SwarmClaw 部署指南：在 VPS 上搭建自托管多智能体编排平台

SwarmClaw 是什么？

SwarmClaw（GitHub 500+ ⭐）是一个 开源、自托管的 AI 智能体运行时与多智能体框架。你可以把它理解成一个 AI 智能体的控制面板——在你自己的服务器上运行、编排和管理整个 AI 智能体团队。

与 Claude Code、ChatGPT 等单智能体工具不同，SwarmClaw 专为多智能体编排而设计：

智能体群集 — 创建 CEO、开发者、研究员等不同角色的智能体团队，它们可以委派任务、协作并向上汇报
23+ LLM 提供商 — 接入 Ollama、Claude、GPT、Gemini、OpenRouter、DeepSeek、Groq 等，每个智能体可使用不同模型
持久记忆 — 混合检索、图谱遍历、自动反思记忆，支持项目级上下文
MCP 服务器支持 — 接入任意 Model Context Protocol 服务器，扩展网页浏览、代码执行、文件访问等工具
消息桥接 — 将智能体连接到 Discord、Slack、Telegram、WhatsApp、邮件等平台
定时任务与心跳 — 智能体可按计划运行、自动检查任务状态
运行时技能 — 智能体从对话中学习，自动创建可复用的技能

对 VPS 用户来说，核心亮点是：SwarmClaw 运行在单个 Docker 容器中，持久化存储数据，连接本地 Ollama 模型保障隐私，通过 Web UI 仪表盘（http://你的VPS:3456）管理整个智能体舰队。

VPS 资源要求

SwarmClaw 是一个 Node.js 应用，作为编排层运行——重度 LLM 推理由外部提供商或单独的 Ollama 实例完成，因此资源消耗较低。

最低配置

资源	要求	说明
CPU	1 核（x86_64 / ARM64）	ARM 架构也可
内存	1 GB	系统可用约 512 MB
磁盘	10 GB	含系统 + SwarmClaw + Docker 镜像
网络	公网 IP，开放 3456-3457 端口	用于 Web UI 和 API

资源	要求	说明
CPU	2 核	如需同时运行 Ollama 则需要更多
内存	4 GB	SwarmClaw 占 2 GB，Ollama 占 2 GB
磁盘	20 GB SSD	用于智能体数据 + 本地模型
网络	任意公网 IP	1 Mbps 即可满足 API 流量

搭配 Ollama（本地 LLM 推理）

资源	要求	说明
CPU	4+ 核	无 GPU 时运行 7B 模型需要
内存	8-16 GB	Qwen2.5:7B-Q4 约需 6 GB，Gemma 3:12B 约需 8 GB
GPU	可选	NVIDIA T4 或更高可加速推理
磁盘	30+ GB SSD	每个模型约 4-8 GB

第一步：VPS 环境准备

通过 SSH 连接 VPS，安装 Docker 和 Docker Compose：

# 更新系统
sudo apt update && sudo apt upgrade -y

# 安装 Docker
curl -fsSL https://get.docker.com -o get-docker.sh
sudo sh get-docker.sh

# 安装 Docker Compose 插件
sudo apt install -y docker-compose-plugin

# 将当前用户加入 docker 组
sudo usermod -aG docker $USER

# 重新加载组或退出重新登录
newgrp docker

# 验证安装
docker --version && docker compose version

第二步：通过 Docker Compose 部署 SwarmClaw

# 创建项目目录
mkdir -p ~/swarmclaw && cd ~/swarmclaw

# 创建持久化数据目录
mkdir -p data

# 创建 docker-compose.yml
cat > docker-compose.yml << 'EOF'
services:
  swarmclaw:
    image: ghcr.io/swarmclawai/swarmclaw:latest
    ports:
      - "3456:3456"
      - "3457:3457"
    volumes:
      - ./data:/app/data
    environment:
      - ACCESS_KEY=your-secure-access-key-here
      - CREDENTIAL_SECRET=your-credential-secret-here
    healthcheck:
      test: ["CMD", "curl", "-f", "http://localhost:3456/api/healthz"]
      interval: 30s
      timeout: 5s
      retries: 3
      start_period: 10s
    restart: unless-stopped
EOF

