!
New features coming to Zapper soon:
- Token + NFT recommendations based on your onchain activity
- Filter your tx history by transaction type
- AI-generated human-readable transactions
- Allow anyone to submit onchain apps to Zapper
Don't deny the power, accept it and use it in a good way, that is how Tai Chi works.
i just needed people to pay attention to what I built.
everyone was paying attention to memecoins.
so I became a memecoin.
Visualizer of our MultiAgentRouter 🤖
The MultiAgentRouter is an all-new multi-agent structure that leverages a hierarchical pattern to select the most specialized agent for your task.
Here's how it works:
Step 1. You give a task.
Step 2. The Boss Agent Routes your task to the most specialized Agent
Step 3. The selected agent returns your response!
Get started with it now below ⬇️
Thanks to @weissvideo for the visualizer!!
4 days already, and I am gona HODL! $swarms
「Swarms Architectures」
之「从技术上帮你拿住Swarms 」
内容包含主要包含:
- Swarms架构解析
- MCS架构解析
这是一条完整介绍Swarms的代码的Thread，写这条Thread的原因是最近 #Swarms 的创始人被Shaw指责没有编写代码的能力推特火了之后，推特上很多人都在浅浅���看代码之后说Swarms的代码很烂，而且很多朋友也来询问我关于Swarms 技术的问题，这两天花了很多时间把基本上所有代码完整的看了一遍就有了这条Thread，客观的叙述下Swarms
@swarms_corp 架构如下:
整体的架构图如下：
1. Swarms的Agent的设计该有的功能都有，也就是跟ElizaOs一样都支持了Memory,Tool,LLM,Evaluator, 同时Tool的设计上也都是采用了类似ElizaOS对应的注册表的方式。
--------- Swarm Framework ---------
2.在Agent之上是对应的Swarm Framework,用于协调多个Agent之间的工作，目前Swarms已经实现的Swarm Framework有：
1️⃣ MajorityVoting，相当于多个不同的Agent同时执行一个task,最后会通过投票的方式选择一个最佳答案进行回复，最多得票数的回复会被采用；��实也很想区块链的Pos共识机制，挺有趣的
2️⃣ AgentRearrange，是一个很灵活的Swarm框架，比如我们现在有三个不同的Agent A,B,C,D ; 然后假设有一个任务希望 按照 task -> A -> B -> C -> D的方式被处理，即A先处理这个任务然后交给B处理再给C处理接着给D处理，那么我们只需要在WorkFlow里这么定义 workflow = " A -> B -> C -> D", 然后初始化这个AgentRearrange并且运行，如下所示：
AgentRearrange(agents = [A,B,C,D],workflow = " A -> B -> C -> D").run(task)
我们就可以拿到按照我们规定的工作方式最后产生的结果
同时如果我们把WorkFlow定义成 A -> B,C -> D，那么A执行task之后，B、C会同时执行任务，最后D再执行任务，所以这是一个可以通过WorkFlow实现灵活定义整个工作流的Swarm模式
3️⃣ GraphFlow，则相比AgentRearrange还有支持更复杂的工作流关系，可以任��设计整个工作流的之间的依赖关系
4️⃣ GroupChat 则是让多个Agent进行多轮对话，最终通过多轮对话不断完善要完成的任务内容，从而让结果更可靠更详尽
4️⃣ MixtureOfAgents 则是多个Agent同时工作，最后有一个Agent负责总结所有的工作，并产生最终的输出
