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

安装Claude CLI: 如果尚未安装，请全局安装Anthropic的Claude CLI工具：

npm install -g @anthropic-ai/claude-code

安装Claude Swarm: 作为Ruby Gem安装：

gem install claude_swarm

或者添加到你的Gemfile中：

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 <INSTANCE_NAME>': 字符串，指定此MCP服务器对应的智能体名称（例如：'frontend'）。
'--directory <WORKING_DIRECTORY>': 字符串，指定此智能体的工作目录。
'--directories <DIRECTORY_LIST>': 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 <LLM_MODEL>': 字符串，指定此智能体使用的LLM模型（例如：'opus', 'sonnet'）。
'--prompt <SYSTEM_PROMPT_CONTENT>': 字符串，为智能体指定系统提示的内容。
'--description <ROLE_DESCRIPTION>': 字符串，描述智能体的角色。
'--allowed_tools <TOOL_LIST>': 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 <TOOL_LIST>': 字符串数组，指定智能体禁止使用的工具列表（逗号分隔）。
'--connections <CONNECTION_LIST>': 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 <PATH>': 字符串，指定此MCP服务器的MCP配置文件路径。
'--calling_instance <CALLING_INSTANCE_NAME>': 字符串，调用此MCP服务器的智能体名称。
'--calling_instance_id <CALLING_INSTANCE_ID>': 字符串，调用此MCP服务器的智能体的唯一ID。
'--instance_id <INSTANCE_ID>': 字符串，此MCP服务器智能体的唯一ID。
'--claude_session_id <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 <PROVIDER>': 字符串，指定AI提供商（'claude' 或 'openai'）。
'--temperature <VALUE>': 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 <VERSION>': 字符串，OpenAI的API版本（'chat_completion' 或 'responses'）。
'--openai_token_env <ENV_VAR_NAME>': 字符串，OpenAI API Key的环境变量名（默认: 'OPENAI_API_KEY'）。
'--base_url <URL>': 字符串，OpenAI API的自定义基础URL。
'--reasoning_effort <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：

{
  "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

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。

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。

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]

启动Swarm: 在包含 'claude-swarm.yml' 文件的目录中运行：
```
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。

关键词

项目简介

主要功能点

安装步骤

服务器配置

基本使用方法

信息