Ruflo V3 CLI 实战agent spawn命令全解析——从单 Agent 部署到多 Agent 群集协调【免费下载链接】ruflo The original agent meta-harness. Deploy intelligent multi-player swarms, coordinate autonomous workflows, and build conversational AI systems. Features adaptive memory, self-learning intelligence, RAG integration, and native Claude Code / Codex / Hermes and many more Integrated项目地址: https://gitcode.com/GitHub_Trending/cl/ruflo本篇技术指南以 Rufloclaude-flowV3 CLI 的spawn命令为核心讲解如何通过一条命令拉起具备完整 V3 能力的智能体——涵盖 neural patterns神经模式、memory integration记忆集成与 swarm coordination群集协调。你将掌握agent spawn的全部参数语义、87 种 Agent 类型的分层选择策略、与 Claude Code Task 工具及 MCP 工具的组合用法以及命令背后从 CLI 到agent_spawnMCP 工具、再到模型路由与执行核心的完整调用链。命令概览与定位agent spawn是 Ruflo V3 CLI 的 Agent 管理子命令之一claude-flow agent命令族用于注册并初始化一个新的 Agent 实例。与一次性调用 Claude Code Task 工具不同spawn 出来的 Agent 会携带持久化状态它的类型、模型路由结果、任务计数、健康度等会被写入本地 Agent 注册表供后续agent list、agent status、agent metrics、agent_execute等命令与 MCP 工具读取与调度从而支持跨会话的成本归因、记忆持久化与群集拓扑协调。命令入口定义在 agent.tsspawn子命令本身位于同一文件的 spawnCommand。其基本用法为npx claude-flow/clilatest agent spawn [options]若在交互式终端中直接运行claude-flow agent spawn而不带任何参数CLI 会通过select交互提示引导你选择 Agent 类型对应源码中 interactive 分支在非交互模式下缺少--type会直接报错并退出退出码 1这一点由测试用例 commands.test.ts 显式验证。Options 参数详解含默认值与底层语义spawn的完整参数定义与文档一致下面结合源码给出每个参数的取值范围、默认值及其对底层行为的影响OptionShortDescriptionDefault--type-tAgent 类型必填CLI 内建 choices 见下文Required--name-nAgent 名称/标识符自动生成--provider-pAI 提供方anthropic、openrouter、ollamaanthropic--model-m使用的模型Provider 默认--taskAgent 的初始任务None--timeoutAgent 超时时间秒300--auto-tools启用自动工具使用true各参数的源码级说明--type源码中 AGENT_TYPES 定义了 15 种 CLI 内建可选项coder、researcher、tester、reviewer、architect、coordinator、analyst、optimizer、security-architect、security-auditor、memory-specialist、swarm-specialist、performance-engineer、core-architect、test-architect。文档声明的 87 种可用类型中其余类型如 swarm/consensus/GitHub/SPARC 系列不在 CLI 的choices枚举内而是作为自由字符串直接传入 MCP 层的agent_spawn.agentType字段该字段为普通 string 类型见 agent-tools.ts。--name不传时自动生成格式为${agentType}-${Date.now().toString(36)}如coder-lx7m9k2见 agent.ts。--provider/--model会随 config 一起传给agent_spawn工具。其中 provider 会被写入 Agent 记录的provider字段并优先于环境变量推断见下文Provider 解析优先级。--task不仅作为初始任务还会触发基于任务的智能模型路由Task-based Routingspawn 时会用该任务文本做嵌入并调用增强路由器详见下文模型路由一节。--timeout默认 300 秒对应执行阶段callAnthropicMessages中AbortController的超时设置默认 60000ms 的请求超时另有独立控制见 agent-execute-core.ts。Agent 类型体系87 种类型的分类选择文档声明系统共提供87 种 Agent 类型按领域划分为六大类别。以下命令均可直接复制运行Core Development核心开发npx claude-flow/clilatest agent spawn -t coder # Code implementation npx claude-flow/clilatest agent spawn -t reviewer # Code review npx claude-flow/clilatest agent spawn -t tester # Testing npx claude-flow/clilatest agent spawn -t planner # Planning npx claude-flow/clilatest agent spawn -t researcher # ResearchV3 SpecializedV3 专项npx claude-flow/clilatest agent spawn -t security-architect # Security design npx claude-flow/clilatest agent spawn -t security-auditor # CVE remediation npx claude-flow/clilatest agent spawn -t memory-specialist # AgentDB 加速文档标注 150x-12,500x npx claude-flow/clilatest agent spawn -t