Agent Swarm : Cadre d'Orchestration Multi-Agents pour Assistants de Codage IA

Coordination Multi-Agents pour les Tâches de Développement
Agent Swarm fournit un framework pour exécuter des équipes d'agents d'IA de codage qui collaborent de manière autonome. Le système utilise un agent principal qui reçoit des tâches de diverses sources, les décompose en sous-tâches et les délègue à des agents travailleurs s'exécutant dans des conteneurs Docker isolés.
Architecture et Fonctionnalités Clés
- Coordination Principal/Travailleur – Un agent principal délègue et suit le travail à travers plusieurs travailleurs
- Isolation Docker – Chaque travailleur s'exécute dans son propre conteneur avec un environnement de développement complet
- Points d'intégration – Intégration avec Slack, GitHub et email pour créer des tâches
- Gestion du cycle de vie des tâches – Files d'attente par priorité, dépendances, pause/reprise entre les déploiements
- Mémoire cumulative – Les agents apprennent de chaque session et s'améliorent avec le temps
- Identité persistante – Chaque agent conserve sa propre personnalité, expertise et style de travail
- Interface Dashboard – Surveillance en temps réel des agents, tâches et discussions inter-agents
- Découverte de services – Les travailleurs peuvent exposer des services HTTP et se découvrir mutuellement
- Tâches planifiées – Automatisation des tâches récurrentes basée sur Cron
Options de Démarrage Rapide
Le framework prend en charge plusieurs approches de déploiement :
Option A : Docker Compose (recommandé)
git clone https://github.com/desplega-ai/agent-swarm.git
cd agent-swarm
# Configurer l'environnement
cp .env.docker.example .env
# Modifier .env — définir au minimum API_KEY et CLAUDE_CODE_OAUTH_TOKEN
# Tout démarrer
docker compose -f docker-compose.example.yml --env-file .env up -dL'API s'exécute sur le port 3013.
Option B : API Locale + Travailleurs Docker
git clone https://github.com/desplega-ai/agent-swarm.git
cd agent-swarm
bun install
# 1. Configurer et démarrer le serveur API
cp .env.example .env
# Modifier .env — définir API_KEY
bun run start:httpDans un nouveau terminal, démarrer un travailleur :
# 2. Configurer et exécuter un travailleur Docker
cp .env.docker.example .env.docker
# Modifier .env.docker — définir API_KEY (identique ci-dessus) et 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 comme Agent Principal
# Après avoir démarré le serveur API (Option B, étape 1) :
bunx @desplega.ai/agent-swarm setupCela configure Claude Code pour se connecter à l'essaim. Démarrer Claude Code et lui dire : "Enregistrez-vous comme l'agent principal dans l'agent-swarm."
Comment Ça Marche
Le système suit ce flux : Vous envoyez une tâche via un message direct Slack, une mention GitHub @, un email, ou directement via l'API. L'agent principal planifie en décomposant la tâche et en assignant des sous-tâches aux travailleurs. Les travailleurs s'exécutent dans des conteneurs Docker isolés avec git, Node.js, Python et d'autres outils de développement. La progression est suivie en temps réel via le tableau de bord.
Ce type de système multi-agents est utile pour les développeurs qui souhaitent automatiser des flux de travail de développement complexes où les tâches doivent être décomposées et exécutées en parallèle, chaque agent se spécialisant dans différents aspects du travail.
📖 Lire la source complète : HN AI Agents
👀 See Also

Opérateur Kubernetes OpenClaw avec prise en charge intégrée d'Ollama
Un membre de la communauté a créé un opérateur Kubernetes OpenClaw qui inclut un support Ollama intégré, permettant aux agents d'IA de fonctionner avec des modèles locaux dans le même espace de noms. La configuration comprend des commandes d'installation, des détails de configuration pour les modèles Ollama locaux et cloud, ainsi que des instructions d'accès au tableau de bord.

Problèmes et solutions de contournement liés à la compaction des sessions Claude AI
La compaction par défaut dans les sessions Claude AI peut dégrader la précision de la récupération d'environ 9,75/10 à environ 5/10, provoquant des hallucinations. L'utilisateur a testé avec 418 000 tokens et a constaté que la compaction manuelle utilisant Opus maintient la précision tandis que la compaction par défaut échoue.

Plugin de Relais d'Agent OpenClaw Corrige la Livraison Telegram dans les Configurations Multi-Agents
Le plugin openclaw-agent-relay résout le problème persistant où les réponses de sessions_send vont vers webchat au lieu de Telegram en utilisant le RPC WebSocket de la passerelle pour déclencher des tours d'agent avec deliver:true, éliminant le besoin de solutions de contournement comme des outils de message explicites ou des étapes d'annonce.

engram : plugin de mémoire Claude avec capture à seuil de saillance et cycles de rêve
engram est un plugin de mémoire pour Claude qui filtre les observations au moment de la capture en utilisant 5 dimensions de saillance, ne conservant que les événements à score élevé dans SQLite sans appels LLM pour le scoring. Il propose une injection automatique via 5 crochets et des cycles de rêve qui extraient les workflows récurrents à la fin de la session.