5️⃣ RoundRobin则是通过轮询的方式让每个Agent平等的参加工作
6️⃣ ForestSwarm则是可以支持多个层级的Agent关系，所以就想树有很多枝干一样，ForestSwarm就是一个巨大的Agent节点构成的网络，因为起名叫做森林
7️⃣还有MultiAgentRouter也是我们介绍过的BossAgent
ConcurrentWorkflow，支持多个AI Agent同时执行同一个任务
8️⃣ AsyncWorkflow， 多个AI Agent异步执行任务，因此这里需要用到ShareMemory来记录任务产生的数据，同时还有复杂的SpeakSystem
关于Swarm的总结：
Swarm Framework这一层其实需要管理不同的组件，ShareMemory, WorkFlow和 OutputManager, TaskAssigner ，因为总结上面这些不同的Swarm Model，我们会发现当我们想协调多个Agent共同工作的时候我们需要考虑以下几个问题:
1. 决定任务交给谁做 (TaskAssigner)
2. 怎么协调Agent参与工作的先后顺序 (WorkFlow)
3. 怎么管理任务执行之后产生的输出(Output Manager)
4. 异步执行的时候怎么传递一些状态给其他相关任务(ShareMemory)
-------- Swarms Framework ---------
Swarm再上层就是Swarms Framework了，用于协调多个Swarm之间的工作，目前主要支持两种
1️⃣SwarmRouter
通过 「Word Vector」比较的方式选择最合适的Swarm Model进行执行task
2️⃣SwarmRearrange
也可以通过类似定义 workflow 的方式，直接协调多个 Swarm 进行工作
最后我想再强调一下一个Agent是可以在不同的Swarm下直接工作的，所以这里所有的Agent都会由AgentRegistry进行管理，从而能在不同Swarm下尽可能多的复用。
-------- 总结 --------
最终Swarms产生的结果就是，任何Agent协作场景你都能在Swarms上找到开箱即用的协作方式，而即便是更复杂的场景也可以通过不同Swarms之间的配合来实现，因此ElizaOS开启了Web3 Agent Framework的赛道，而Swarms会对Web3 Agent Swarm 领域有很大的贡献要，当然现在的代码还不够完美，但是很明显随着越来越多开发者来到Swarms生态我们可以一起把这些很前沿的代码Build到最好
---------- Mcs 架构分析-----------
目前Swarms生态也开始起来，我觉得会爆发出巨大的力量，就比如 Swarms 生态的龙一 #mcs 的核心代码不过百来行，核心是通过 AgentRearrange的Swarm Model协调四个agent之间的工作，而且当时Kye搞 @mcs_swarm 核心的目的就是想证明Swarms行！
1. 核心架构与Agent：
主要Agent：
- 首席医疗官(Chief Medical Officer)：协调整个团队，收集症状，形成鉴别诊断
- 医疗编码员(Medical Coder)：分配 ICD-10 代码，确保编码合规
- 诊断合成器(Synthesizer)：整合所有发现生成最终诊断评估
- 治疗智能体(Treatment Agent)：根据���果和成本推荐治疗方案
- 实验室匹配器(Lab Matcher)：匹配诊断与实验室检查，提供参考范围
定义Workflow: `首席医疗官 -> 医疗编码员 -> 诊断合成器 -> 治疗智能体`
2. 协调机制：
并通过上面介绍的AgentRearrange 方式来实现协调多个Agent工作
3. 工作流程
同时每轮执行前会从数据库中拿取该任务所需要的对应数据
推荐大家实际使用下 mcs 来感受下 https://t.co/pUsMI5x6ov
所以对于 Swarms来说，一切肯定都不是最好的，但是足够好了，对于现在有这么一个开箱即用的框架也很棒了,Swarms的框架初看会觉得很一般，再看会逐渐发现里面一些 @KyeGomezB 关于Swarm很深的一些思考，是很有价值的
![hhhx402's tweet photo. 「Swarms Architectures」
之「从技术上帮你拿住Swarms 」
内容包含主要包含:
- Swarms架构解析
- MCS架构解析
这是一条完整介绍Swarms的代码的Thread，写这条Thread的原因是最近 #Swarms 的创始人被Shaw指责没有编写代码的能力推特火了之后，推特上很多人都在浅浅���看代码之后说Swarms的代码很烂，而且很多朋友也来询问我关于Swarms 技术的问题，这两天花了很多时间把基本上所有代码完整的看了一遍就有了这条Thread，客观的叙述下Swarms
@swarms_corp 架构如下:
