Swarm-IDE: 自组织的Agent蜂群

英文README

🎬 视频【开源版 Kimi-K2.5 蜂群多 Agent】

• Demo：

• 详情视频： https://www.bilibili.com/video/BV1X163BQE5c/?share_source=copy_web&vd_source=e0705640ea2f51669a392fb07684e286

加入微信群

知乎文章

https://zhuanlan.zhihu.com/p/2000736341479138182

优势

• 任意动态创建 sub-agent
• 可以向任意 agent 发送消息
• 微信式聊天界面，随时介入任何子代理
• 流式 graph 动态展现协作状态

对比

值得注意的是，本项目在 Kimi-Swarm 和 Claude Team 之前就已经独立提出蜂群模式。尤其是 Claude Team，仔细对比会发现它的主要思想(动态派遣、人与任意 Agent 通信)和本项目的设计不谋而合，某程度说明作者的眼光和设计已达到先进水平，在静态 LangGraph 框架大行其道的当时能独立做出来这样的设计，相当超前了。笔者当时就把项目白皮书放到区块链了，如果担心笔者在吹牛，可亲自去看区块链链时间戳.

对比项	Kimi-Swarm	Claude Agent Team	Swarm-IDE
支持嵌套 Agent	❌	❌	✅
支持 Agent 间通信	❌	✅	✅
支持人给 sub-agent 通信	❌	✅	✅
支持群聊模式	❌	❌	✅
支持可视化	❌	❌	✅
是否开源	❌	❌	✅
发布时间	2026.1.27	2026.2.6	2026.1.2

界面设计

• Graph 直接展示蜂群拓扑与实时通信链路
• 树状多级对话列表：可以像微信一样选择任意 agent 对话（即使是深层次）
• LLM history 面板：实时展示该 agent 的上下文，agent 不再是黑箱
• 实时流式输出 tool-call 参数

哲学

• 极简原语：系统只依赖少量通信原语即可表达多 Agent 行为（核心是 create + send，复杂协作由此组合而来）。
• 液态拓扑：拓扑不预设、在运行中自演化；遇到复杂任务时由 Agent 主动“雇佣”下属。
• 扁平协作：人类可以像聊天一样介入任意层级，使复杂拓扑可观察、可调试、可介入。

概念

没有 nodes 和 edges 的复杂抽象，只需把系统理解为“很多个人”：

每个人都能生孩子、也能和任意一个人说话。

只要有这两种能力，就能实现任意结构

运行方式

提供两种方式：

方式一：一键打开 Codespaces

本系统要运行在 Linux 上，如果你没有 Linux 系统的话或者装环境遇到问题的话，可以尝试使用 GitHub 提供的免费虚拟机。点击链接创建虚拟机后，就可以执行后面的指令了

方式二：本地运行

cd swarm-ide
cd backend

cp .env.example .env.local
# 在 .env.local 填写你的 KEY 和模型

docker compose up -d
curl -X POST http://127.0.0.1:3017/api/admin/init-db
bun install
bun dev

访问 http://localhost:3017

点击 init-db ，然后创建 workspace 即可开始对话。

直接跟他说"创建 3 个儿子，给他们分别发消息，让他们再次自己创建 3 个孙子"

MCP 配置

后端会自动加载 MCP 配置文件，支持以下位置（按优先级）：

1. MCP_CONFIG_PATH 指定的文件
2. 项目根目录：mcp.json / .mcp.json
3. backend/：backend/mcp.json / backend/.mcp.json

最小示例（stdio/http/sse 任选其一）：

{
  "mcpServers": {
    "my-server": {
      "type": "stdio",
      "command": "python",
      "args": ["-m", "your_mcp_server_module"],
      "env": { "TOKEN": "xxx" },
      "timeoutMs": 30000
    }
  }
}