performance-engineer # 文档标注 2.49x-7.47x 优化目标 npx claude-flow/clilatest agent spawn -t core-architect # DDD designSwarm Coordination群集协调npx claude-flow/clilatest agent spawn -t hierarchical-coordinator # Queen-led 女王主导 npx claude-flow/clilatest agent spawn -t mesh-coordinator # P2P 网络 npx claude-flow/clilatest agent spawn -t adaptive-coordinator # 动态拓扑 npx claude-flow/clilatest agent spawn -t collective-intelligence-coordinatorConsensus Agents共识型npx claude-flow/clilatest agent spawn -t byzantine-coordinator # BFT 拜占庭容错共识 npx claude-flow/clilatest agent spawn -t raft-manager # Leader-based 领导选举 npx claude-flow/clilatest agent spawn -t gossip-coordinator # 最终一致性 npx claude-flow/clilatest agent spawn -t crdt-synchronizer # CRDT 复制 npx claude-flow/clilatest agent spawn -t quorum-manager # Quorum 法定人数GitHub IntegrationGitHub 集成npx claude-flow/clilatest agent spawn -t pr-manager # PR 生命周期 npx claude-flow/clilatest agent spawn -t code-review-swarm # 多 Agent 审查 npx claude-flow/clilatest agent spawn -t issue-tracker # Issue 管理 npx claude-flow/clilatest agent spawn -t release-manager # 发布协调 npx claude-flow/clilatest agent spawn -t workflow-automation # CI/CD 自动化SPARC MethodologySPARC 方法论npx claude-flow/clilatest agent spawn -t sparc-coordinator # SPARC 编排 npx claude-flow/clilatest agent spawn -t specification # 需求规格 npx claude-flow/clilatest agent spawn -t pseudocode # 算法设计 npx claude-flow/clilatest agent spawn -t architecture # 系统设计 npx claude-flow/clilatest agent spawn -t refinement # 迭代改进仓库中还预置了若干类型的 YAML 配置模板可作为类型能力与优化项的参考例如 coder.yamlcapabilitiescode-generation / refactoring / debuggingoptimizationsflash-attention / token-reduction、architect.yamlsystem-design / api-design / documentationoptimizations 含 context-caching / memory-persistence、security-architect.yamlthreat-modeling / vulnerability-analysis / security-review。实战示例六种典型 spawn 组合文档给出了六种覆盖最常见需求的组合方式全部可直接复制运行# Spawn with custom name自定义名称 npx claude-flow/clilatest agent spawn -t coder --name feature-bot # Spawn with initial task携带初始任务会触发任务级模型路由 npx claude-flow/clilatest agent spawn -t researcher --task Research React 19 features # Spawn with specific model指定具体模型 npx claude-flow/clilatest agent spawn -t architect -m claude-3-opus-20240229 # Spawn with custom timeout自定义超时单位秒 npx claude-flow/clilatest agent spawn -t tester --timeout 600 # Spawn using OpenRouter切换提供方与模型 slug npx claude-flow/clilatest agent spawn -t coder -p openrouter -m anthropic/claude-3.5-sonnet需要说明的是-m claude-3-opus-20240229这类历史模型字符串属于显式模型选择会被 MCP 层按modelId直通处理而逻辑别名haiku/sonnet/opus/inherit则走别名映射见下文模型解析。底层调用链从 CLI 到agent_spawnMCP 工具理解 spawn 的完整链路有助于排查问题与做二次开发。整体分为四层CLI 解析层agent.ts spawnCommand解析 flags → 交互补全 type → 自动生成 name → 组装入参。MCP 客户端层通过callMCPTool(agent_spawn, {...