El 7 de enero, en el CES 2025, Jensen Huang, el fundador de NVIDIA, mencionó: "Los agentes de IA pueden convertirse en la próxima industria de la robótica", con un tamaño de mercado potencial que alcanzaría los billones de dólares. Ante este panorama, el ecosistema de agentes de IA ha sido testigo del surgimiento de dos proyectos de marcos dominantes: ai16z y Virtuals Protocol, cuyas capitalizaciones de mercado de token han superado los $2.4 mil millones y $5 mil millones, respectivamente. Sin embargo, justo cuando todos pensaban que la "batalla sectorial" se había decidido, surgió silenciosamente un caballo oscuro: Swarms. En tan solo la última semana, la capitalización de mercado de Swarms ha aumentado desde $80 millones hasta un pico de $540 millones.

¿Qué es Swarms?

Swarms es un marco de trabajo multiagente LLM diseñado para desarrolladores. Proporciona una amplia gama de arquitecturas de orquestación inteligente e integraciones de terceros fluidas, lo que permite que múltiples agentes de inteligencia artificial colaboren como un equipo para resolver las complejas necesidades operativas de negocios. El proyecto comienza con marcos de pago y técnicos fundamentales, ofreciendo una infraestructura universal para crear, colaborar, comerciar y alojar agentes. El objetivo es convertirse en la “capa de pago universal para la economía de agentes.” Con Swarms, los desarrolladores pueden orquestar ecosistemas de agentes inteligentes y escalables que automatizan procesos comerciales complejos.
Swarms (que significa "grupo") fue iniciado por Kye Gomez en 2024, con la posición central de "Potenciar la Economía de Agentes". Su visión es aprovechar la red Solana para construir "billones de agentes de IA que colaboran sin problemas para resolver los mayores desafíos de la humanidad."

Por qué se necesita Swarms

El AI tradicional de agente único carece de memoria a largo plazo, es propenso a alucinaciones, y la mayoría de los agentes solo pueden centrarse en una sola tarea. Swarms aborda estos problemas empleando un enfoque de 'sistema multiagente', otorgando a los agentes de AI capacidades adicionales: validación cruzada para reducir alucinaciones, memoria distribuida para continuidad, asignación de tareas especializadas para mejorar la eficiencia y procesamiento paralelo para acelerar flujos de trabajo complejos.
En otras palabras, al organizar múltiples agentes en un "Enjambre," Swarm hace que los sistemas de IA sean más estables, inteligentes y escalables. También fomenta una colaboración más fácil y una división del trabajo, con innovaciones en automatización, memoria compartida y comunicación sin confianza.

Cómo funciona Swarms

Arquitectura Swarms

En Swarms, un "enjambre" se refiere a un grupo de dos o más agentes que trabajan colaborativamente hacia un objetivo compartido. La arquitectura de Swarms está diseñada para establecer y gestionar la comunicación entre los agentes de un grupo. Estas arquitecturas definen cómo interactúan los agentes, comparten información y coordinan sus acciones para lograr los resultados deseados.
Los modos de comunicación entre agentes incluyen comunicación jerárquica, comunicación paralela, comunicación secuencial, comunicación en red y comunicación cooperativa.
La arquitectura de Swarms utiliza estos patrones de comunicación para garantizar una colaboración eficiente entre agentes, adaptándose a los requisitos específicos de la tarea en cuestión. Al definir protocolos de comunicación claros y modelos de interacción, Swarms puede coordinar múltiples agentes de manera fluida para mejorar el rendimiento y las capacidades de resolución de problemas.
Las arquitecturas de enjambre se pueden clasificar en los siguientes tipos según los métodos de comunicación:

• Swarm Jerárquico
• Enjambre Paralelo
• Enjambre Secuencial
• Round Robin Swarm
• Hoja de cálculo Swarm
• Arquitectura de Mezcla de Agentes
  Dependiendo de la tarea o escenario, los Enjambres pueden seleccionar el tipo arquitectónico más apropiado para abordar efectivamente el problema.

Análisis del Agente

En el marco de Swarms, los agentes están diseñados para ejecutar tareas de forma autónoma aprovechando modelos de lenguaje grandes (LLMs), varias herramientas y sistemas de memoria a largo plazo.
Visión general del componente del agente

• LLM: El componente central responsable de comprender y generar lenguaje natural.
• Herramientas: Funciones externas y servicios a los que los agentes pueden llamar para realizar tareas específicas, como consultar bases de datos o interactuar con APIs.
• Memoria a Largo Plazo: Sistemas como ChromaDB o Pinecone que almacenan y recuperan información a largo plazo, permitiendo a los agentes recordar interacciones y contextos pasados.
  El flujo de trabajo de un agente se puede dividir en varias etapas: inicio de la tarea, procesamiento inicial de LM, uso de herramientas, interacción de memoria y procesamiento final de LM.

