湊熱鬧。可以用GLM跑。
?
這里暫時用GLM底座“魔鬼修改”，代碼庫僅供參考（共同進步吧）
openai-agents-python-glm: 基于GLM底座運行SDK，學習實驗SDK內的mAGT功能。
https://gitee.com/leomk2004/openai-agents-python-glm
自言自語：
Swarm定位是框架（對比其他框架可能相當過于簡單了，官方說是“實驗/教學”）。
OpenAI定位的是SDK，相當與吧RAG/Search/ToolUse/ComputeUse （沒有code interpretor），都封裝到了SDK中（但依賴自家平臺云服務提供的RAG/WebSearch/ComputerUse能力）。所以官方說是“SDK”，沒說是多智能體框架。
為了：
（1）也能體驗以下：模式，computer use，和未來可能升級的能力，這里需要修改底座。
（2）computer use，還是在虛擬機上跑好一點，需要有個共享代碼庫。
代碼庫修改了以下內容：
- Processors.py ：需要將可觀測埋點關掉（連不上openAI）
- Openai_provider.py 暫時改為用chat.complete (不要使用response 新API，估計其他廠商都還沒有做適配，如果有適配成功可以再開啟）
- openai_chatcompletions.py?這里改用GLM的URL和TOKEN；模型直接改為GLM*;
Basic目錄驗證：
運行多智能體例子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. |
* 結構化輸出，工具調用，agent handeroff識別正常。
FinalResult（新的API支持json schema）
SDK會根據DataClass 生成一個json schema報文。
GLM暫時還不兼容。但GLM可以這樣保證結構化輸出：
智譜AI開放平臺
在需要格式化輸出的Agent的指令中，寫格式例子。參考上面的代碼庫吧。