})调用入参结构为{ agentType, // Agent 类型 id: agentName, // Agent 标识 config: { // 配置块 provider, // 默认 anthropic model, task, timeout, autoTools, }, priority: normal, metadata: { name: agentName, capabilities: getAgentCapabilities(agentType) }, }MCP 工具层agent-tools.tsagent_spawn处理器执行输入校验validateAgentSpawn后将记录写入本地注册表.claude-flow/agents/store.jsonAgentRecord 含 agentId、agentType、status、health、taskCount、config、createdAt、domain、model、modelRoutedBy 等字段见 agent-tools.ts将 agentId 追加到最近创建的 swarm 的agents数组#2085保证swarm_status能看到新 Agent见 agent-tools.ts最佳努力地写入图数据库节点ADR-087 的addNode若指定memoryBase还会为 Agent 创建独立的 Copy-On-Write 记忆分支约 162 字节而非全量复制.rvf实现记忆隔离。状态回写层spawn 成功后updateSwarmActivityMetrics(1)会把.claude-flow/metrics/swarm-activity.json中的agent_count加一使状态栏statusline实时反映 Agent 数量agent stop时则减一。模型路由spawn 时如何决定用哪个模型spawn 时若不显式传--model模型选择由 determineAgentModel 按 ADR-026 的四级优先级决策并将结果写入 Agent 记录的model/modelRoutedBy字段显式 modelconfig 中带有 haiku/sonnet/opus/opus-4.7/inherit 之一 →routedBy: explicit非别名模型字符串则通过modelId直通。任务增强路由传了--task时对任务文本做嵌入共享 MiniLM 管线 LRU 缓存调用增强路由器。若命中Tier-1 确定性 codemod则标记canSkipLLM: true——即该任务可通过hooks_codemod以零 LLM 成本完成否则返回神经路由器选出的成本最优模型含modelId、provider、openrouterModel。类型默认值AGENT_TYPE_MODEL_DEFAULTS复杂 Agent 用 opusarchitect、security-architect、core-architect中等复杂度用 sonnetcoder、reviewer、researcher、tester、analyst轻量 Agent 用 haikuformatter、linter、documenter。兜底以上均未命中时回退sonnet平衡档。模型别名在执行阶段映射为具体 IDMODEL_MAPhaiku → claude-haiku-4-5-20251001、sonnet → claude-sonnet-5、opus → claude-opus-4-8、opus-4.7 → claude-opus-4-7。Provider 解析优先级当 Agent 真正执行任务agent_execute时提供方的选择遵循以下优先级callAnthropicMessagesspawn 时显式传入的--provideragent 记录中的provider字段环境变量RUFLO_PROVIDER及ANTHROPIC_API_KEY/OPENROUTER_API_KEY/OLLAMA_API_KEY家族持久化配置claude-flow.config.json中agents.providers条目无任何密钥时返回可操作的错误提示指导设置对应 API Key。执行路径spawn 之后的三条路agent_spawn只负责注册Agent 元数据并返回status: registered。文档明确指出真正的执行应使用 Claude Code 的 Task 工具。实际可用的执行路径有三条spawn 响应的note字段有明确说明路径一Claude Code Task 工具推荐对于一次性并行子任务用原生 Task 工具即可——在一条消息里 spawn 多个 Agent 实现并行执行// Spawn ALL agents in ONE message for parallel execution Task(Coder, Implement authentication feature, coder) Task(Tester, Write unit tests for auth, tester) Task(Reviewer, Review auth implementation, reviewer)路径二agent_executeMCP 工具带注册表语义当需要复用已 spawn Agent 的持久化配置模型、指令、成本归因时调用agent_execute(agentId, prompt)它会读取 Agent 记录中的 model/provider 配置通过 Anthropic Messages API或 Ollama/OpenRouter 的 OpenAI-compat 端点真实发起 LLM 调用并回写taskCount、lastResult、statusidle→busy→idle同时把执行结果喂给模型路由器的 bandit 反馈闭环与轨迹记录器ADR-149。核心实现在 agent-execute-core.ts 的 executeAgentTask。路径三MCP 群集协调可选只有当需要群集拓扑编排时才使用 MCP 工具——先swarm_init初始化群集再通过agent_spawn注册协调者mcp__claude-flow__swarm_init({ topology: hierarchical, maxAgents: 15 }) mcp__claude-flow__agent_spawn({ type: coordinator, name: queen })swarm_init支持多种拓扑hierarchical、mesh、hierarchical-mesh、ring、star、hybrid、adaptive、pheromone-adaptivemaxAgents取值范围被钳制在 1–50、默认 15见 swarm-tools.ts。输出格式与验证spawn 成功后 CLI 输出如下表格Spawning coder agent: feature-bot --------------------------------------------- | Property | Value | --------------------------------------------- | ID | coder-lx7m9k2 | | Type | coder | | Name | feature-bot | | Status | active | | Created | 2026-01-08T03:30:00.000Z | | Capabilities | code, debug, refactor, test | --------------------------------------------- Agent feature-bot spawned successfully表格中的 Capabilities 由 getAgentCapabilities 按类型映射生成coder → code-generation/refactoring/debugging/testingresearcher → web-search/data-analysis/summarization/citation 等未知类型回退general。