一个用于构建代理和多代理工作流的Swift框架。let result = try await Workflow（）。step（researchAgent）。step（writerAgent）。run（"总结最新的WWDC会议关于Swift并发的讨论。"）两个代理，一个管道，编译为具有崩溃恢复和Swift并发安全的DAG。安装.package（url："https://github.com/christopherkarani/Swarm.git"，from："0.6.0"）快速入门import Swarm // @Tool宏在编译时生成JSON架构@ Tool（"查找当前股票价格"）结构体PriceTool {@ Parameter（"股票代码"）var ticker：String func execute（）async throws -> String {"182.50"}} //首先创建一个没有标记指令的代理，并在尾随的@ToolBuilder闭包中添加工具let agent = try Agent（"使用真实数据回答财务问题。"，configuration：.init（name："分析师"），inferenceProvider：.anthropic（key："{ENV"））{PriceTool（）CalculatorTool（）} let result = try await agent.run（"AAPL当前交易价格是多少？"）打印（result.output）//"苹果（AAPL）当前交易价格为$182.50。"这是一个功能正常的代理，具有类型安全的工具调用。Swarm还支持AGENTS.md和SKILL.md，用于声明式的代理规范和可重用的技能—请参阅入门指南以获取完整的工作区布局。为什么选择Swarm Swift并发是表面的一部分。Swift 6.2严格并发在整个包中启用。工具保持类型安全。@Tool宏从Swift结构生成JSON架构。工作流可以在崩溃中生存。持久工作流检查点允许您从显式的检查点ID恢复。云和设备上的模型使用相同的抽象。基础模型、Anthropic、OpenAI、Ollama、Gemini、MiniMax、OpenRouter和MLX都适合相同的形状。它完全用Swift编写。AsyncThrowingStream，演员，结果构建器和宏在这里都是第一类的。示例能力矩阵展示Swarm现在附带一个内置的能力展示，测试稳定的表面积，形成一个确定性矩阵：代理和工具流式对话以及会话持久性，顺序、并行、路由和重复直到工作流交接，内存设备工作区加载防护墙，弹性助手耐用的检查点和恢复可观察性MCP发现和工具桥接提供者选择在本地运行：swift run SwarmCapabilityShowcase list swift run SwarmCapabilityShowcase matrix swift run SwarmCapabilityShowcase run handoff swift run SwarmCapabilityShowcase smoke 确定性矩阵是CI安全的。实时提供者的烟雾覆盖通过环境变量选择性开启。有关场景目录和烟雾模式详细信息，请参阅docs/guide/capability-showcase.md可选演示演示可执行文件是选择性开启的，因此默认库图保持专注于框架产品：SWARM_INCLUDE_DEMO=1 swift build SWARM_INCLUDE_DEMO=1 swift run SwarmDemo SWARM_INCLUDE_DEMO=1 swift run SwarmMCPServerDemo多代理管道let researcher = try Agent（"研究该主题并提取关键信息。"，inferenceProvider：.anthropic（key："sk-..."））{WebSearchTool（)}let writer = try Agent（"从研究中编写简明摘要。"，inferenceProvider：.anthropic（key："sk-..."））let result = try await Workflow（）。step（researcher）。step（writer）。run（"最新的设备ML进展"）每个代理解析自己的提供者。每个代理传递inferenceProvider（如上所述），或在应用程序启动时调用await Swarm.configure（provider：.anthropic（apiKey："..."）），以在未指定提供者的每个代理中共享默认设置。并行扩展let result = try await Workflow（）。parallel（[bullAgent，bearAgent，analystAgent]，merge：.structured）。run（"评估苹果的第四季度收益。"）//三个角度，合并成一个输出。动态路由let result = try await Workflow（）。route{input in if input.contains（"$"）{return mathAgent} if input.contains（"weather"）{return weatherAgent} return generalAgent}.run（"15%的$240是多少？"）流式处理从尝试await event in agent.stream（"总结变更日志。"）{switch event {case.output（.token（let t））：打印（t，terminator：" ") case.tool（.completed（let call，_））：打印（" [tool：\(call.toolName)"]"） case.lifecycle（.completed（let r））：打印（" 在\(r.duration)中完成"） case.lifecycle（.failed（let error））：打印（" 错误：\(error)"） default：break //其他事件包括.output（.thinking(...)），.handoff(...)，.observation(...)和.lifecycle（.iterationStarted(...)）}}更多示例语义记忆let agent = try Agent（"你记得过去的对话。"，inferenceProvider：.anthropic（key："sk-..."），memory：.vector（embeddingProvider：myEmbedder，similarityThreshold：0.75））{//工具}防护墙let agent = try Agent（"你是一个乐于助人的助手。"，inputGuards：...}