多智能体协作 HKUDS/AutoSwarm

AutoSwarm: All Your Agents. One AI Swarm

https://github.com/user-attachments/assets/89a077a9-168e-441f-8aac-48de321aa968

让你常用的 agent，带领多个 agent 协作。

将 AutoSwarm 作为轻量插件接入正在使用的 agent，由它按需组织本地多个 agent 产品协作，负责分工、沟通与结果整合。你只需像往常一样提出任务。

✨ 三个适合 AutoSwarm 的场景

- 🧩 跨产品能力互补：任务需要不同 agent 或模型的优势、工具与数据入口时，组织合适的 agent 协作完成。
- ⚡ 大量任务并行处理：例如快速阅读 100 份资料，让多个 agent 并行提炼，再由主 agent 统一汇总；也支持同时调用多个同款 agent。
- 🔍 重要任务一做一审：例如关键代码开发，由一个 agent 实现，另一个独立审查与验证，提高交付质量。

🚀 开始使用

把本仓库地址发给你正在使用的 agent，直接说：

请为当前 agent 安装或更新 AutoSwarm，复用已有配置，验证本地已有 agent 的可用性。

配置完成后，主 agent 会告诉你哪些助手已经可以协作。想加入其他助手，直接告诉它名称，它会负责配置和验证。

日常需要 swarm 时，在任务前加上 “使用 autoswarm”，例如：

使用 autoswarm，阅读这 100 份资料，归纳技术路线与主要分歧。

由主 agent 自行选择协作者、灵活安排串并行。

🤖 支持的 agent

Codex
Claude Code
OpenCode
Cursor

GitHub Copilot CLI
Meta Muse Code
CodeBuddy
Hermes

Nanobot
DeepSeek Harness
Grok Build
更多 agent，持续接入

支持 Windows、macOS、Linux。可在支持 Skill 和本地命令执行的 App、CLI 或 IDE 扩展中使用；被调用的 agent 需有可用的本地 CLI。

📰 News

- OpenOPC → AutoSwarm：v2 将 swarm 能力带入用户已有的 agent。旧版完整实现保留在 v1.0.0 归档中。

后续计划

- 接入更多 agent 产品及原生能力。
- 持续完善协作、通信、可靠性与安装使用体验。

🌟 Citation

If you find this work helpful to your research, please kindly consider citing our paper.

@misc{li2026autoswarm,
title={AutoSwarm: Automating Agent Swarms},
author={Zhonghang Li and Zongwei Li and Chao Huang},
year={2026},
eprint={2610.33048}
}

给 agent 的说明

安装与更新指南——供负责配置的 agent 阅读（点击展开）

安装

1. 确认当前宿主及已有 Python 3.10+、CLI 安装，复用原生模型、认证、代理和项目上下文。确实缺少所需 CLI 才询问是否安装，只配置需要的 agent。
2. 首次安装使用 git clone 获取官方仓库，再安装包并为当前宿主安装 Skill；已有仓库时直接复用。以 Codex 为例：

git clone https://github.com/HKUDS/AutoSwarm.git
cd AutoSwarm
uv tool install --force .
autoswarm setup --host codex

其他宿主标识：claude-code、opencode、cursor、copilot、muse、codebuddy、hermes、nanobot、dsh、grok。没有 uv 时，在专用 Python 3.10+ 环境执行 python -m pip install .，保留该解释器，不复用归档 v1 环境。
3. 读取 setup 返回路径下的 SKILL.md，其中包含完整启动参数与使用方法。App 找不到 autoswarm 时使用该启动器。在实际宿主环境运行 agents；已有 CLI 不在 PATH 时，将其绝对 argv 合并到返回的 AutoSwarm home/config.json 的 providers.<provider>.command，保留无关配置。
4. 在实际项目中验证所需 agent，按实际情况替换示例产品与目录：

autoswarm doctor --agent codex --probe --cwd /项目路径

可重复 --agent 选择多个产品。该操作消耗模型调用，检查回复和原生续接；verified: true 才确认本次验证通过。版本检查仅发现可执行文件，原生认证列表为空不代表必须登录。遇到原生批准或提问，按已安装 Skill 的规则处理后完成验证。

Setup 安装 Skill、运行时与宿主集成；按返回说明完成重载和信任操作，再简要列出已验证可协作的助手，并说明用户可以直接提出想接入的助手名称。如果暂时没有可用协作者，提出合适的接入建议；补齐必要安装授权后，由主 agent 配置并验证。原生配置、权限及连接排障见配置与恢复指引。

更新已有安装

从原来源获取所需版本。使用 Git 仓库时，先保留本地修改、收齐正在执行的子任务，再在目标分支执行：

git pull --ff-only
uv tool install --reinstall .
autoswarm setup --host codex

替换为实际宿主，沿用原 AutoSwarm home 和安装位置。需要时在 setup 前保留 --home <原home>，并保留自定义 --skill-dir、--settings-file、--plugin-dir；分别刷新使用中的宿主安装。使用 pip 时，在原专用环境执行 python -m pip install --force-reinstall .，再用 python -m autoswarm setup --host codex 携带相同选项更新。

必须从新版包运行 setup：已安装 Skill 自带运行时副本，只更新仓库或 Python 包不会刷新它；旧 Skill 启动器不能自行获取新版。保留配置、记录和原生认证，按宿主要求重载，读取新版 Skill 并验证所需 agent，最后提供与首次安装相同的简短协作者说明。当前不自动更新。详见更新指引。

使用与恢复

按已安装 Skill 选择 agent、分派已就绪的工作、用 wait --any 收集结果，处理中途提问与批准，并在交付前核验产物。普通任务在当前会话收齐结果即可；原生唤醒是可选能力，需要对应宿主接口。

按需读取能力与数据范围、通信、原生交互、模型选择。遇到不确定的执行结果，先检查保留的调用记录与日志，再决定如何恢复。

实现架构 · 贡献与验证 · MIT 许可证