自动化与运维 multi-agent-orchestrationdurable-memorytask-schedulingmcp-serversopenclawprovider-routing

SwarmClaw

自托管控制台,用于运行、编排和监管具备记忆、工具与定时任务的多智能体团队。

FollowAgents 评估 · FARS-2.0
待评估
查看完整评分方法 →

这个 Agent 能做什么,适合哪些场景?

SwarmClaw 是一个自托管的 AI 智能体运行时与多智能体框架,提供仪表盘、任务板、组织结构视图和聊天界面。它可运行心跳、定时任务、后台作业、委派任务与可恢复的编排流程,并保存会话、记忆和运行状态。系统支持 Claude Code、Codex、OpenCode、Gemini、OpenAI、Anthropic、OpenRouter、Ollama 等内置提供商及兼容端点。它可连接 MCP 服务器、消息连接器和 OpenClaw 网关,并支持桌面、全局 npm、Docker 及托管镜像部署。适合需要长期运行、多人或多角色协作、且希望保留本地控制面的团队,而非只需一次性聊天调用的场景。

运行 swarmclaw 后,服务监听 http://localhost:3456,在仪表盘中管理智能体、聊天、任务、日程与连接器。智能体可调用内置工具和通过 MCP Servers 面板配置的 stdio、SSE 或 streamable HTTP MCP 工具,并可委派给 Claude Code、Codex CLI、OpenCode、Gemini CLI、Cursor Agent CLI、Qwen Code CLI 或原生子智能体。编排支持分支、循环、并行分支、显式汇合和可重启的运行状态;结果可保存为持久聊天记录、任务输出、结构化会话记录或连接器外发消息。定时运行会记录 lastDeliveryStatuslastDeliveryError;失败的死信任务可通过 POST /api/tasks/:id/retry 重新入队。

  1. 运营负责人为多个专职智能体建立组织结构,让负责人把持续任务委派给开发、研究和运营角色。
  2. 工程团队让开发智能体调用 Codex CLI、Claude Code 或 OpenCode,随后由测试和审查角色在任务板上跟进。
  3. 研究团队安排每日或每周扫描,让多个研究智能体分别检索、读取并将结果汇总为带引用的报告。
  4. 需要在 Discord、Slack、Telegram、WhatsApp、Teams 或邮件中接收和发送智能体消息的支持团队。
  5. 拥有多个 OpenClaw 网关的操作者,从一个控制面管理网关、智能体文件、技能和远程运行时。
  6. 需要定期执行钱包余额检查、交易模拟或审批阈值控制的链上运营团队。

这个 Agent 有哪些优点和局限?

优点
  • 把聊天、任务、组织结构、日程、记忆和可恢复编排放在同一个自托管控制面中。
  • 原生覆盖多种云 API、CLI 后端、本地 Ollama/LM Studio、OpenClaw 与兼容自定义端点。
  • MCP 支持 stdio、SSE 和 streamable HTTP,并可按智能体配置、测试和分配工具。
  • 定时任务具备投递状态、凭据预检、重试退避和孤儿任务恢复等运行证据。
  • Structured Sessions 提供模板、参与者、持久记录、输出和可视化流程构建器。
局限
  • 部署和本地运行要求 Node.js 22.6+;浏览器沙箱执行建议使用 Docker Desktop。
  • API 型提供商需要各自的凭据,CLI 委派后端还要求额外安装相应的提供商 CLI。
  • 自托管部署必须自行管理持久存储、`ACCESS_KEY`、`CREDENTIAL_SECRET`、网络连接和连接器配置。
  • macOS 桌面版在缺少签名或公证时可能需要手动绕过 Gatekeeper;相关问题仍被标记为未解决。
  • 钱包、消息连接器和外部工具会扩大权限与运营风险,需要配置审批限制和运行时护栏。

如何安装或部署这个 Agent?

需要 Node.js 22.6+ 和 npm 10+。全局安装:npm i -g @swarmclawai/swarmclaw,然后运行 swarmclaw。从源码运行:git clone https://github.com/swarmclawai/swarmclaw.gitcd swarmclawnvm usenpm run quickstart。Docker 部署:在仓库目录执行 mkdir -p datatouch .env.localdocker compose up -d --build,再访问 http://localhost:3456。托管部署需持久挂载 /app/data,并设置 ACCESS_KEYCREDENTIAL_SECRET;使用 API 型模型时还需在提供商设置中配置相应凭据。

如何使用这个 Agent?

启动后打开 http://localhost:3456,创建智能体并选择已配置的提供商和模型。为智能体分配工具、记忆、运行时技能或 MCP 服务器,再通过聊天或任务板发起工作;需要协作时配置委派或 Structured Sessions。创建日程以运行重复任务,并查看保存的投递状态和运行记录。若使用 OpenClaw,配置网关 profile 并在控制面中选择对应运行时;如需 OpenClaw 技能,可执行 openclaw skills install swarmclaw

这个 Agent 与同类方案有什么区别?

项目将自己定位为 Claude Code 和 LangChain 的实用替代方案:相比单一编码 CLI,它强调多智能体委派、任务、日程、记忆与连接器;相比框架式编排库,它提供可直接部署的控制面、运行时和操作界面。它仍可把 Claude Code 和 Codex CLI 作为被委派的后端使用。

常见问题

它是否只能使用某一家模型提供商?
不是。内置提供商包括 Anthropic、OpenAI、OpenRouter、Google Gemini、Ollama 等,也支持多个 CLI 后端和兼容自定义端点。
定时任务失败后能否追踪?
可以。日程会保存 `lastDeliveryStatus` 和 `lastDeliveryError`;连接器投递通过 outbox 处理重试、退避和每次运行去重。
是否支持 MCP?
支持。可连接 stdio、SSE 或 streamable HTTP 的 MCP 服务器,并在 MCP Servers 面板中测试和按智能体分配工具。
是否适合完全无运维的使用方式?
桌面安装面向非技术用户,但自托管、Docker 和托管部署仍需要管理数据目录、密钥、提供商凭据和连接器。
钱包操作是否有审批控制?
项目提供与智能体关联的钱包、额度和审批导向的限制;高于阈值的支出可要求人工批准。

相关 Agents