整体的架构图如下：
1. Swarms的Agent的设计该有的功能都有，也就是跟ElizaOs一样都支持了Memory,Tool,LLM,Evaluator, 同时Tool的设计上也都是采用了类似ElizaOS对应的注册表的方式。
--------- Swarm Framework ---------
2.在Agent之上是对应的Swarm Framework,用于协调多个Agent之间的工作，目前Swarms已经实现的Swarm Framework有：
1️⃣ MajorityVoting，相当于多个不同的Agent同时执行一个task,最后会通过投票的方式选择一个最佳答案进行回复，最多得票数的回复会被采用；��实也很想区块链的Pos共识机制，挺有趣的
2️⃣ AgentRearrange，是一个很灵活的Swarm框架，比如我们现在有三个不同的Agent A,B,C,D ; 然后假设有一个任务希望 按照 task -> A -> B -> C -> D的方式被处理，即A先处理这个任务然后交给B处理再给C处理接着给D处理，那么我们只需要在WorkFlow里这么定义 workflow = " A -> B -> C -> D", 然后初始化这个AgentRearrange并且运行，如下所示：
AgentRearrange(agents = [A,B,C,D],workflow = " A -> B -> C -> D").run(task)
我们就可以拿到按照我们规定的工作方式最后产生的结果
同时如果我们把WorkFlow定义成 A -> B,C -> D，那么A执行task之后，B、C会同时执行任务，最后D再执行任务，所以这是一个可以通过WorkFlow实现灵活定义整个工作流的Swarm模式
3️⃣ GraphFlow，则相比AgentRearrange还有支持更复杂的工作流关系，可以任��设计整个工作流的之间的依赖关系
4️⃣ GroupChat 则是让多个Agent进行多轮对话，最终通过多轮对话不断完善要完成的任务内容，从而让结果更可靠更详尽
4️⃣ MixtureOfAgents 则是多个Agent同时工作，最后有一个Agent负责总结所有的工作，并产生最终的输出
5️⃣ RoundRobin则是通过轮询的方式让每个Agent平等的参加工作
6️⃣ ForestSwarm则是可以支持多个层级的Agent关系，所以就想树有很多枝干一样，ForestSwarm就是一个巨大的Agent节点构成的网络，因为起名叫做森林
7️⃣还有MultiAgentRouter也是我们介绍过的BossAgent
ConcurrentWorkflow，支持多个AI Agent同时执行同一个任务
8️⃣ AsyncWorkflow， 多个AI Agent异步执行任务，因此这里需要用到ShareMemory来记录任务产生的数据，同时还有复杂的SpeakSystem
关于Swarm的总结：
Swarm Framework这一层其实需要管理不同的组件，ShareMemory, WorkFlow和 OutputManager, TaskAssigner ，因为总结上面这些不同的Swarm Model，我们会发现当我们想协调多个Agent共同工作的时候我们需要考虑以下几个问题:
1. 决定任务交给谁做 (TaskAssigner)
2. 怎么协调Agent参与工作的先后顺序 (WorkFlow)
3. 怎么管理任务执行之后产生的输出(Output Manager)
4. 异步执行的时候怎么传递一些状态给其他相关任务(ShareMemory)
-------- Swarms Framework ---------
Swarm再上层就是Swarms Framework了，用于协调多个Swarm之间的工作，目前主要支持两种
1️⃣SwarmRouter
通过 「Word Vector」比较的方式选择最合适的Swarm Model进行执行task
2️⃣SwarmRearrange
也可以通过类似定义 workflow 的方式，直接协调多个 Swarm 进行工作
最后我想再强调一下一个Agent是可以在不同的Swarm下直接工作的，所以这里所有的Agent都会由AgentRegistry进行管理，从而能在不同Swarm下尽可能多的复用。
-------- 总结 --------
最终Swarms产生的结果就是，任何Agent协作场景你都能在Swarms上找到开箱即用的协作方式，而即便是更复杂的场景也可以通过不同Swarms之间的配合来实现，因此ElizaOS开启了Web3 Agent Framework的赛道，而Swarms会对Web3 Agent Swarm 领域有很大的贡献要，当然现在的代码还不够完美，但是很明显随着越来越多开发者来到Swarms生态我们可以一起把这些很前沿的代码Build到最好
---------- Mcs 架构分析-----------