安全提示：使用以下命令生成安全的随机值：
openssl rand -base64 32  # 用于 ACCESS_KEY
openssl rand -base64 32  # 用于 CREDENTIAL_SECRET

启动容器：

docker compose up -d

等待几秒后验证运行状态：

docker compose ps
curl -s http://localhost:3456/api/healthz | head -c 200

你应看到 {"status":"ok"}。在浏览器中打开 http://你的VPS-IP:3456，使用 ACCESS_KEY 作为密码登录。

第三步：配置 HTTPS（生产环境）

生产环境中，请务必使用 HTTPS 保护 SwarmClaw 面板。搭配 Traefik 反代：

services:
  traefik:
    image: traefik:v3.2
    command:
      - "--providers.docker=true"
      - "--entrypoints.websecure.address=:443"
      - "--entrypoints.web.address=:80"
      - "--certificatesresolvers.letsencrypt.acme.tlschallenge=true"
      - "--certificatesresolvers.letsencrypt.acme.email=your@email.com"
      - "--certificatesresolvers.letsencrypt.acme.storage=/letsencrypt/acme.json"
    ports:
      - "80:80"
      - "443:443"
    volumes:
      - "/var/run/docker.sock:/var/run/docker.sock:ro"
      - "./letsencrypt:/letsencrypt"

  swarmclaw:
    image: ghcr.io/swarmclawai/swarmclaw:latest
    expose:
      - "3456"
    labels:
      - "traefik.enable=true"
      - "traefik.http.routers.swarmclaw.rule=Host(`swarmclaw.yourdomain.com`)"
      - "traefik.http.routers.swarmclaw.entrypoints=websecure"
      - "traefik.http.routers.swarmclaw.tls.certresolver=letsencrypt"
    volumes:
      - ./data:/app/data
    environment:
      - ACCESS_KEY=your-secure-access-key
      - CREDENTIAL_SECRET=your-credential-secret
    restart: unless-stopped

第四步：连接 Ollama 实现本地 LLM 推理

要完全在 VPS 上运行模型，无需外部 API 调用，可以在 SwarmClaw 旁部署 Ollama。

方案 A：Docker Compose 边车容器

在 docker-compose.yml 中添加：

  ollama:
    image: ollama/ollama:latest
    ports:
      - "11434:11434"
    volumes:
      - ./ollama_data:/root/.ollama
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: all
              capabilities: [gpu]  # 无 GPU 则删除此行
    restart: unless-stopped

拉取模型：

docker compose exec ollama ollama pull qwen2.5:7b
# 或对于小内存 VPS：
docker compose exec ollama ollama pull phi-4:3.8b-mini-instruct-q4_K_M

方案 B：宿主机直接安装（性能更佳）

# 安装 Ollama
curl -fsSL https://ollama.com/install.sh | sh

# 拉取模型
ollama pull qwen2.5:7b

# 验证
ollama list

配置 SwarmClaw 使用 Ollama

在 SwarmClaw Web UI 中：

进入 设置 → 提供商
点击 添加提供商，选择 Ollama
基础 URL 设置为 http://ollama:11434（Docker 边车）或 http://host.docker.internal:11434（宿主机安装）
选择模型如 qwen2.5:7b、llama3.2:3b 或 gemma3:12b

第五步：创建你的第一个智能体

SwarmClaw 运行并连接提供商后：

打开仪表盘 http://你的VPS:3456
点击 创建智能体
命名（例如 “DevAssistant”）
选择提供商（Ollama 或 OpenRouter）
选择模型
启用工具：Shell、文件、网页搜索
点击保存

你的智能体已就绪，可以：

在 Web UI 中直接对话
通过任务面板分配任务
设置定时任务
连接到 Telegram/Slack 随时随地使用

第六步：构建多智能体团队（组织架构图）

SwarmClaw 的核心能力是多智能体编排。以下是创建虚拟开发团队的方法：

创建智能体：

智能体	角色	提供商	模型	工具
Lead	架构师	OpenRouter	claude-sonnet-4	委派、任务
Dev	开发者	Ollama	qwen2.5:7b	Shell、文件
QA	测试员	Ollama	llama3.2:3b	Shell、浏览器
Reviewer	审查员	OpenRouter	gpt-4o-mini	文件、网页搜索