追加--format json可让命令以 JSON 形式输出 MCP 工具返回的原始结果便于脚本消费。周边管理命令claude-flow agent命令族围绕 spawn 提供了完整的生命周期管理agent.ts 命令族agent list列出所有活跃 Agent支持-a含已终止、-t按类型过滤、-s按状态过滤agent status id查看单个 Agent 的详细状态与指标任务完成/进行中/失败、平均执行时长、运行时长agent stop id别名kill停止 Agent-f强制终止、--timeout优雅关闭超时成功后同步递减 swarm agent 计数agent metrics汇总 Agent 数量、任务完成数、成功率、记忆向量数以及 pheromone-adaptive 群集的调度评分agent pool管理预生 Agent 温池--size、--min、--max、-a自动伸缩agent healthAgent 健康度healthy/degraded/unhealthy支持-w监听模式agent logs id查看 Agent 活动日志支持-n条数、-l级别、-f跟随、--since时间窗。上述命令的行为均有对应测试用例覆盖例如 commands.test.ts 验证了 spawn 缺 type 报错、provider/model/task 参数传递、metrics 汇总与 period 参数等行为可作为你集成或扩展时的行为基准。小结agent spawn是 Ruflo V3 多 Agent 体系的入口它以极简的参数面完成了 Agent 的注册、模型路由、群集挂载与状态同步再配合 Task 工具 /agent_execute/ MCP 群集工具形成完整的多 Agent 工作流。理解其参数语义与调用链你就能从单条命令拉 Agent进阶到设计分层群集 按任务成本最优路由 跨会话记忆复用的生产级智能体编排。【免费下载链接】ruflo The original agent meta-harness. Deploy intelligent multi-player swarms, coordinate autonomous workflows, and build conversational AI systems. Features adaptive memory, self-learning intelligence, RAG integration, and native Claude Code / Codex / Hermes and many more Integrated项目地址: https://gitcode.com/GitHub_Trending/cl/ruflo创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Ruflo V3 CLI 实战：`agent spawn` 命令全解析——从单 Agent 部署到多 Agent 群集协调
Ruflo V3 CLI 实战agent spawn命令全解析——从单 Agent 部署到多 Agent 群集协调【免费下载链接】ruflo The original agent meta-harness. Deploy intelligent multi-player swarms, coordinate autonomous workflows, and build conversational AI systems. Features adaptive memory, self-learning intelligence, RAG integration, and native Claude Code / Codex / Hermes and many more Integrated项目地址: https://gitcode.com/GitHub_Trending/cl/ruflo本篇技术指南以 Rufloclaude-flowV3 CLI 的spawn命令为核心讲解如何通过一条命令拉起具备完整 V3 能力的智能体——涵盖 neural patterns神经模式、memory integration记忆集成与 swarm coordination群集协调。你将掌握agent spawn的全部参数语义、87 种 Agent 类型的分层选择策略、与 Claude Code Task 工具及 MCP 工具的组合用法以及命令背后从 CLI 到agent_spawnMCP 工具、再到模型路由与执行核心的完整调用链。命令概览与定位agent spawn是 Ruflo V3 CLI 的 Agent 管理子命令之一claude-flow agent命令族用于注册并初始化一个新的 Agent 实例。与一次性调用 Claude Code Task 工具不同spawn 出来的 Agent 会携带持久化状态它的类型、模型路由结果、任务计数、健康度等会被写入本地 Agent 注册表供后续agent list、agent status、agent metrics、agent_execute等命令与 MCP 工具读取与调度从而支持跨会话的成本归因、记忆持久化与群集拓扑协调。命令入口定义在 agent.tsspawn子命令本身位于同一文件的 spawnCommand。其基本用法为npx claude-flow/clilatest agent spawn [options]若在交互式终端中直接运行claude-flow agent spawn而不带任何参数CLI 会通过select交互提示引导你选择 Agent 类型对应源码中 interactive 分支在非交互模式下缺少--type会直接报错并退出退出码 1这一点由测试用例 commands.test.ts 显式验证。