1. Inicio de la tarea: La entrada es la tarea o consulta que el agente necesita abordar, y la salida es un plan estructurado o enfoque para manejar la tarea.
2. Procesamiento inicial de LLM: El modelo LLM analiza la tarea para comprender el contexto y los requisitos.
3. Uso de la herramienta: El LLM identifica el plan de acción o tareas secundarias específicas y utiliza las herramientas disponibles para recopilar información externa, devolviendo resultados.
4. Interacción de la memoria: El agente interactúa con los sistemas de memoria a largo plazo para almacenar nueva información y recuperar datos relevantes del pasado.
5. Procesamiento final de LM: LM utiliza datos mejorados para generar la respuesta final o completar la tarea.
   

Mapa de ruta de Swarms

El equipo de Swarms ha delineado una hoja de ruta de desarrollo de cinco fases:

• Fase 1: Foundation
  • Integrar la moneda $swarms en el Mercado de Swarms para apoyar la compra y venta de agentes.
  • Mejorar la seguridad de contratos inteligentes + integrar la billetera Phantom.
  • Estandarizar APIs y optimizar la facilidad de uso.
• Fase 2: Crecimiento del Ecosistema
  • Lanzamiento de Swarms Cloud para alojamiento descentralizado de agentes.
  • Mejorar las herramientas de búsqueda y análisis en el mercado.
  • Expandir la comunidad a través de subvenciones y programas de colaboración.
• Fase 3: Intercambio de Enjambres
  • Habilitar funciones de tokenización e inversión para agentes.
  • Use la moneda $swarms para apoyar la creación de tokens exclusivos para agentes.
  • Recompensar agentes de alto rendimiento.
• Fase 4: Escalabilidad global
  • Habilitar pagos transfronterizos y conversiones de fiat a cripto.
  • Soporte de tokens personalizados para agentes.
  • Extender los Swarms al sector financiero DeFi del Agente.
• Fase 5: Impacto Global
  • Posicionar la red $swarms como la "moneda de la economía global de agentes".
  • Lanzar campañas de marketing globales.
  • Empoderar la gobernanza descentralizada para la comunidad.
  • Organizar hackathons, seminarios y eventos de la industria para acelerar la adopción de tecnología.

Tokens del Ecosistema Swarms

MSC

MSC es un token creado por el fundador de Swarms Kye Gomez, perteneciente al dominio de AI + DeSci. Se utiliza en el "grupo de operaciones médicas personalizadas (Plataforma MCS)" establecido en el marco de Swarms, centrándose en la atención médica y las ciencias de la vida. La plataforma utiliza colaboración de múltiples agentes para proporcionar soluciones médicas. Los usuarios pueden recibir diagnósticos gratuitos y análisis de problemas médicos y de atención médica conversando con MSC. Según Kye Gomez, su API pronto se implementará en uno de los mayores proveedores de atención médica en los EE. UU.

ESPORAS

SPORES es un token emitido por Autonomous Spores, con el 10% de sus tokens transferidos a Swarms DAO. Autonomous Spores planea desarrollar cuatro agentes de IA basados en el marco de Swarms: Saya, Oozeborn, Grassian y Jaguarundi. Estos agentes trabajarán juntos para aprovechar la inteligencia colectiva de los agentes de IA. Actualmente, Autonomous Spores planea compartir parte de las tarifas de gestión generadas por Saya y los impuestos de transacción de Oozeborn con la comunidad, aunque Grassian y Jaguarundi aún no se han lanzado.

PRISM

Prism es un sistema de IA multiagente utilizado para buscar en tiempo real y obtener información comercial sobre memecoins. Recientemente hizo la transición del ecosistema ai16z al ecosistema Swarms y puede aprovechar la colaboración multiagente de Swarms para mejorar sus funciones comerciales de memecoin.

IFSCI

IFSCI afirma ser el primer proyecto de Agente de IA x DeSci construido usando Enjambres. Su objetivo es ayudar a los usuarios a personalizar sus planes de ayuno y dieta. Los usuarios pueden participar como contribuyentes de datos alimentarios, proveedores de métricas de salud o investigadores, contribuyendo datos como fotos y descripciones de comidas a la plataforma X y etiquetando@adesciagentLos usuarios serán recompensados por sus contribuciones.

CREAR

Create se comercializa como el motor creativo definitivo, una plataforma de IA construida en Swarms que genera imágenes o audio a partir de indicaciones textuales. Ha lanzado el primer conjunto de datos de código abierto creado por la comunidad y planea entrenar y abrir modelos impulsados por la comunidad una vez que el conjunto de datos sea lo suficientemente grande.

SWARMS Tokenomics

El suministro total de $SWARMS es de aproximadamente 1 mil millones de tokens, todos los cuales están actualmente en circulación, con un suministro en circulación del 100%. La distribución específica de tokens aún no ha sido revelada.
Gate.io ahora admite la negociación al contado de $SWARMS