Pular para o conteúdo principal

Rastreando o OpenAI Swarm

atenção

A integração do OpenAI Swarm foi descontinuada porque a biblioteca está sendo substituída pelo novo OpenAI Agents SDK. Considere a possibilidade de migrar para o novo site SDK para obter o recurso e o suporte mais recentes.

Rastreamento OpenAI via registro automático

O MLflow Tracing fornece o recurso de rastreamento automático para o OpenAI Swarm, uma estrutura multiagente desenvolvida pela OpenAI. Ao habilitar o rastreamento automático para o OpenAI chamando a função mlflow.openai.autolog, o MLflow capturará os rastreamentos aninhados e log os enviará para o experimento MLflow ativo após a invocação do OpenAI SDK.

Python
import mlflow

mlflow.openai.autolog()

Além do rastreamento básico de chamadas LLM para OpenAI, o MLflow captura as etapas intermediárias que o agente Swarm opera e todas as chamadas de ferramentas pelo agente.

Pré-requisitos​

Para usar o MLflow Tracing com o OpenAI Swarm, o senhor precisa instalar o MLflow, o OpenAI SDK e a biblioteca openai-swarm.

Para ambientes de desenvolvimento, instale o pacote completo do MLflow com os extras do Databricks, openai, e openai-swarm:

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

O pacote completo do mlflow[databricks] inclui todos os recursos para desenvolvimento local e experimentação no Databricks.

nota

O MLflow 3 é altamente recomendado. Observe que o próprio OpenAI Swarm foi preterido em favor do OpenAI Agents SDK.

Antes de executar os exemplos, você precisará configurar seu ambiente:

Para usuários fora do Databricks Notebook : Defina seu Databricks variável de ambiente:

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

Para usuários do Databricks Notebook : Essas credenciais são definidas automaticamente para o senhor.

API chave : Certifique-se de que o OpenAI API key esteja configurado. Para ambientes de produção, use segredosMosaic AI Gateway ou Databricks em vez de valores codificados para um gerenciamento seguro API key .

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

Exemplo básico​

Python
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."}],
)
atenção

Para ambientes de produção, use segredosMosaic AI Gateway ou Databricks em vez de valores codificados para um gerenciamento seguro API key .

Desativar o rastreamento automático​

O rastreamento automático do OpenAI Swarm pode ser desativado globalmente ligando para mlflow.openai.autolog(disable=True) ou mlflow.autolog(disable=True).

Próximas etapas​

Última atualização em