Options 参数详解含默认值与底层语义spawn的完整参数定义与文档一致下面结合源码给出每个参数的取值范围、默认值及其对底层行为的影响OptionShortDescriptionDefault--type-tAgent 类型必填CLI 内建 choices 见下文Required--name-nAgent 名称/标识符自动生成--provider-pAI 提供方anthropic、openrouter、ollamaanthropic--model-m使用的模型Provider 默认--taskAgent 的初始任务None--timeoutAgent 超时时间秒300--auto-tools启用自动工具使用true各参数的源码级说明--type源码中 AGENT_TYPES 定义了 15 种 CLI 内建可选项coder、researcher、tester、reviewer、architect、coordinator、analyst、optimizer、security-architect、security-auditor、memory-specialist、swarm-specialist、performance-engineer、core-architect、test-architect。文档声明的 87 种可用类型中其余类型如 swarm/consensus/GitHub/SPARC 系列不在 CLI 的choices枚举内而是作为自由字符串直接传入 MCP 层的agent_spawn.agentType字段该字段为普通 string 类型见 agent-tools.ts。--name不传时自动生成格式为${agentType}-${Date.now().toString(36)}如coder-lx7m9k2见 agent.ts。--provider/--model会随 config 一起传给agent_spawn工具。其中 provider 会被写入 Agent 记录的provider字段并优先于环境变量推断见下文Provider 解析优先级。--task不仅作为初始任务还会触发基于任务的智能模型路由Task-based Routingspawn 时会用该任务文本做嵌入并调用增强路由器详见下文模型路由一节。--timeout默认 300 秒对应执行阶段callAnthropicMessages中AbortController的超时设置默认 60000ms 的请求超时另有独立控制见 agent-execute-core.ts。Agent 类型体系87 种类型的分类选择文档声明系统共提供87 种 Agent 类型按领域划分为六大类别。以下命令均可直接复制运行Core Development核心开发npx claude-flow/clilatest agent spawn -t coder # Code implementation npx claude-flow/clilatest agent spawn -t reviewer # Code review npx claude-flow/clilatest agent spawn -t tester # Testing npx claude-flow/clilatest agent spawn -t planner # Planning npx claude-flow/clilatest agent spawn -t researcher # ResearchV3 SpecializedV3 专项npx claude-flow/clilatest agent spawn -t security-architect # Security design npx claude-flow/clilatest agent spawn -t security-auditor # CVE remediation npx claude-flow/clilatest agent spawn -t memory-specialist # AgentDB 加速文档标注 150x-12,500x npx claude-flow/clilatest agent spawn -t performance-engineer # 文档标注 2.49x-7.47x 优化目标 npx claude-flow/clilatest agent spawn -t core-architect # DDD designSwarm Coordination群集协调npx claude-flow/clilatest agent spawn -t hierarchical-coordinator # Queen-led 女王主导 npx claude-flow/clilatest agent spawn -t mesh-coordinator # P2P 网络 npx claude-flow/clilatest agent spawn -t adaptive-coordinator # 动态拓扑 npx claude-flow/clilatest agent spawn -t collective-intelligence-coordinatorConsensus Agents共识型npx claude-flow/clilatest agent spawn -t byzantine-coordinator # BFT 拜占庭容错共识 npx claude-flow/clilatest agent spawn -t raft-manager # Leader-based 领导选举 npx claude-flow/clilatest agent spawn -t gossip-coordinator # 最终一致性 npx claude-flow/clilatest agent spawn -t crdt-synchronizer # CRDT 复制 npx claude-flow/clilatest agent spawn -t quorum-manager # Quorum 法定人数GitHub IntegrationGitHub 集成npx claude-flow/clilatest agent spawn -t pr-manager # PR 生命周期 npx claude-flow/clilatest agent spawn -t code-review-swarm # 多 Agent 审查 npx claude-flow/clilatest agent spawn -t issue-tracker # Issue 管理 npx claude-flow/clilatest agent spawn -t release-manager # 发布协调 npx claude-flow/clilatest agent spawn -t workflow-automation # CI/CD 自动化SPARC MethodologySPARC 方法论npx claude-flow/clilatest agent spawn -t sparc-coordinator # SPARC 编排 npx claude-flow/clilatest agent spawn -t specification # 需求规格 npx claude-flow/clilatest agent spawn -t pseudocode # 算法设计 npx claude-flow/clilatest agent spawn -t architecture # 系统设计 npx claude-flow/clilatest agent spawn -t refinement # 迭代改进仓库中还预置了若干类型的 YAML 配置模板可作为类型能力与优化项的参考例如 coder.yamlcapabilitiescode-generation / refactoring / debuggingoptimizationsflash-attention / token-reduction、architect.yamlsystem-design / api-design / documentationoptimizations 含 context-caching / memory-persistence、security-architect.yamlthreat-modeling / vulnerability-analysis / security-review。