Biblioteca de Python para crear sistemas multiagente tipo enjambre en LangGraph, donde los agentes se transfieren el control según su especialidad.
LangGraph Multi-Agent Swarm es una biblioteca de Python para crear sistemas multiagente en los que los agentes transfieren dinámicamente la conversación entre sí según sus especialidades. Cada transferencia se expone al LLM como una herramienta, de modo que un agente puede pasar el control a un agente específico cuando una solicitud queda fuera de su ámbito.
El enjambre registra qué agente estuvo activo por última vez y reanuda la conversación con ese agente en el siguiente turno, siempre que el grafo se compile con un checkpointer. Está desarrollado sobre LangGraph y admite sus funciones de streaming, memoria a corto y largo plazo, y participación humana en el ciclo. Las herramientas de transferencia son personalizables, y el estado compartido de mensajes se puede reemplazar por un estado independiente para cada agente, si se quiere evitar que expongan todo su historial.
Instala la biblioteca
pip install langgraph-swarmInstala la integración de OpenAI y configura tu clave de API
pip install langgraph-swarm langchain-openaiExporta tu clave de API de OpenAI y ejecuta el ejemplo de inicio rápido en Python
export OPENAI_API_KEY=<your_api_key>Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Framework open source de LLM multiagente que simula una firma de trading, con agentes analistas, investigadores, traders y de riesgos que debaten decisiones de mercado.
Framework de Python de código abierto para orquestar agentes de IA autónomos basados en roles (Crews) y flujos de trabajo basados en eventos (Flows).
Una biblioteca Java para crear flujos de trabajo de LLM con estado y varios agentes, organizados como grafos, compatible con LangChain4j y Spring AI.
Una amplia colección de agentes de IA de código abierto, habilidades para agentes y apps de RAG basadas en modelos Claude, Gemini, GPT, DeepSeek, Llama y Qwen.
Sistema de trading de criptomonedas multiagente y de código abierto: agentes especializados generan señales, Risk Guard puede vetar operaciones y los backtests se comparan con buy-and-hold.
Colección de más de 50 tutoriales ejecutables en Jupyter notebooks sobre técnicas para agentes de GenAI, desde chatbots simples hasta sistemas multiagente.