Swarms (SWARMS) — Stärkung der KI-Wirtschaft mit Multi-Agenten-LLM-Framework

Am 7. Januar 2025, auf der CES 2025, erwähnte Jensen Huang, der Gründer von NVIDIA, "Künstliche Intelligenz-Agenten könnten die nächste Robotikindustrie werden", mit einem potenziellen Marktvolumen von Billionen von Dollar. Vor diesem Hintergrund hat das KI-Agenten-Ökosystem den Aufstieg von zwei dominierenden Rahmenprojekten - ai16z und Virtuals Protocol - erlebt, deren Token-Marktkapitalisierungen jeweils 2,4 Milliarden Dollar und 5 Milliarden Dollar überschritten haben. Doch gerade als alle dachten, dass der "Fraktionskampf" entschieden sei, tauchte ein dunkles Pferd leise auf - Schwärme. Allein in der vergangenen Woche ist die Marktkapitalisierung von Schwärmen von 80 Millionen Dollar auf einen Höchststand von 540 Millionen Dollar gestiegen.

Was sind Schwärme?

Swarms ist ein Multi-Agenten-LML-Framework, das für Entwickler entwickelt wurde. Es bietet eine umfangreiche Palette intelligenter Orchestrierungsarchitekturen und nahtlose Integrationen von Drittanbietern, die es mehreren KI-Agenten ermöglichen, wie ein Team zusammenzuarbeiten, um komplexe betriebliche Anforderungen zu lösen. Das Projekt beginnt mit grundlegenden Zahlungs- und technischen Frameworks und bietet eine universelle Infrastruktur für die Erstellung, Zusammenarbeit, den Handel und das Hosting von Agenten. Ziel ist es, die „universelle Zahlungsschicht für die Agentenwirtschaft“ zu werden. Mit Swarms können Entwickler intelligente, skalierbare Agentenökosysteme orchestrieren, die komplexe Geschäftsprozesse automatisieren.
Schwärme (Bedeutung "Gruppe") wurde 2024 von Kye Gomez ins Leben gerufen, mit dem Kernziel, die Agentenwirtschaft zu stärken. Seine Vision besteht darin, das Solana-Netzwerk zu nutzen, um "Billionen von KI-Agenten aufzubauen, die nahtlos zusammenarbeiten, um die größten Herausforderungen der Menschheit zu lösen."

Warum Swarms benötigt wird

Traditionelle Einzelagenten-KI fehlt Langzeitgedächtnis, neigt zu Halluzinationen, und die meisten Agenten können sich nur auf eine einzige Aufgabe konzentrieren. Schwärme adressieren diese Probleme, indem sie einen „Multi-Agenten-System“-Ansatz verwenden, der KI-Agenten zusätzliche Fähigkeiten verleiht: Kreuzvalidierung zur Reduzierung von Halluzinationen, verteiltes Gedächtnis für Kontinuität, spezialisierte Aufgabenverteilung zur Verbesserung der Effizienz und parallele Verarbeitung zur Beschleunigung komplexer Workflows.
Mit anderen Worten macht Swarms durch die Organisation mehrerer Agenten in einem "Schwarm" KI-Systeme stabiler, intelligenter und skalierbarer. Es fördert auch eine einfachere Zusammenarbeit und Arbeitsteilung mit Innovationen in Automatisierung, Shared Memory und vertrauensloser Kommunikation.

Wie Schwärme funktionieren

Schwärme Architektur

In Schwärmen bezieht sich ein „Schwarm“ auf eine Gruppe von zwei oder mehr Agenten, die gemeinsam an einem gemeinsamen Ziel arbeiten. Die Schwarmarchitektur ist darauf ausgelegt, die Kommunikation zwischen den Agenten in einer Gruppe zu etablieren und zu verwalten. Diese Architekturen definieren, wie Agenten interagieren, Informationen teilen und ihre Aktionen koordinieren, um die gewünschten Ergebnisse zu erzielen.
Die Kommunikationsmodi zwischen Agenten umfassen hierarchische Kommunikation, parallele Kommunikation, sequenzielle Kommunikation, Gitterkommunikation und kooperative Kommunikation.
Die Schwarmarchitektur nutzt diese Kommunikationsmuster, um eine effiziente Zusammenarbeit zwischen Agenten zu gewährleisten, die sich an die spezifischen Anforderungen der jeweiligen Aufgabe anpassen. Durch die Definition klarer Kommunikationsprotokolle und Interaktionsmodelle kann Schwärme nahtlos mehrere Agenten koordinieren, um Leistung und Problemlösungsfähigkeiten zu verbessern.
Schwarmarchitekturen können basierend auf Kommunikationsmethoden in folgende Typen eingeteilt werden:

• Hierarchisches Schwarm
• Parallele Schwarm
• Sequentielle Schwarm
• Round Robin Schwarm
• SpreadSheet Swarm
• Mischung aus Agentenarchitektur
  Je nach Aufgabe oder Szenario können Schwärme den am besten geeigneten Architekturtyp auswählen, um das Problem effektiv zu lösen.

Agentenanalyse

Im Swarms-Framework sind Agenten darauf ausgelegt, Aufgaben autonom auszuführen, indem sie große Sprachmodelle (LLMs), verschiedene Tools und Langzeitgedächtnissysteme nutzen.
Agent-Komponentenübersicht

• LLM: Der Kernbestandteil, der für das Verständnis und die Generierung natürlicher Sprache verantwortlich ist.
• Tools: Externe Funktionen und Dienste, die Agenten aufrufen können, um spezifische Aufgaben auszuführen, wie z. B. Datenbankabfragen oder die Interaktion mit APIs.
• Langzeitgedächtnis: Systeme wie ChromaDB oder Pinecone, die langfristige Informationen speichern und abrufen, sodass Agenten sich an vergangene Interaktionen und Kontexte erinnern können.
  Der Arbeitsablauf eines Agenten kann in mehrere Phasen unterteilt werden: Aufgabeninitiierung, anfängliche LL-Verarbeitung, Werkzeugnutzung, Speicherinteraktion und abschließende LL-Verarbeitung.

1. Aufgabeninitiierung: Die Eingabe ist die Aufgabe oder Abfrage, die der Agent bearbeiten muss, und die Ausgabe ist ein strukturierter Plan oder Ansatz zur Bewältigung der Aufgabe.
2. Anfängliche LLM-Verarbeitung: Das LLM-Modell analysiert die Aufgabe, um den Kontext und die Anforderungen zu verstehen.
3. Werkzeugnutzung: Der LLM identifiziert den Aktionsplan oder spezifische Teilaufgaben und verwendet verfügbare Werkzeuge zur Erfassung externer Informationen und gibt Ergebnisse zurück.
4. Speicherinteraktion: Der Agent interagiert mit Langzeitgedächtnissystemen, um neue Informationen zu speichern und relevante vergangene Daten abzurufen.
5. Abschluss der LM-Verarbeitung: Der LM verwendet verbesserte Daten, um die endgültige Antwort zu generieren oder die Aufgabe abzuschließen.
   

Schwärme Roadmap

Das Swarms-Team hat einen Fünf-Phasen-Entwicklungsplan skizziert:

• Phase 1: Grundlage
  • Integrieren Sie $swarms Coin in den Swarms Marketplace, um den Kauf und Verkauf von Agenten zu unterstützen.
  • Verbessern Sie die Sicherheit von Smart Contracts + integrieren Sie die Phantom Wallet.
  • Standardisieren Sie APIs und optimieren Sie die Benutzerfreundlichkeit.
• Phase 2: Wachstum des Ökosystems
  • Starten Sie Schwärme Cloud für dezentrales Agenten-Hosting.
  • Verbessern Sie die Such- und Analysetools auf dem Marktplatz.
  • Erweitern Sie die Gemeinschaft durch Zuschüsse und Partnerschaftsprogramme.
• Phase 3: Schwärme Austausch
  • Aktivieren Sie die Tokenisierungs- und Investmentfunktionen für Agenten.
  • Verwenden Sie $schwärme-Münze, um die Erstellung exklusiver Tokens für Agenten zu unterstützen.
  • Belohnen Sie leistungsstarke Agenten.
• Phase 4: Globale Skalierbarkeit
  • Aktivieren Sie grenzüberschreitende Zahlungen und Fiat-zu-Krypto-Umwandlungen.
  • Unterstützung benutzerdefinierter Token für Agenten.
  • Erweitern Sie Schwärme in den Agenten DeFi Finanzsektor.
• Phase 5: Global Impact
  • Positionieren Sie das $swarms-Netzwerk als die "Währung der globalen Agentenwirtschaft."
  • Starten Sie globale Marketingkampagnen.
  • Stärkung der dezentralen Governance für die Gemeinschaft.
  • Veranstalten Sie Hackathons, Seminare und Branchenveranstaltungen, um die Technologieadoption zu beschleunigen.

