Agent Swarm: Multi-Agent-Orchestrierungs-Framework für KI-Codierungsassistenten

Multi-Agenten-Koordination für Entwicklungsaufgaben
Agent Swarm bietet ein Framework zum Betrieb von Teams aus KI-Codierungsagenten, die autonom zusammenarbeiten. Das System verwendet einen Hauptagenten, der Aufgaben aus verschiedenen Quellen erhält, sie in Teilaufgaben zerlegt und an Arbeitsagenten delegiert, die in isolierten Docker-Containern laufen.
Wichtige Architektur und Funktionen
- Haupt-/Arbeitskoordination – Ein Hauptagent delegiert und verfolgt Arbeit über mehrere Arbeitsagenten
- Docker-Isolierung – Jeder Arbeitsagent läuft in seinem eigenen Container mit einer vollständigen Entwicklungsumgebung
- Integrationspunkte – Slack-, GitHub- und E-Mail-Integration zur Erstellung von Aufgaben
- Task-Lebenszyklus-Management – Prioritätswarteschlangen, Abhängigkeiten, Pause/Fortsetzung über Bereitstellungen hinweg
- Kumulatives Gedächtnis – Agenten lernen aus jeder Sitzung und verbessern sich mit der Zeit
- Persistente Identität – Jeder Agent behält seine eigene Persönlichkeit, Expertise und Arbeitsweise
- Dashboard-UI – Echtzeit-Überwachung von Agenten, Aufgaben und Agenten-Chats
- Service-Erkennung – Arbeitsagenten können HTTP-Dienste bereitstellen und sich gegenseitig finden
- Geplante Aufgaben – Cron-basierte Automatisierung wiederkehrender Aufgaben
Schnellstart-Optionen
Das Framework unterstützt mehrere Bereitstellungsansätze:
Option A: Docker Compose (empfohlen)
git clone https://github.com/desplega-ai/agent-swarm.git
cd agent-swarm
# Konfiguriere Umgebung
cp .env.docker.example .env
# Bearbeite .env — setze mindestens API_KEY und CLAUDE_CODE_OAUTH_TOKEN
# Starte alles
docker compose -f docker-compose.example.yml --env-file .env up -dDie API läuft auf Port 3013.
Option B: Lokale API + Docker-Arbeitsagenten
git clone https://github.com/desplega-ai/agent-swarm.git
cd agent-swarm
bun install
# 1. Konfiguriere und starte den API-Server
cp .env.example .env
# Bearbeite .env — setze API_KEY
bun run start:httpIn einem neuen Terminal starte einen Arbeitsagenten:
# 2. Konfiguriere und starte einen Docker-Arbeitsagenten
cp .env.docker.example .env.docker
# Bearbeite .env.docker — setze API_KEY (wie oben) und CLAUDE_CODE_OAUTH_TOKEN
bun run docker:build:worker
mkdir -p ./logs ./work/shared ./work/worker-1
bun run docker:run:workerOption C: Claude Code als Hauptagent
# Nach dem Start des API-Servers (Option B, Schritt 1):
bunx @desplega.ai/agent-swarm setupDies konfiguriert Claude Code für die Verbindung zum Schwarm. Starte Claude Code und sage ihm: "Registriere dich selbst als Hauptagent im agent-swarm."
So funktioniert es
Das System folgt diesem Ablauf: Du sendest eine Aufgabe per Slack-DM, GitHub-@Erwähnung, E-Mail oder direkt über die API. Der Hauptagent plant, indem er die Aufgabe zerlegt und Teilaufgaben an Arbeitsagenten vergibt. Arbeitsagenten führen in isolierten Docker-Containern mit Git, Node.js, Python und anderen Entwicklungswerkzeugen aus. Der Fortschritt wird in Echtzeit über das Dashboard verfolgt.
Diese Art von Multi-Agenten-System ist nützlich für Entwickler, die komplexe Entwicklungs-Workflows automatisieren möchten, bei denen Aufgaben zerlegt und parallel ausgeführt werden müssen, wobei jeder Agent auf verschiedene Aspekte der Arbeit spezialisiert ist.
📖 Source: HN AI Agents
👀 Siehe auch

Benchmarking von 88 kleinen GGUF-Modellen auf einem Mac Mini M4 mit 16 GB
Eine automatisierte Pipeline testete 88 GGUF-Modelle auf einem Mac Mini M4 mit 16 GB RAM, identifizierte 9 als unbrauchbar und 4 LFM2-8B-A1B-MoE-Modelle auf der Pareto-Front für Geschwindigkeit und Qualität.

Conduid: Vertrauensinfrastrukturschicht für MCP-Server, erstellt mit Claude
Conduid indiziert über 25.000 MCP-Server auf GitHub, npm, PyPI und in wichtigen Verzeichnissen und bewertet jeden mit 0–100 Punkten basierend auf GitHub-Aktivität, Sicherheitslage, Dokumentationsqualität und Wartungssignalen. Die gesamte Codebasis wurde von einem Einzelgründer mit Claude geschrieben.

Erstellung eines selbstaktualisierenden Schreibstil-Leitfadens für KI-unterstützte Inhalte
Ein Team, das eine Spracherkennungsplattform namens Noren entwickelt, hat einen 117-zeiligen Markdown-Stilleitfaden erstellt, der sich nach jedem veröffentlichten Beitrag selbst neu schreibt. Dabei nutzt es Claude, um Regeln durchzusetzen und KI-typische Wörter wie 'Kadenz' und 'optimieren' zu verbieten.

Kostenloses Modell: Tencent Hy3 für 2 Wochen auf OpenRouter verfügbar – Jetzt ausprobieren
Tencent Hy3 ist für 2 Wochen kostenlos auf OpenRouter. Verwenden Sie es in OpenClaw über openrouter/tencent/hy3:free. Alle Details von r/openclaw.