Swarms (SWARMS) — Membekali Ekonomi AI dengan Kerangka Multi-Agent LLM

Pada 7 Januari, di CES 2025, Jensen Huang, pendiri NVIDIA, menyebutkan, "Agen AI dapat menjadi industri robotika berikutnya," dengan ukuran pasar potensial mencapai triliunan dolar. Dengan latar belakang ini, ekosistem Agen AI telah menyaksikan munculnya dua proyek kerangka kerja yang dominan — ai16z dan Virtuals Protocol, yang kapitalisasi pasar tokennya masing-masing telah melampaui $2,4 miliar dan $5 miliar. Namun, tepat ketika semua orang mengira "pertempuran faksi" telah diputuskan, seekor kuda hitam diam-diam muncul — Kawanan. Hanya dalam seminggu terakhir, kapitalisasi pasar Swarms telah melonjak dari $ 80 juta ke puncak $ 540 juta.

Apa itu Swarms?Swarms adalah kerangka kerja LLM multi-agen yang dirancang untuk pengembang. Ini menyediakan beragam arsitektur orkestrasi cerdas dan integrasi pihak ketiga yang mulus, memungkinkan beberapa agen AI untuk berkolaborasi seperti tim untuk memecahkan kebutuhan operasi bisnis yang kompleks. Proyek ini dimulai dengan pembayaran dasar dan kerangka kerja teknis, menawarkan infrastruktur universal untuk membuat, berkolaborasi, berdagang, dan agen hosting. Tujuannya adalah untuk menjadi "lapisan pembayaran universal untuk ekonomi Agen." Dengan Swarms, pengembang dapat mengatur ekosistem agen yang cerdas dan dapat diskalakan yang mengotomatiskan proses bisnis yang kompleks.

Swarms (yang berarti “kelompok”) diinisiasi oleh Kye Gomez pada tahun 2024, dengan posisi inti “Menggerakkan Ekonomi Agen.” Visinya adalah memanfaatkan jaringan Solana untuk membangun “triliun agen AI yang berkolaborasi dengan lancar untuk memecahkan tantangan terbesar umat manusia.”### Mengapa Swarms DiperlukanKecerdasan buatan tunggal tradisional kurang memiliki ingatan jangka panjang, rentan terhadap halusinasi, dan sebagian besar agen hanya dapat fokus pada satu tugas. Swarms mengatasi masalah ini dengan menggunakan pendekatan “sistem multi-agen”, memberikan agen kecerdasan buatan kemampuan tambahan: validasi silang untuk mengurangi halusinasi, memori terdistribusi untuk kelanjutan, alokasi tugas khusus untuk meningkatkan efisiensi, dan pemrosesan paralel untuk mempercepat alur kerja kompleks. Dengan kata lain, dengan mengorganisir beberapa agen ke dalam sebuah “Swarm,” Swarms membuat sistem kecerdasan buatan lebih stabil, cerdas, dan dapat berkembang. Ini juga mendorong kolaborasi yang lebih mudah dan pembagian kerja, dengan inovasi dalam otomatisasi, memori bersama, dan komunikasi tanpa kepercayaan.## Bagaimana Swarms Bekerja### Arsitektur SwarmsDalam Swarms, sebuah “swarm” merujuk kepada sekelompok dua agen atau lebih yang bekerja secara kolaboratif menuju tujuan bersama. Arsitektur Swarms dirancang untuk menetapkan dan mengelola komunikasi antara agen dalam sebuah kelompok. Arsitektur-arsitektur ini menentukan bagaimana agen-agen berinteraksi, berbagi informasi, dan mengkoordinasikan tindakan mereka untuk mencapai hasil yang diinginkan. Mode komunikasi antara agen mencakup komunikasi hirarkis, komunikasi paralel, komunikasi sekuensial, komunikasi grid, dan komunikasi kooperatif. Arsitektur Swarms menggunakan pola komunikasi ini untuk memastikan kolaborasi efisien di antara agen, menyesuaikan dengan kebutuhan spesifik dari tugas yang sedang dijalankan. Dengan mendefinisikan protokol komunikasi yang jelas dan model interaksi, Swarms dapat dengan lancar mengkoordinasikan beberapa agen untuk meningkatkan kinerja dan kemampuan dalam memecahkan masalah. Arsitektur Swarms dapat dikategorikan ke dalam jenis berikut berdasarkan metode komunikasi:- Swarm Hirarkis- Swarm Paralel- Swarm Berurutan- Round Robin Swarm- SpreadSheet Swarm- Campuran Arsitektur Agen Bergantung pada tugas atau skenario, Swarms dapat memilih jenis arsitektur yang paling sesuai untuk mengatasi masalah secara efektif.### Analisis AgenDalam kerangka Swarms, agen dirancang untuk secara mandiri menjalankan tugas dengan memanfaatkan model bahasa besar (LLMs), berbagai alat, dan sistem memori jangka panjang. Ikhtisar Komponen Agen- LLM: Komponen inti yang bertanggung jawab untuk memahami dan menghasilkan bahasa alami.- Alat: Fungsi dan layanan eksternal yang agen dapat panggil untuk melakukan tugas-tugas tertentu, seperti melakukan kueri basis data atau berinteraksi dengan API.- Ingatan Jangka Panjang: Sistem seperti ChromaDB atau Pinecone yang menyimpan dan mengambil informasi jangka panjang, memungkinkan agen untuk mengingat interaksi dan konteks masa lalu. Alur kerja seorang agen dapat dibagi menjadi beberapa tahap: inisiasi tugas, pemrosesan LLM awal, penggunaan alat, interaksi memori, dan pemrosesan LLM akhir.- Inisiasi Tugas: Masukan adalah tugas atau pertanyaan yang perlu diatasi oleh agen, dan keluaran adalah rencana terstruktur atau pendekatan untuk menangani tugas tersebut.- Pemrosesan LLM Awal: Model LLM menganalisis tugas untuk memahami konteks dan persyaratan.- Penggunaan Alat: LLM mengidentifikasi rencana tindakan atau tugas-tugas khusus dan menggunakan alat yang tersedia untuk mengumpulkan informasi eksternal, mengembalikan hasil.- Interaksi Memori: Agen berinteraksi dengan sistem memori jangka panjang untuk menyimpan informasi baru dan mengambil data masa lalu yang relevan.- Pemrosesan Akhir LM: LM menggunakan data yang ditingkatkan untuk menghasilkan respons akhir atau menyelesaikan tugas. ## Peta Jalan SwarmsTim Swarms telah menjabarkan peta jalan pengembangan lima fase:

