Enxames (ENXAMES) - Capacitando a Economia de IA com o Quadro LLM de Múltiplos Agentes

Em 7 de janeiro, na CES 2025, Jensen Huang, o fundador da NVIDIA, mencionou: 'Os Agentes de IA podem se tornar a próxima indústria de robótica', com um tamanho de mercado potencial atingindo trilhões de dólares. Nesse contexto, o ecossistema de Agentes de IA testemunhou o surgimento de dois projetos de framework dominantes - ai16z e Protocolo Virtuals, cujos limites de mercado de token ultrapassaram US$ 2,4 bilhões e US$ 5 bilhões, respectivamente. No entanto, quando todos pensavam que a 'batalha fracional' havia sido decidida, um azarão silenciosamente surgiu - Swarms. Apenas na última semana, o limite de mercado da Swarms disparou de US$ 80 milhões para um pico de US$ 540 milhões.

O que é Swarms?Swarms é um framework LLM de vários agentes projetado para desenvolvedores. Ele fornece uma ampla gama de arquiteturas de orquestração inteligente e integrações perfeitas de terceiros, permitindo que múltiplos agentes de IA colaborem como uma equipe para resolver as necessidades complexas de operação de negócios. O projeto começa com frameworks de pagamento e técnicos fundamentais, oferecendo uma infraestrutura universal para criar, colaborar, negociar e hospedar agentes. O objetivo é se tornar a "camada de pagamento universal para a economia de Agentes." Com Swarms, os desenvolvedores podem orquestrar ecossistemas de agentes inteligentes e escaláveis que automatizam processos de negócios complexos.

Enxames (significado “grupo”) foi iniciado por Kye Gomez em 2024, com a posição central de “Potencializando a Economia do Agente.” Sua visão é aproveitar a rede Solana para construir “trilhões de agentes de IA colaborando perfeitamente para resolver os maiores desafios da humanidade.”### Por que Swarms são necessáriosA inteligência artificial tradicional de único agente carece de memória de longo prazo, é propensa a alucinações e a maioria dos agentes só pode se concentrar em uma única tarefa. Swarms aborda esses problemas empregando uma abordagem de 'sistema multiagente', concedendo aos agentes de IA capacidades adicionais: validação cruzada para reduzir alucinações, memória distribuída para continuidade, alocação de tarefas especializadas para melhorar a eficiência e processamento paralelo para acelerar fluxos de trabalho complexos. Em outras palavras, ao organizar vários agentes em um “Enxame”, os Enxames tornam os sistemas de IA mais estáveis, inteligentes e escaláveis. Também promove uma colaboração mais fácil e divisão do trabalho, com inovações em automação, memória compartilhada e comunicação sem confiança.## Como Funciona Swarms### Arquitetura de EnxameEm enxames, um "enxame" refere-se a um grupo de dois ou mais agentes que trabalham colaborativamente em direção a um objetivo compartilhado. A arquitetura dos enxames é projetada para estabelecer e gerenciar a comunicação entre os agentes de um grupo. Essas arquiteturas definem como os agentes interagem, compartilham informações e coordenam suas ações para alcançar os resultados desejados. Os modos de comunicação entre agentes incluem comunicação hierárquica, comunicação paralela, comunicação sequencial, comunicação em grade e comunicação cooperativa. A arquitetura do Swarms utiliza esses padrões de comunicação para garantir uma colaboração eficiente entre agentes, adaptando-se aos requisitos específicos da tarefa em questão. Ao definir protocolos de comunicação claros e modelos de interação, os Swarms podem coordenar perfeitamente múltiplos agentes para melhorar o desempenho e as capacidades de resolução de problemas. As arquiteturas de enxame podem ser classificadas nos seguintes tipos com base nos métodos de comunicação:- Enxame Hierárquico- Enxame Paralelo- Enxame Sequencial- Round Robin Enxame- Planilha de Colmeia- Mistura de Agentes Arquitetura Dependendo da tarefa ou cenário, os Swarms podem selecionar o tipo arquitetônico mais apropriado para abordar efetivamente o problema.### Análise do AgenteNo framework Swarms, os agentes são projetados para executar autonomamente tarefas, aproveitando os grandes modelos de linguagem (LLMs), várias ferramentas e sistemas de memória de longo prazo. Visão Geral do Componente do Agente- LLM: O componente central responsável por entender e gerar linguagem natural.- Ferramentas: Funções externas e serviços que os agentes podem chamar para realizar tarefas específicas, como consultar bancos de dados ou interagir com APIs.- Memória de Longo Prazo: Sistemas como ChromaDB ou Pinecone que armazenam e recuperam informações de longo prazo, permitindo que agentes lembrem interações e contextos passados. O fluxo de trabalho de um agente pode ser dividido em várias etapas: iniciação da tarefa, processamento inicial de LM, uso da ferramenta, interação com a memória e processamento final de LM.- Iniciação da tarefa: A entrada é a tarefa ou consulta que o agente precisa resolver e a saída é um plano estruturado ou abordagem para lidar com a tarefa.- Processamento Inicial do LM: O modelo LM analisa a tarefa para entender o contexto e os requisitos.- Uso da ferramenta: O LLM identifica o plano de ação ou subtarefas específicas e utiliza ferramentas disponíveis para reunir informações externas, retornando resultados.- Interação de Memória: O agente interage com sistemas de memória de longo prazo para armazenar novas informações e recuperar dados passados relevantes.- Processamento final do LM: O LM utiliza dados aprimorados para gerar a resposta final ou concluir a tarefa. ## Mapa de Estradas do SwarmA equipe Swarms delineou um roadmap de desenvolvimento em cinco fases:

• Fase 1: FundaçãoIntegrar a Moeda $swarms no Marketplace Swarms para apoiar a compra e venda de agentes.- Melhorar a segurança do contrato inteligente + integrar a carteira Phantom.- Padronizar APIs e otimizar a facilidade de uso.- Fase 2: Crescimento do EcossistemaLançamento de Swarms Cloud para hospedagem descentralizada de agentes.- Melhorar ferramentas de busca e análise no mercado.- Expandir a comunidade por meio de bolsas e programas de parceria.- Fase 3: Troca de EnxamesAtivar funções de tokenização e investimento para agentes.- Use a Moeda $swarms para apoiar a criação de tokens exclusivos para agentes.- Recompensar agentes de alto desempenho.- Fase 4: Escalabilidade GlobalAtivar pagamentos transfronteiriços e conversões de moeda fiduciária para criptomoeda.- Suporte de tokens personalizados para agentes.- Estender os Swarms para o setor financeiro DeFi do Agent.- Fase 5: Impacto GlobalPosicione a rede $swarms como a "moeda da economia global de agentes."- Iniciar campanhas de marketing global.- Empoderar a governança descentralizada para a comunidade.- Hospedar hackathons, seminários e eventos do setor para acelerar a adoção de tecnologia.## Tokens do Ecossistema Swarms### MSCMSC é um token criado pelo fundador da Swarms, Kye Gomez, pertencente ao domínio de AI + DeSci. É usado no “agrupamento de operações médicas personalizadas (Plataforma MCS)” estabelecido no framework Swarms, com foco em saúde e ciências da vida. A plataforma usa colaboração multiagente para fornecer soluções médicas. Os usuários podem receber diagnósticos gratuitos e análises de questões médicas e de saúde conversando com MSC. Segundo Kye Gomez, sua API em breve será implementada para um dos maiores provedores de saúde nos EUA.

SPORESSPORES é um token emitido pela Autonomous Spores, com 10% de seus tokens transferidos para o Swarms DAO. A Autonomous Spores planeja desenvolver quatro agentes de IA com base no framework Swarms: Saya, Oozeborn, Grassian e Jaguarundi. Esses agentes trabalharão juntos para alavancar a inteligência coletiva dos agentes de IA. Atualmente, a Autonomous Spores planeja compartilhar parte das taxas de gerenciamento geradas por Saya e impostos sobre transações de Oozeborn com a comunidade, embora Grassian e Jaguarundi ainda não tenham sido lançados.

PRISMPrism é um sistema de IA multiagente usado para busca em tempo real e insights de negociação em memecoins. Recentemente, ele fez a transição do ecossistema ai16z para o ecossistema Swarms e pode aproveitar a colaboração multiagente do Swarms para aprimorar seus recursos de negociação de memecoins.

IFSCIIFSCI afirma ser o primeiro projeto de Agente AI x DeSci construído usando Swarms. Seu objetivo é ajudar os usuários a personalizar seus planos de jejum e dieta. Os usuários podem participar como contribuintes de dados alimentares, fornecedores de métricas de saúde ou pesquisadores, contribuindo com dados como fotos e descrições de refeições para a plataforma X e marcando@adesciagent. Os usuários serão recompensados por suas contribuições.

CRIARCreate é comercializado como a máquina criativa definitiva - uma plataforma de IA construída em Swarms que gera imagens ou áudio a partir de prompts textuais. Ele lançou o primeiro conjunto de dados de código aberto criado pela comunidade e planeja treinar e disponibilizar modelos impulsionados pela comunidade de código aberto uma vez que o conjunto de dados seja grande o suficiente.

Tokenomics do SWARMSO fornecimento total de $SWARMS é de aproximadamente 1 bilhão de tokens, todos os quais estão atualmente em circulação, com um fornecimento circulante de 100%. A distribuição específica de tokens ainda não foi divulgada.

Gate.com Agora Suporta Negociação Spot de $SWARMS