ClawSwarm：让 AI Agent「组队打团」的多智能体协作系统

想象一下：你不是一个人在和 AI 对话，而是组建了一支 AI 特工队——开发 Agent 写代码、测试 Agent 找 Bug、设计 Agent 提建议，三个 Agent 在同一个群聊里互相协作、激烈讨论。这种「AI 版狼人杀」般的协作体验，正是 ClawSwarm 试图实现的目标。

图1：ClawSwarm 由知名开源项目 1Panel 团队开发

从「独狼」到「蜂群」：为什么需要多 Agent 协作

长期以来，AI Agent 的使用模式一直是「一对一」：用户发起提问，AI 给出回答，周而复始。这种模式的问题是——当任务足够复杂时，单个 Agent 的能力边界很快就显现出来了。一个代码生成 Agent 可能写出逻辑正确但风格别扭的代码，一个代码审查 Agent 可能发现不了架构层面的问题，因为它们各自只能「看到」自己负责的那一面。

ClawSwarm 的出现，灵感来源于「群体智能（Swarm Intelligence）」——在自然界中，蚂蚁、蜜蜂、鸟群通过简单的个体规则涌现出超越单体的集体智慧。ClawSwarm 将这个概念引入 AI Agent 领域：让多个专业 Agent 加入同一个群聊空间，它们可以互相讨论、分工协作、共同推理。

核心架构：三层模块的精密配合

ClawSwarm 由三个核心模块组成，它们分工明确、边界清晰：

scheduler-server（调度后端）：这是整个系统的大脑，基于 FastAPI + SQLAlchemy + Uvicorn 构建，提供_instances（实例管理）、conversations（会话管理）、messages（消息传递）、agents（Agent 配置）、groups（群组管理）等核心 REST API + WebSocket 实时通信接口。数据库默认使用 SQLite，开发环境配置极其轻量，一行 .env.dev 即可启动。生产环境则可通过 Docker 镜像一键部署，数据持久化到 ~/.claw-team 卷中。

web-client（Web 管理界面）：Vue 3 + Vite + TypeScript + Element Plus 构建的管理后台，用于配置 OpenClaw 实例连接、查看群组对话记录、管理 Agent 账号。界面支持国际化（Vue I18n），前端资产在 Docker 多阶段构建中预编译，直接打包进容器，用户无需额外安装前端依赖。

channel（OpenClaw 插件）：这是 ClawSwarm 与 OpenClaw 生态打通的桥梁——以 TypeScript NPM 包的形式发布（@1panel-dev/clawswarm），通过 OpenClaw 的插件机制接入。配置项非常丰富：支持配置 OpenClaw Gateway URL 和 Token、Agent 白名单和别名映射、WebChat 中间消息同步开关。开发者甚至可以为不同 Agent 分配不同的 OpenClaw 实例，实现跨实例的 Agent 协作网络。

快速上手：一行命令跑起来

ClawSwarm 最大的优点是部署极简。官方提供预构建镜像，一行命令即可启动完整服务：

docker run -d --name=clawswarm --restart=always -p 18080:18080 -v ~/.claw-team:/opt/clawswarm 1panel/clawswarm:latest

启动后访问 http://your_server_ip:18080，用默认账号登录（用户名 admin，密码 admin123456），即可进入管理后台配置第一个 OpenClaw 实例。Docker 镜像内置了 Web-UI，无需额外安装 nginx 或前端服务。

如果需要自定义构建，仓库提供了 Dockerfile（多阶段构建：Node 22 编译前端 → Python 3.12 slim 运行时）和 docker-compose.yml（一键启动含持久化卷）。源码级开发则需要分别启动 scheduler-server（python run_dev.py）和 channel 插件（npm run dev）。

技术细节：插件生态与安全机制

ClawSwarm 在插件设计上体现了相当的成熟度。OpenClaw 插件系统通过 openclaw.plugin.json 声明扩展点，ClawSwarm channel 插件暴露了 clawswarm 这一 channel 类型，支持单聊、群聊、@mention 三种交互模式。配置 schema 通过 Zod 进行运行时校验，敏感信息（如 Token、Secret）标记 sensitive: true，在 UI 上以密码形式展示。

Inbound Webhook 认证使用 HMAC-SHA256 签名验证（inboundSigningSecret），防止恶意请求伪造 Agent 消息。Gateway 连接支持 TLS 跳过验证选项（allowInsecureTls），方便本地开发。

局限与注意事项

1. 国内网络挑战：官方镜像托管在 Docker Hub，对于国内用户首次拉取可能较慢，建议配置国内镜像加速器或提前导入。
2. OpenClaw 依赖：ClawSwarm 本身不提供 LLM 推理能力，必须依赖 OpenClaw 实例提供 Agent 运行时，增加了系统整体复杂度。
3. 多 Agent 协调复杂性：群聊中 Agent 数量增多时，消息路由、上下文管理和 Agent 间死锁等问题需要使用者自行设计协调策略。
4. 默认凭证风险：生产部署前务必修改 admin123456 默认密码，并妥善保管 outboundToken 和 inboundSigningSecret。

行业意义：从单体 AI 到群体 AI 的探索

ClawSwarm 代表了 2025-2026 年 AI Agent 领域的一个重要趋势——从「更强大的单 Agent」向「多 Agent 协作网络」演进。AutoGPT、ChatDev 等早期多 Agent 实验多停留在脚本层面，而 ClawSwarm 通过标准化的插件协议、持久化的会话管理和开箱即用的 Web-UI，将多 Agent 协作从概念验证推进到了可生产使用的阶段。

由 1Panel 团队维护背书，代码质量有保障，项目保持活跃迭代。作为首批深度整合 OpenClaw 插件生态的开源项目之一，ClawSwarm 对于想在 Multi-Agent 方向做探索的开发者、研究者和企业团队，都具有较高的参考价值。

数据来源：GitHub (266★)、官方 README、技术源码分析
Stars 数据采集时间：2026-07-07