• Fase 1: FondasiIntegrasikan Koin $swarms ke Pasar Swarms untuk mendukung pembelian dan penjualan agen.- Perkuat keamanan kontrak pintar + integrasikan dompet Phantom.- Standarisasi API dan optimalisasi kemudahan pengguna.- Fase 2: Pertumbuhan EkosistemMeluncurkan Swarms Cloud untuk hosting agen terdesentralisasi.- Meningkatkan alat pencarian dan analisis di pasar.- Perluas komunitas melalui hibah dan program kemitraan.- Fase 3: Pertukaran SwarmsAktifkan fungsi tokenisasi dan investasi untuk agen.- Gunakan Koin $swarms untuk mendukung penciptaan token eksklusif untuk agen.- Hadiahkan agen-agen yang berprestasi tinggi.- Fase 4: Skalabilitas GlobalAktifkan pembayaran lintas batas dan konversi fiat ke kripto.- Mendukung token khusus untuk agen.- Perluas Swarms ke sektor keuangan DeFi Agen.- Fase 5: Dampak GlobalPositionkan jaringan $swarms sebagai “mata uang ekonomi agen global.”- Meluncurkan kampanye pemasaran global.- Meningkatkan tata kelola terdesentralisasi untuk komunitas.- Mengadakan hackathon, seminar, dan acara industri untuk mempercepat adopsi teknologi.## Token Ekosistem Swarms### MSCMSC adalah token yang dibuat oleh pendiri Swarms Kye Gomez, yang termasuk dalam domain AI + DeSci. Ini digunakan dalam 'klaster operasi medis kustom (Platform MCS)' yang didirikan pada kerangka kerja Swarms, berfokus pada perawatan kesehatan dan ilmu kehidupan. Platform ini menggunakan kolaborasi multi-agen untuk menyediakan solusi medis. Pengguna dapat menerima diagnosis dan analisis medis dan kesehatan gratis dengan berbicara dengan MSC. Menurut Kye Gomez, API-nya akan segera diterapkan untuk salah satu penyedia layanan kesehatan terbesar di AS.

SPORESSPORES adalah token yang diterbitkan oleh Autonomous Spores, dengan 10% dari tokennya ditransfer ke Swarms DAO. Autonomous Spores berencana untuk mengembangkan empat agen AI berdasarkan kerangka Swarms: Saya, Oozeborn, Grassian, dan Jaguarundi. Agen-agen ini akan bekerja sama untuk memanfaatkan kecerdasan kolektif dari agen-agen AI. Saat ini, Autonomous Spores berencana untuk membagikan sebagian dari biaya pengelolaan yang dihasilkan oleh Saya dan pajak transaksi dari Oozeborn dengan komunitas, meskipun Grassian dan Jaguarundi belum diluncurkan.

PRISMPrism adalah sistem AI multi-agen yang digunakan untuk pencarian dan wawasan perdagangan real-time pada memecoin. Baru-baru ini beralih dari ekosistem ai16z ke ekosistem Swarms dan dapat memanfaatkan kolaborasi multi-agen Swarms untuk meningkatkan fitur perdagangan memecoin-nya.

IFSCIIFSCI mengklaim sebagai proyek Agen AI x DeSci pertama yang dibangun menggunakan Swarms. Tujuannya adalah membantu pengguna mempersonalisasi rencana puasa dan diet mereka. Pengguna dapat berpartisipasi sebagai kontributor data makanan, penyedia metrik kesehatan, atau peneliti, menyumbangkan data seperti foto makanan dan deskripsi ke platform X dan tagging @adesciagent. Pengguna akan mendapatkan imbalan atas kontribusi mereka.

MEMBUATCreate dipasarkan sebagai mesin kreatif paling mutakhir — platform AI yang dibangun di atas Swarm yang menghasilkan gambar atau audio dari petunjuk teks. Itu telah merilis kumpulan data open-source pertama yang dibuat oleh komunitas dan berencana untuk melatih dan membuka sumber model yang didorong komunitas begitu kumpulan data cukup besar.

Tokenomics SWARMSTotal pasokan $SWARMS sekitar 1 miliar token, semua diantaranya saat ini beredar, dengan pasokan beredar sebesar 100%. Distribusi token spesifik belum diungkapkan.

Gate.com kini Mendukung Perdagangan Spot $SWARMS