实战示例六种典型 spawn 组合文档给出了六种覆盖最常见需求的组合方式全部可直接复制运行# Spawn with custom name自定义名称 npx claude-flow/clilatest agent spawn -t coder --name feature-bot # Spawn with initial task携带初始任务会触发任务级模型路由 npx claude-flow/clilatest agent spawn -t researcher --task Research React 19 features # Spawn with specific model指定具体模型 npx claude-flow/clilatest agent spawn -t architect -m claude-3-opus-20240229 # Spawn with custom timeout自定义超时单位秒 npx claude-flow/clilatest agent spawn -t tester --timeout 600 # Spawn using OpenRouter切换提供方与模型 slug npx claude-flow/clilatest agent spawn -t coder -p openrouter -m anthropic/claude-3.5-sonnet需要说明的是-m claude-3-opus-20240229这类历史模型字符串属于显式模型选择会被 MCP 层按modelId直通处理而逻辑别名haiku/sonnet/opus/inherit则走别名映射见下文模型解析。底层调用链从 CLI 到agent_spawnMCP 工具理解 spawn 的完整链路有助于排查问题与做二次开发。整体分为四层CLI 解析层agent.ts spawnCommand解析 flags → 交互补全 type → 自动生成 name → 组装入参。MCP 客户端层通过callMCPTool(agent_spawn, {...})调用入参结构为{ agentType, // Agent 类型 id: agentName, // Agent 标识 config: { // 配置块 provider, // 默认 anthropic model, task, timeout, autoTools, }, priority: normal, metadata: { name: agentName, capabilities: getAgentCapabilities(agentType) }, }MCP 工具层agent-tools.tsagent_spawn处理器执行输入校验validateAgentSpawn后将记录写入本地注册表.claude-flow/agents/store.jsonAgentRecord 含 agentId、agentType、status、health、taskCount、config、createdAt、domain、model、modelRoutedBy 等字段见 agent-tools.ts将 agentId 追加到最近创建的 swarm 的agents数组#2085保证swarm_status能看到新 Agent见 agent-tools.ts最佳努力地写入图数据库节点ADR-087 的addNode若指定memoryBase还会为 Agent 创建独立的 Copy-On-Write 记忆分支约 162 字节而非全量复制.rvf实现记忆隔离。状态回写层spawn 成功后updateSwarmActivityMetrics(1)会把.claude-flow/metrics/swarm-activity.json中的agent_count加一使状态栏statusline实时反映 Agent 数量agent stop时则减一。模型路由spawn 时如何决定用哪个模型spawn 时若不显式传--model模型选择由 determineAgentModel 按 ADR-026 的四级优先级决策并将结果写入 Agent 记录的model/modelRoutedBy字段显式 modelconfig 中带有 haiku/sonnet/opus/opus-4.7/inherit 之一 →routedBy: explicit非别名模型字符串则通过modelId直通。任务增强路由传了--task时对任务文本做嵌入共享 MiniLM 管线 LRU 缓存调用增强路由器。若命中Tier-1 确定性 codemod则标记canSkipLLM: true——即该任务可通过hooks_codemod以零 LLM 成本完成否则返回神经路由器选出的成本最优模型含modelId、provider、openrouterModel。类型默认值AGENT_TYPE_MODEL_DEFAULTS复杂 Agent 用 opusarchitect、security-architect、core-architect中等复杂度用 sonnetcoder、reviewer、researcher、tester、analyst轻量 Agent 用 haikuformatter、linter、documenter。兜底以上均未命中时回退sonnet平衡档。模型别名在执行阶段映射为具体 IDMODEL_MAPhaiku → claude-haiku-4-5-20251001、sonnet → claude-sonnet-5、opus → claude-opus-4-8、opus-4.7 → claude-opus-4-7。Provider 解析优先级当 Agent 真正执行任务agent_execute时提供方的选择遵循以下优先级callAnthropicMessagesspawn 时显式传入的--provideragent 记录中的provider字段环境变量RUFLO_PROVIDER及ANTHROPIC_API_KEY/OPENROUTER_API_KEY/OLLAMA_API_KEY家族持久化配置claude-flow.config.json中agents.providers条目无任何密钥时返回可操作的错误提示指导设置对应 API Key。