如何用AutoSwarm派发第一个任务？run/wait/resume全流程详解，5分钟上手多Agent协作

AutoSwarm（OpenOPC）是一款开源的多Agent协作框架，能把 Codex、Claude Code、Cursor 等本地编码 Agent 统一成一支协作团队：任务派发一次，自动完成分工、并行执行、结果收集与汇总。本教程带你用run派发第一个任务、用wait收集结果、用resume继续对话，5 分钟上手多 Agent 任务派发的完整流程。

什么是AutoSwarm：把散落的Agent变成一支团队

过去用多个 Agent 干活，要在它们各自的界面间来回切换、重复交代背景、手动拼接结果。AutoSwarm 的思路是：任务只给一次，让所有 Agent 像一个团队一样协作——

• ✅ 按各自能力自动选择合适的 Agent；
• 🧠共享上下文与记忆，Agent 之间不必从零解释；
• ⚡并行执行，缩短整体耗时；
• 🔍校验并汇总结果，产出一致的答案。

整体流程如下图所示：系统先形成任务的"公司结构"，再通过"人才生命周期"匹配合适的 Agent，最后在"协作运行时"里以工作项驱动，直到交付。

它支持 Codex、Claude Code、OpenCode、Cursor、Copilot、Muse、Nanobot、Grok 等 Agent，并可在 Windows、macOS、Linux 上运行。

一键安装AutoSwarm：2分钟完成多Agent协作环境搭建

1. 克隆仓库并安装（建议 Python ≥ 3.10，uv或pip均可）：

git clone https://gitcode.com/gh_mirrors/openopc/OpenOPC cd OpenOPC uv tool install --force .

2. 绑定宿主 Agent（codex、claude-code、cursor、opencode等任选）：

autoswarm setup --host codex

3. 查看本机可用 Agent：

autoswarm agents

想实测某个 Agent 是否真正可调用（会消耗少量模型调用）：

autoswarm doctor --agent codex --probe --cwd /path/to/your/project

完整的安装与排障指南见 setup.md。

用run派发第一个任务：核心命令与常用参数

环境就绪后，一行命令即可派发第一个任务。run默认是前台模式，自带阻塞等待，直接把结果返回给你：

autoswarm run --agent codex "列出当前目录的所有 Python 文件，并简要说明每个文件的用途"

所有命令都输出{"ok": true, "data": ...}形式的 JSON。要并行跑多个任务，加--background放后台，并记下返回的call_id：

autoswarm run --agent codex --cwd ./myproject --input task-a.txt --background autoswarm run --agent cursor --cwd ./myproject --input task-b.txt --background

run的常用参数（定义见 cli.py）：

💡 各 Agent 的模型与推理强度参数对照表见 models.md。

用wait收集结果：--any并行等待与中间事件处理

拿到后台任务的call_id后，用wait阻塞等待结果：

autoswarm wait call_8f3a2b

多个任务并行时，推荐--any：任一任务就绪即返回（实现见 engine.wait），让你及时处理已有结果、再调整后续派发：

autoswarm wait --any call_8f3a2b call_c1d2e3

⚠️ 一个关键细节：wait返回的不一定是最终结果，也可能是执行中的中间事件，例如approval_required（Agent 请求执行某命令的许可）、interaction_required（Agent 在提问）。处理完再继续wait：

# 批准 / 拒绝权限请求 autoswarm approve call_8f3a2b req_001 autoswarm deny call_8f3a2b req_002 # 回答 Agent 的提问（答案写入 JSON 文件） autoswarm answer call_8f3a2b req_003 --input answer.json

任务看起来卡住时，先用inspect查明情况再决定下一步：

autoswarm inspect call_8f3a2b

用resume继续对话：让Agent带着上下文接着干

任务没做完、或需要补充要求时，不必另起炉灶——resume会在 Agent 的原生会话上继续，上下文完整保留：

autoswarm resume call_8f3a2b "再给刚才写好的工具函数补上单元测试"

两个注意点：

• 任务仍在运行时resume会报session_busy，请先wait或cancel；
• resume 默认继承原任务的模型等设置，也可以用--model/--effort覆盖。

resume的对应源码见 engine.resume。想停止任务则用cancel：

autoswarm cancel call_8f3a2b

关于 Agent 之间互发消息、紧急打断等协作细节，详见 communication.md。

加分项：可视化监督多Agent协作过程

不习惯纯命令行？运行autoswarm ui打开 Web 界面，就能直观看到多 Agent 协作中每个工作项在"进行中 / 评审 / 完成"之间的流转：

点击某个工作项，还能查看每个角色的执行日志、工具活动与交接详情：

常见问题速查清单

总结

回顾一下 AutoSwarm 多 Agent 协作的三步节奏：run派发任务（前台直接拿结果，后台拿call_id），wait收集结果并处理审批与提问，resume带着上下文继续对话。掌握这套命令组合，你就能在 5 分钟内派出第一个多 Agent 任务，让 Codex、Claude Code 等 Agent 真正"作为一个整体"为你工作。

想继续深入，推荐阅读：skill-template.md（官方 Agent 协作指南）与 interactions.md（原生提问应答规范）。