目前Swarms生态也开始起来，我觉得会爆发出巨大的力量，就比如 Swarms 生态的龙一 #mcs 的核心代码不过百来行，核心是通过 AgentRearrange的Swarm Model协调四个agent之间的工作，而且当时Kye搞 @mcs_swarm 核心的目的就是想证明Swarms行！
1. 核心架构与Agent：
主要Agent：
- 首席医疗官(Chief Medical Officer)：协调整个团队，收集症状，形成鉴别诊断
- 医疗编码员(Medical Coder)：分配 ICD-10 代码，确保编码合规
- 诊断合成器(Synthesizer)：整合所有发现生成最终诊断评估
- 治疗智能体(Treatment Agent)：根据���果和成本推荐治疗方案
- 实验室匹配器(Lab Matcher)：匹配诊断与实验室检查，提供参考范围
定义Workflow: `首席医疗官 -> 医疗编码员 -> 诊断合成器 -> 治疗智能体`
2. 协调机制：
并通过上面介绍的AgentRearrange 方式来实现协调多个Agent工作
3. 工作流程
同时每轮执行前会从数据库中拿取该任务所需要的对应数据
推荐大家实际使用下 mcs 来感受下 https://t.co/pUsMI5x6ov
所以对于 Swarms来说，一切肯定都不是最好的，但是足够好了，对于现在有这么一个开箱即用的框架也很棒了,Swarms的框架初看会觉得很一般，再看会逐渐发现里面一些 @KyeGomezB 关于Swarm很深的一些思考，是很有价值的](https://pbs.twimg.com/media/Ggqi6qKaMAAm_xv.jpg)
1/5
Swarms原理解析(一)
上一条推特用了外链，重新用thread写了一遍，感谢大家的建议～
https://t.co/pbeHseJ19p
#Swarms @swarms_corp
1. Agent架构
Swarms Agent的架构如下，大体架构其实跟其他Web3 AI Agent框架都差不多；
根据跟��户的交互数据生成对应的任务，然后把任务交给LLM(大语言模型)进行处理，大语言模型会根据提前设置好的Tool Resistry选取对应的Tool进行执行，同时执行结果以及过程中发生的一些信息提取都会被加入到Memory之中。
我们大概可以认为 Swarms Tool = Eliza Provider + Action = Arc Tool.
所以这一块大家并没有什么太大的差别，也不存在太强的技术壁垒
# 2. Swarms Framework
Swrms真正核心的其实是这套让各个Agent协作的架构
并且他有一个SwapRouter组件，通过这个组件它可以根据具体的任务内容启动不同的Agent���作框架，大体架构如下：
SwarmRouter和SwarmMatcher会决定一个Task选择哪一个具体的Swarm框架进行执行
具体的Swarm框架会分配多个Agents来执行这个Task的不同部分，并且管理他们之间的输入输出，有些任务之间可能会有依赖关系，这个调度过程也是交给对应启动的Swarm框架来管理
最后就是被调度到的Agent执行自己的任务并且返回结果
## 2.1 目前支持的Swarm方式
AgentRearrange (https://t.co/eFMWhx8BtQ)用于优化 agent 排列顺序和工作流
支持灵活的任务流程定义
可以按照自定义的流程图执行任务
MixtureOfAgents (mixture_of_agents.py)组合多个不同类型的专家 agents
使用聚合器 agent 来汇总和分析其他 agents 的输出
通过分层执行实现任务分解和综合
SpreadSheetSwarm (spreadsheet_swarm.py)像电子表格一样处理并展示数据
支持并发任务执行并保存元数据
可以将处理结果导出为 CSV 文件
SequentialWorkflow (sequential_workflow.py)按顺序执行任务的工作流
支持任务依赖关系管理
可以保存和恢复工作流状态
ConcurrentWorkflow (concurrent_workflow.py)
- 支持并发执行多个任务
- 使用线程池进行任务调度
- 可以监控资源使用情况
我们下面详细深入下 SequentialWorkflow，ConcurrentWorkflow， MixtureOfAgents这几个协作方式，剩下的几个我有时间再来写，Swarms的协作代码太多了看不过来了。
## 2.2 SequentialWorkflow 如何工作
按顺序执行任务的工作流
支持任务依赖关系管理
可以保存和恢复工作流状态
以下是一个使用的调用例子，假设我们有创建了两个Agent:
- Agent1是一个负责研究的Ai Agent
- Agent2是一个负责写作的Ai Agent
- 这个时候我们通过SequentialWorkFlow创建一个task： 研究并写一篇关于AI的文章
