### 项目简介 Claude Swarm (v1) 旨在编排多个Claude Code实例，形成一个协作的AI开发团队。每个AI智能体（Agent）拥有特定角色、工具和工作目录，它们通过Model Context Protocol (MCP) 在层级结构中进行通信。您可以通过简单的YAML配置定义智能体拓扑结构，让智能体之间通过连接的实例委托任务。它非常适合需要专业AI智能体处理前端、后端、测试、运维或研究等复杂项目。 ### 主要功能点 * **多智能体编排**: 组织多个AI智能体协同工作，形成开发团队。 * **MCP通信**: 智能体之间通过MCP协议进行通信和任务委托。 * **角色与工具**: 为每个智能体定义专门的角色、可使用的工具和独立的工作目录。 * **会话管理与恢复**: 支持会话的持久化、监控和恢复，保存智能体状态。 * **自定义MCP服务器**: 智能体自身可作为MCP服务器，提供任务执行、会话信息和重置会话等工具。 * **多种LLM支持**: 虽然v1主要围绕Claude Code，但可通过其MCP机制集成其他LLM。 ### 安装步骤 1. **安装Claude CLI**: 如果尚未安装，请全局安装Anthropic的Claude CLI工具： ```bash npm install -g @anthropic-ai/claude-code ``` 2. **安装Claude Swarm**: 作为Ruby Gem安装： ```bash gem install claude_swarm ``` 或者添加到你的Gemfile中： ```ruby gem 'claude_swarm', "~> 1.0" ``` 然后运行 `bundle install`。 ### 服务器配置 MCP客户端需要配置MCP服务器的连接信息，以便通过JSON-RPC协议与其通信。Claude Swarm实例本身可通过以下命令作为MCP服务器启动：`claude-swarm mcp-serve`，并接收一系列参数。MCP客户端在连接时需要了解这些参数的含义及如何构建请求。例如，一个MCP客户端配置连接到由Claude Swarm启动的MCP服务器时，其连接信息会包含该服务器的启动命令和参数。以下是MCP服务器启动时可以接受的参数，这些参数告诉MCP客户端如何与智能体交互： * **`mcp-serve`**: 必选参数，表示启动MCP服务器模式。 * **`--name `**: 字符串，指定此MCP服务器对应的智能体名称（例如：`frontend`）。 * **`--directory `**: 字符串，指定此智能体的工作目录。 * **`--directories `**: 字符串数组，指定此智能体可访问的所有工作目录（包括主目录）。 * **`--model `**: 字符串，指定此智能体使用的LLM模型（例如：`opus`, `sonnet`）。 * **`--prompt `**: 字符串，为智能体指定系统提示的内容。 * **`--description `**: 字符串，描述智能体的角色。 * **`--allowed_tools `**: 字符串数组，指定智能体允许使用的工具列表（逗号分隔，例如：`Edit,Write,Bash`）。 * **`--disallowed_tools `**: 字符串数组，指定智能体禁止使用的工具列表（逗号分隔）。 * **`--connections `**: 字符串数组，指定此智能体可以连接的其他智能体列表（逗号分隔）。 * **`--mcp_config_path `**: 字符串，指定此MCP服务器的MCP配置文件路径。 * **`--calling_instance `**: 字符串，调用此MCP服务器的智能体名称。 * **`--calling_instance_id `**: 字符串，调用此MCP服务器的智能体的唯一ID。 * **`--instance_id `**: 字符串，此MCP服务器智能体的唯一ID。 * **`--claude_session_id `**: 字符串，用于恢复Claude会话的ID。 * **`--vibe`**: 布尔值标记，启用“vibe”模式，跳过所有权限检查（注意风险）。 * **`--provider `**: 字符串，指定AI提供商（`claude` 或 `openai`）。 * **`--temperature `**: 浮点数，OpenAI模型的温度参数（0.0-2.0），不适用于O系列推理模型。 * **`--api_version `**: 字符串，OpenAI的API版本（`chat_completion` 或 `responses`）。 * **`--openai_token_env `**: 字符串，OpenAI API Key的环境变量名（默认: `OPENAI_API_KEY`）。 * **`--base_url `**: 字符串，OpenAI API的自定义基础URL。 * **`--reasoning_effort `**: 字符串，OpenAI O系列模型的推理强度（`low`, `medium`, `high`）。 **MCP客户端请求示例 (JSON-RPC 协议)**：要使MCP客户端能够与Claude Swarm启动的MCP服务器通信，客户端需要通过JSON-RPC协议发送请求。如果Claude Swarm实例被配置为监听`stdio`，客户端可以直接通过其进程的标准输入和输出来发送和接收JSON-RPC消息。例如，一个MCP客户端可以发送一个JSON-RPC请求来调用名为 `backend` 的智能体的 `task` 工具，并传递一个任务描述： ```json { "jsonrpc": "2.0", "id": 1, "method": "backend.task", "params": { "task": "分析并实现用户认证模块，包括API接口和数据库设计。" } } ``` MCP服务器将返回一个相应的JSON-RPC响应，其中包含智能体执行任务的结果。这些配置参数通常由Claude Swarm内部自动生成和管理，用户主要通过YAML文件定义智能体协作的拓扑结构，Claude Swarm会自动处理底层MCP服务器的启动和连接。 ### 基本使用方法 1. **创建配置文件**: 运行 `claude-swarm init` 命令，在当前目录创建一个名为 `claude-swarm.yml` 的基本配置文件模板。 2. **配置智能体**: 编辑 `claude-swarm.yml` 文件，定义你的智能体，包括它们的角色描述、工作目录、LLM模型、允许使用的工具以及它们之间可能存在的连接关系。 ```yaml version: 1 swarm: name: "我的开发团队" main: lead # 定义启动时的主智能体 instances: lead: description: "团队负责人，协调开发工作" directory: . model: opus connections: [frontend, backend] # 连接前端和后端智能体 frontend: description: "前端开发专家，负责UI/UX" directory: ./frontend model: opus allowed_tools: [Edit, Write, Bash] # 允许使用的工具 backend: description: "后端开发专家，负责API和数据层" directory: ./backend model: opus allowed_tools: [Edit, Write, Bash] ``` 3. **启动Swarm**: 在包含 `claude-swarm.yml` 文件的目录中运行： ```bash claude-swarm ``` 这将启动你配置的主智能体，并根据定义自动启动和连接其他智能体作为其可调用的MCP服务器，开始协同工作。

"协作AI"标签的搜索结果

Claude Swarm