Compartir a través de

Seguimiento del Swarm de OpenAI

Advertencia

La integración de OpenAI Swarm ha quedado en desuso porque la biblioteca se está reemplazando por el nuevo SDK de agentes de OpenAI. Considere la posibilidad de migrar al nuevo SDK para conocer las características y el soporte técnico más recientes.

Seguimiento de OpenAI mediante autolog

El seguimiento de MLflow proporciona funcionalidad de seguimiento automático para OpenAI Swarm, un marco multiagente desarrollado por OpenAI. Al habilitar el seguimiento automático para OpenAI llamando a la función mlflow.openai.autolog, MLflow capturará seguimientos anidados y los registrará en el experimento de MLflow activo tras la activación del SDK de OpenAI.

import mlflow

mlflow.openai.autolog()

Además del seguimiento básico de llamadas LLM para OpenAI, MLflow captura los pasos intermedios que opera el agente Swarm y todas las llamadas a las herramientas utilizadas por el agente.

Prerrequisitos

Para usar el seguimiento de MLflow con OpenAI Swarm, debe instalar MLflow, el SDK de OpenAI y la openai-swarm biblioteca.

Desarrollo

Para entornos de desarrollo, instale el paquete MLflow completo con extras de Databricks, openaiy openai-swarm:

pip install --upgrade "mlflow[databricks]>=3.1" openai openai-swarm

El paquete completo mlflow[databricks] incluye todas las características para el desarrollo local y la experimentación en Databricks.

Producción

Para las implementaciones de producción, instale mlflow-tracing, openaiy openai-swarm:

pip install --upgrade mlflow-tracing openai openai-swarm

El mlflow-tracing paquete está optimizado para su uso en producción.

Nota:

Se recomienda encarecidamente MLflow 3. Tenga en cuenta que openAI Swarm ha quedado en desuso en favor del SDK de agentes de OpenAI.

Antes de ejecutar los ejemplos, deberá configurar el entorno:

Para los usuarios que no utilizan los cuadernos de Databricks: establece las variables de entorno de Databricks:

export DATABRICKS_HOST="https://your-workspace.cloud.databricks.com"
export DATABRICKS_TOKEN="your-personal-access-token"

Para los usuarios dentro de cuadernos de Databricks: estas credenciales se establecen automáticamente.

Claves de API: asegúrese de que la clave de API de OpenAI esté establecida:

export OPENAI_API_KEY="your-openai-api-key"

Ejemplo básico

import mlflow
from swarm import Swarm, Agent
import os

# Ensure your OPENAI_API_KEY is set in your environment
# os.environ["OPENAI_API_KEY"] = "your-openai-api-key" # Uncomment and set if not globally configured

# Calling the autolog API will enable trace logging by default.
mlflow.openai.autolog()

# Set up MLflow tracking to Databricks
mlflow.set_tracking_uri("databricks")
mlflow.set_experiment("/Shared/openai-swarm-demo")

# Define a simple multi-agent workflow using OpenAI Swarm
client = Swarm()


def transfer_to_agent_b():
    return agent_b


agent_a = Agent(
    name="Agent A",
    instructions="You are a helpful agent.",
    functions=[transfer_to_agent_b],
)

agent_b = Agent(
    name="Agent B",
    instructions="Only speak in Haikus.",
)

response = client.run(
    agent=agent_a,
    messages=[{"role": "user", "content": "I want to talk to agent B."}],
)

Deshabilitar el seguimiento automático

El seguimiento automático de OpenAI Swarm se puede deshabilitar globalmente llamando a mlflow.openai.autolog(disable=True) o mlflow.autolog(disable=True).

Pasos siguientes