执行路径spawn 之后的三条路agent_spawn只负责注册Agent 元数据并返回status: registered。文档明确指出真正的执行应使用 Claude Code 的 Task 工具。实际可用的执行路径有三条spawn 响应的note字段有明确说明路径一Claude Code Task 工具推荐对于一次性并行子任务用原生 Task 工具即可——在一条消息里 spawn 多个 Agent 实现并行执行// Spawn ALL agents in ONE message for parallel execution Task(Coder, Implement authentication feature, coder) Task(Tester, Write unit tests for auth, tester) Task(Reviewer, Review auth implementation, reviewer)路径二agent_executeMCP 工具带注册表语义当需要复用已 spawn Agent 的持久化配置模型、指令、成本归因时调用agent_execute(agentId, prompt)它会读取 Agent 记录中的 model/provider 配置通过 Anthropic Messages API或 Ollama/OpenRouter 的 OpenAI-compat 端点真实发起 LLM 调用并回写taskCount、lastResult、statusidle→busy→idle同时把执行结果喂给模型路由器的 bandit 反馈闭环与轨迹记录器ADR-149。核心实现在 agent-execute-core.ts 的 executeAgentTask。路径三MCP 群集协调可选只有当需要群集拓扑编排时才使用 MCP 工具——先swarm_init初始化群集再通过agent_spawn注册协调者mcp__claude-flow__swarm_init({ topology: hierarchical, maxAgents: 15 }) mcp__claude-flow__agent_spawn({ type: coordinator, name: queen })swarm_init支持多种拓扑hierarchical、mesh、hierarchical-mesh、ring、star、hybrid、adaptive、pheromone-adaptivemaxAgents取值范围被钳制在 1–50、默认 15见 swarm-tools.ts。输出格式与验证spawn 成功后 CLI 输出如下表格Spawning coder agent: feature-bot --------------------------------------------- | Property | Value | --------------------------------------------- | ID | coder-lx7m9k2 | | Type | coder | | Name | feature-bot | | Status | active | | Created | 2026-01-08T03:30:00.000Z | | Capabilities | code, debug, refactor, test | --------------------------------------------- Agent feature-bot spawned successfully表格中的 Capabilities 由 getAgentCapabilities 按类型映射生成coder → code-generation/refactoring/debugging/testingresearcher → web-search/data-analysis/summarization/citation 等未知类型回退general。追加--format json可让命令以 JSON 形式输出 MCP 工具返回的原始结果便于脚本消费。周边管理命令claude-flow agent命令族围绕 spawn 提供了完整的生命周期管理agent.ts 命令族agent list列出所有活跃 Agent支持-a含已终止、-t按类型过滤、-s按状态过滤agent status id查看单个 Agent 的详细状态与指标任务完成/进行中/失败、平均执行时长、运行时长agent stop id别名kill停止 Agent-f强制终止、--timeout优雅关闭超时成功后同步递减 swarm agent 计数agent metrics汇总 Agent 数量、任务完成数、成功率、记忆向量数以及 pheromone-adaptive 群集的调度评分agent pool管理预生 Agent 温池--size、--min、--max、-a自动伸缩agent healthAgent 健康度healthy/degraded/unhealthy支持-w监听模式agent logs id查看 Agent 活动日志支持-n条数、-l级别、-f跟随、--since时间窗。上述命令的行为均有对应测试用例覆盖例如 commands.test.ts 验证了 spawn 缺 type 报错、provider/model/task 参数传递、metrics 汇总与 period 参数等行为可作为你集成或扩展时的行为基准。小结agent spawn是 Ruflo V3 多 Agent 体系的入口它以极简的参数面完成了 Agent 的注册、模型路由、群集挂载与状态同步再配合 Task 工具 /agent_execute/ MCP 群集工具形成完整的多 Agent 工作流。理解其参数语义与调用链你就能从单条命令拉 Agent进阶到设计分层群集 按任务成本最优路由 跨会话记忆复用的生产级智能体编排。【免费下载链接】ruflo The original agent meta-harness. Deploy intelligent multi-player swarms, coordinate autonomous workflows, and build conversational AI systems. Features adaptive memory, self-learning intelligence, RAG integration, and native Claude Code / Codex / Hermes and many more Integrated项目地址: https://gitcode.com/GitHub_Trending/cl/ruflo创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考