- 这个时候这个 task 会被先传递给 Agent1 ， 然后我们可以得到 output1 = https://t.co/5cf13lWc0v(Task)
- 接着我们更新下Content = {当前的任务是task, 已经有的研究结构是 output1 },然后把它传递传递给 Agent2, 这���最终我们就可以实现一个顺序分工的Agent工作机制
在以下代码里，我们也可以看到Sequential_flow就是一个顺序调用Agent的流程
https://t.co/OnCwdcgI4a
Bullish on $swarms, this is the reason:
让ai跑了一下币圈几个ai项目， ai16z, swarms, solana-agent-kit（sendai）, 和 Arcdotfun，对他们的github代码进行评分，最后还与阿里的qwen框架进行了一下对比
结果比预想中好，差距仍然明显；
图一是代码质量；图二是开发者社区活跃度
最下面的是阿里的框架评分：
My Notes 我的一些笔记(4/4)
7. $Focai (5qsZAnWuR7vMJbiznrJEY2ddVqZXjNYmFvR3eXSxpump)
- 李奎李鬼：focai = ai16z + TEE + ELIZA
- 生态得道，鸡犬升天
My Notes 我的一些笔记(1/4)
1. $swarms (74SBV4zDXxTRgv1pEMoECskKBkZHc2yGPnc7GYVepump)
- AI Agent平台协议
- 相关生态热点起飞
- 大佬HODL
- 项目白皮书和Roadmap今日发���
2. $ZAILGO (GorvUUSkJGSzJUebM5W6berUkZ5pG8nmnn7tmk74pump)
- swarms相同的HODL大佬，金手指
- 空投制造Twitter话题热点
My Notes 我的一些笔记(3/4)
5. $BUZZ/The Hive (9DHe3pycTuymFk4H4bbPoAJ4hQrr2kaLDF6J6aAKpump)
- SOL黑客马拉松热点
- DEV团队很厉害，获得各种Hackathon大奖
6. $create (92crE7qiX5T7VtiXhCeagfo1E81UtyguiXM7qCi7pump)
- $swarms的开发团队发的币
- 以上为传言，未证实
Last Seen Users on Sotwe
gayforboyz
Seen from Poland
Berk gizli tek
Seen from Turkey
Chujie Zheng 
Seen from Singapore
Filipino Bottom🇵🇭 #RacePlay
Seen from Qatar
X1
Seen from Turkey
هبة🍑 و ديوثها 💋
Seen from Algeria
🍑 محبى الطياز 🍑
Seen from Spain
عناوين الحصريات
Seen from Saudi Arabia
ali Zor
Seen from Turkey
.สาวใหญ่ไฟแรง🔥
Seen from Thailand
Trends for you
Most Popular Users
Elon Musk
@elonmusk
241.3M followers
Barack Obama
@barackobama
119.1M followers
Cristiano Ronaldo
@cristiano
113M followers
Donald J. Trump
@realdonaldtrump
111.8M followers
Narendra Modi
@narendramodi
107.1M followers
Rihanna
@rihanna
98.3M followers
NASA
@nasa
92.3M followers
Justin Bieber
@justinbieber
91.5M followers
KATY PERRY
@katyperry
89.1M followers
Taylor Swift
@taylorswift13
83M followers
Lady Gaga
@ladygaga
74.5M followers
Virat Kohli
@imvkohli
72M followers
Kim Kardashian
@kimkardashian
70.5M followers
YouTube
@youtube
68.8M followers
Neymar Jr
@neymarjr
65M followers
Bill Gates
@billgates
64.7M followers
The Ellen Show
@theellenshow
62.4M followers
Selena Gomez
@selenagomez
62.2M followers
CNN
@cnn
61.8M followers
X
@x
60.8M followers