字段说明（常用）：type、command/args、url/httpUrl/sseUrl、headers、env、disabled、timeoutMs。

Skill 支持

后端会自动扫描技能目录并注入到新 agent 的系统提示中：

• 默认扫描路径：skills/ 或 backend/skills/
• 可通过 AGENT_SKILLS_DIR 指定自定义路径
• 在 SKILL.md 的 frontmatter 里设置 auto-load: true 可让该技能自动注入到新 agent

技能使用方式：

• 对应技能会出现在 “Available Skills” 列表
• 需要时调用 get_skill 获取完整内容

环境变量说明

后端读取 backend/.env.local，你需要填写：

• OPENROUTER_API_KEY / OPENROUTER_MODEL（我使用的是 OpenRouter Kimi 2.5）
• 其它连接项请参考 backend/.env.example

Swarm-IDE 快速上手指南

Swarm-IDE 是一个支持自组织、动态创建子 Agent 的蜂群协作开发环境。它采用类似微信的聊天界面，允许用户随时介入任意层级的 Agent 对话，并实时可视化协作拓扑。

1. 环境准备

在开始之前，请确保你的开发环境满足以下要求：

• 操作系统：Linux 或 macOS（Windows 用户建议使用 WSL2 或 GitHub Codespaces）。
• 核心依赖：
  • Docker 及 Docker Compose（用于启动后端服务）。
  • Bun（JavaScript 运行时，用于运行前端和后端逻辑）。
• API Key：需要一个大模型服务商的 API Key（项目默认推荐 OpenRouter，支持 Kimi 2.5 等模型）。

💡 提示：如果你没有本地 Linux 环境或配置困难，推荐使用 GitHub Codespaces 一键启动云端开发环境：

2. 安装步骤

第一步：克隆项目

git clone https://github.com/chmod777john/swarm-ide.git
cd swarm-ide
cd backend

第二步：配置环境变量

复制示例配置文件并填入你的 API 密钥：

cp .env.example .env.local

编辑 .env.local 文件，填写关键信息（以 OpenRouter 为例）：

OPENROUTER_API_KEY=你的_OPENROUTER_API_KEY
OPENROUTER_MODEL=moonshotai/kimi-k2-0711-preview # 或其他支持的模型

其他配置项可参考 .env.example 中的注释。

第三步：启动服务

使用 Docker 启动后端依赖服务，并初始化数据库：

docker compose up -d
curl -X POST http://127.0.0.1:3017/api/admin/init-db

安装前端依赖并启动开发服务器：

bun install
bun dev

第四步：访问界面

在浏览器中打开：

http://localhost:3017

首次进入时，点击页面上的 init-db 按钮，然后创建一个新的 Workspace 即可开始使用。

3. 基本使用

Swarm-IDE 的核心理念是“像聊天一样管理蜂群”。你不需要编写复杂的图结构代码，只需通过自然语言指令让 Agent 自我演化。

快速体验蜂群协作

1. 在聊天窗口中，向主 Agent 发送以下指令：

   "创建 3 个儿子，给他们分别发消息，让他们再次自己创建 3 个孙子"

2. 观察动态拓扑：

   • 右侧 Graph 面板 将实时展示新生成的 Agent 节点及其通信链路。
   • 左侧 对话列表 会像微信一样列出所有层级的 Agent（儿子、孙子等）。

3. 人工介入：

   • 点击左侧列表中任意一个深层级的“孙子”Agent。
   • 直接发送消息干预其任务，观察它如何响应并继续协作。

进阶配置（可选）

• MCP 工具支持： 在项目根目录或 backend/ 目录下创建 mcp.json，配置外部工具服务。系统会自动加载 stdio、http 或 sse 类型的 MCP 服务。

• 自定义技能 (Skills)： 在 skills/ 目录下添加 .md 文件。若在文件头设置 auto-load: true，该技能将自动注入到新创建的 Agent 系统提示词中，增强其特定能力。

---

现在，你已经成功启动了 Swarm-IDE，可以开始探索动态多 Agent 协作的无限可能了。