Schwärme Ökosystem Token

MSC

MSC ist ein Token, das vom Gründer von Swarms, Kye Gomez, erstellt wurde und zum AI + DeSci-Bereich gehört. Es wird auf der Swarms-Plattform im Rahmen des „Custom Medical Operation Cluster (MCS Platform)“ verwendet, das sich auf Gesundheitswesen und Lebenswissenschaften konzentriert. Die Plattform nutzt die Zusammenarbeit mehrerer Agenten, um medizinische Lösungen bereitzustellen. Benutzer können kostenlose Diagnosen und Analysen zu medizinischen und gesundheitlichen Problemen erhalten, indem sie mit MSC interagieren. Laut Kye Gomez wird die API bald für einen der größten Gesundheitsdienstleister in den USA bereitgestellt werden.

SPORES

SPORES ist ein von Autonomous Spores ausgegebener Token, wobei 10% seiner Token an die Swarms DAO übertragen werden. Autonomous Spores plant, vier KI-Agenten auf Basis des Swarms-Frameworks zu entwickeln: Saya, Oozeborn, Grassian und Jaguarundi. Diese Agenten werden zusammenarbeiten, um die kollektive Intelligenz der KI-Agenten zu nutzen. Derzeit plant Autonomous Spores, einen Teil der von Saya generierten Verwaltungsgebühren und Transaktionssteuern von Oozeborn mit der Community zu teilen, obwohl Grassian und Jaguarundi noch nicht gestartet sind.

PRISM

Prism ist ein Multi-Agenten-KI-System, das für Echtzeitsuche und Handelsanalysen von Memecoins verwendet wird. Es ist kürzlich vom ai16z-Ökosystem auf das Swarms-Ökosystem übergegangen und könnte die Multi-Agenten-Kollaboration von Swarms nutzen, um seine Memecoin-Handelsfunktionen zu verbessern.

IFSCI

IFSCI behauptet, das erste KI x DeSci-Agentenprojekt zu sein, das unter Verwendung von Schwärmen erstellt wurde. Ziel ist es, Benutzern dabei zu helfen, ihre Fasten- und Ernährungspläne zu personalisieren. Benutzer können als Beitragende von Lebensmitteldaten, Anbietende von Gesundheitsmetriken oder Forscher teilnehmen, indem sie Daten wie Mahlfotos und -beschreibungen auf der X-Plattform bereitstellen und markieren.@adesciagent. Benutzer werden für ihre Beiträge belohnt.

ERSTELLEN

Create wird als die ultimative Kreativmaschine vermarktet - eine KI-Plattform, die auf Schwärmen aufgebaut ist und Bilder oder Audio aus Texteingaben generiert. Es hat den ersten Open-Source-Datensatz, der von der Community erstellt wurde, veröffentlicht und plant, Community-gesteuerte Modelle zu trainieren und Open-Source zu machen, sobald der Datensatz groß genug ist.

SWARMS Tokenökonomie

Die Gesamtversorgung von $SWARMS beträgt ungefähr 1 Milliarde Token, von denen alle derzeit im Umlauf sind, mit einer Umlaufversorgung von 100%. Die spezifische Token-Verteilung wurde noch nicht offengelegt.
Gate.com unterstützt jetzt den Spot-Handel von $SWARMS