设置组织架构：
- 进入 组织架构图 视图
- 拖拽智能体定义层级关系
- Lead 委派任务，Dev、QA、Reviewer 领取执行
创建任务：
- 点击 任务 → 新建任务
- 标题：“实现用户认证模块”
- 分配给 Lead
- Lead 会自动分解任务并委派给 Dev
观察群集工作：
- 组织架构图实时显示各智能体状态
- 完成的工作自动返回链路上级审查

第七步：连接 MCP 服务器扩展工具

Model Context Protocol (MCP) 服务器为智能体提供强大的扩展能力。

示例：文件系统 MCP 服务器

docker run -d \
  --name mcp-filesystem \
  -v /path/to/projects:/projects \
  ghcr.io/modelcontextprotocol/filesystem-server /projects

然后在 SwarmClaw 中：

进入 设置 → MCP 服务器
点击 添加 MCP 服务器
选择类型：SSE 或 Streamable HTTP
输入端点 URL
为特定智能体启用工具

推荐的 MCP 服务器：

Filesystem — 读写管理文件
GitHub — 创建 PR、管理 Issue、浏览仓库
Puppeteer — 浏览器自动化和截图
SQLite — 查询数据库
Memory — 持久知识图谱

第八步：生产环境最佳实践

数据备份

所有 SwarmClaw 数据保存在 ./data/ 目录下：

# 备份
tar -czf swarmclaw-backup-$(date +%Y%m%d).tar.gz data/

# 或使用定时任务
0 3 * * * cd ~/swarmclaw && tar -czf backups/swarmclaw-$(date +\%Y\%m\%d).tar.gz data/

资源限制

防止 SwarmClaw 耗尽 VPS 资源：

services:
  swarmclaw:
    deploy:
      resources:
        limits:
          memory: 1G
          cpus: "1"

监控

SwarmClaw 支持 OpenTelemetry OTLP 导出：

OTEL_ENABLED=true
OTEL_SERVICE_NAME=swarmclaw
OTEL_EXPORTER_OTLP_ENDPOINT=https://your-collector:4318

更新

cd ~/swarmclaw
docker compose pull
docker compose up -d

实际应用场景

个人 AI 助手

一个带有记忆、网页访问、定时任务和文件工具的智能体——你的随身副驾驶。连接到 Telegram，随时随地向智能体发送消息。让它检查服务器状态、总结文章、管理日程、起草邮件。

自动化 DevOps 工程师

构建一个监控 VPS 的智能体：检查日志错误、定时运行备份、在需要关注时通过 Telegram 提醒你。连接 Shell 工具实现完全的服务器控制。

内容生成流水线

创建两个智能体：Writer 根据摘要起草博客文章，Editor 优化结构和语气。定时运行内容生成，智能体之间自动交接。

客户支持平台

将支持智能体同时接入 Discord、Slack 和 Telegram。智能体记住每个用户的历史记录，复杂问题通过任务委派升级给专业智能体。

常见问题排查

问题	解决方案
容器无法启动	运行 `docker compose logs` 查看错误
无法访问 Web UI	确认防火墙已开放 3456/3457 端口
Ollama 连接失败	确认 Ollama 运行中且 SwarmClaw 容器可访问（`http://ollama:11434`）
智能体拒绝任务	检查智能体是否已启用所需工具
记忆未持久保存	确认 `./data/` 目录权限正确
MCP 服务器未找到	确认 MCP 服务器 URL 从 SwarmClaw 容器可达

总结

SwarmClaw 将企业级多智能体编排能力带到你的个人 VPS 上。不到十分钟，你就可以拥有一个功能完整的 AI 智能体运行时：

🐳 单容器 Docker Compose 部署
🏠 本地 Ollama 模型，完全保护隐私
🔗 23+ LLM 提供商，每个智能体可混搭不同模型
🧠 持久智能体记忆，跨会话保持上下文
🔌 MCP 工具生态，无限扩展能力
📊 Web 仪表盘，管理整个智能体舰队

无论你是构建个人助手、开发团队还是客户支持平台，SwarmClaw 都能让你在自己的基础设施上掌控全局。

今天就开始搭建你的智能体群集——只需要一台 VPS 和 10 分钟。