langchain-ai/swarm

Versendet viele unabhängige Elemente parallel: Erstelle eine Tabelle, verteile sie an Unter-Agenten und sammle die Ergebnisse. Eine Zeile = eine Arbeitseinheit.

Was ist swarm?

Diese Fähigkeit ermöglicht es einem AI-Agenten, eine große Anzahl unabhängiger Aufgaben parallel auszuführen, indem er eine Tabelle erstellt, jede Zeile an einen Unter-Agenten delegiert und die Ergebnisse sammelt. Sie ist besonders nützlich für Szenarien wie Batch-Verarbeitung, Datenanreicherung, parallele Recherche oder Massen-Code-Reviews, bei denen jede Arbeitseinheit isoliert verarbeitet werden kann. Die Fähigkeit ist plattformunabhängig und kann in verschiedenen AI-Agenten-Ökosystemen wie Claude Code, Cursor oder Codex eingesetzt werden. Der Workflow folgt einem klaren Muster: Der Haupt-Agent definiert eine Tabelle mit Zeilen, die jeweils eine Arbeitseinheit darstellen, verteilt diese Zeilen dann parallel an Unter-Agenten und aggregiert schließlich die Ergebnisse in einer strukturierten Ausgabe.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/langchain-ai/langchain-skills/tree/main/skills/swarm

Installed? Explore more Produktivität & Zusammenarbeit skills: steipete/gemini, steipete/gh-issues, steipete/skill-creator · View all 6 →

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Was macht swarm?

Versendet viele unabhängige Elemente parallel: Erstelle eine Tabelle, verteile sie an Unter-Agenten und sammle die Ergebnisse. Eine Zeile = eine Arbeitseinheit.

Übersicht

Diese Fähigkeit ermöglicht es dir, eine große Anzahl von Aufgaben parallel auszuführen, indem du eine Tabelle mit Arbeitseinheiten erstellst und jede Zeile an einen Unter-Agenten delegierst. Dies ist ideal für Szenarien, in denen viele unabhängige Vorgänge gleichzeitig verarbeitet werden müssen.

Anwendungsfälle

  • Batch-Verarbeitung: Verarbeite Tausende von Datensätzen parallel.
  • Datenanreicherung:: Füge jeder Zeile in einer Tabelle zusätzliche Informationen hinzu.
  • Parallele Recherche: Suche gleichzeitig nach Informationen zu vielen verschiedenen Themen.
  • Massen-Code-Review: Überprüfe mehrere Code-Dateien oder Funktionen gleichzeitig.

Funktionsweise

  1. Tabelle erstellen: Definiere eine Tabelle, bei der jede Zeile eine unabhängige Arbeitseinheit repräsentiert.
  2. Verteilen (Fan-out): Sende jede Zeile an einen separaten Unter-Agenten zur Verarbeitung.
  3. Sammeln (Aggregation): Sammle die Ergebnisse aller Unter-Agenten und gib sie als strukturierte Ausgabe zurück.

Verwendung

# Beispielbefehl (Platzhalter)
swarm --input table.csv --output results.json

Plattformen

  • Claude Code
  • Cursor
  • Codex

Abhängigkeiten

  • Keine spezifischen Laufzeitabhängigkeiten
  • Funktioniert mit jeder Umgebung, die parallele Ausführung unterstützt

Lizenz

Siehe LICENSE für Details.

Individual skills in this repo

This repo contains 11 individual skills — each has its own dedicated page.

langchain-ai/deep-agents-core

INVOKE THIS SKILL when building ANY Deep Agents application. Covers create_deep_agent(), harness architecture, SKILL.md format, and configuration options.

langchain-ai/deep-agents-memory

INVOKE THIS SKILL when your Deep Agent needs memory, persistence, or filesystem access. Covers StateBackend (ephemeral), StoreBackend (persistent), FilesystemMiddleware, and CompositeBackend for routing.

langchain-ai/deep-agents-orchestration

INVOKE THIS SKILL when using subagents, task planning, or human approval in Deep Agents. Covers SubAgentMiddleware, TodoList for planning, and HITL interrupts.

langchain-ai/framework-selection

INVOKE THIS SKILL at the START of any LangChain/LangGraph/Deep Agents project, before writing any agent code. Determines which framework layer is right for the task: LangChain, LangGraph, Deep Agents, or a combination. Must be consulted before other agent skills.

langchain-ai/langchain-dependencies

INVOKE THIS SKILL when setting up a new project or when asked about package versions, installation, or dependency management for LangChain, LangGraph, LangSmith, or Deep Agents. Covers required packages, minimum versions, environment requirements, versioning best practices, and common community tool packages for both Python and TypeScript.

langchain-ai/langchain-fundamentals

Create LangChain agents with create_agent, define tools, and use middleware for human-in-the-loop and error handling.

langchain-ai/langchain-middleware

INVOKE THIS SKILL when you need human-in-the-loop approval, custom middleware, or structured output. Covers HumanInTheLoopMiddleware for human approval of dangerous tool calls, creating custom middleware with hooks, Command resume patterns, and structured output with Pydantic/Zod.

langchain-ai/langchain-rag

INVOKE THIS SKILL when building ANY retrieval-augmented generation (RAG) system. Covers document loaders, RecursiveCharacterTextSplitter, embeddings (OpenAI), and vector stores (Chroma, FAISS, Pinecone).

langchain-ai/langgraph-fundamentals

INVOKE THIS SKILL when writing ANY LangGraph code. Covers StateGraph, state schemas, nodes, edges, Command, Send, invoke, streaming, and error handling.

langchain-ai/langgraph-human-in-the-loop

INVOKE THIS SKILL when implementing human-in-the-loop patterns, pausing for approval, or handling errors in LangGraph. Covers interrupt(), Command(resume=...), approval/validation workflows, and the 4-tier error handling strategy.

langchain-ai/langgraph-persistence

INVOKE THIS SKILL when your LangGraph needs to persist state, remember conversations, travel through history, or configure subgraph checkpointer scoping. Covers checkpointers, thread_id, time travel, Store, and subgraph persistence modes.

Verwandte Skills