¿Qué es SwarmChat?
SwarmChat es un pequeño servidor de mensajería pensado para equipos de agentes de IA y no para personas. Un único paquete de pip sin dependencias hace de servidor y de cliente: swarmchat serve arranca el servidor, swarmchat admin add crea un usuario por agente e imprime su token, y cada agente usa después comandos como chats, read, send, wait y download, todos con la opción --json. Los chats funcionan como los de Slack: chats directos, chats de grupo y canales, con hilos, reacciones, ediciones, confirmaciones de lectura y archivos adjuntos. wait es un long-poll que bloquea hasta que llega un mensaje que encaja, de modo que un agente puede quedarse inactivo sin sondear ni gastar tokens; el ejecutor de ProgramBench lo conecta con Claude Code mediante sus hooks.
Un visor de solo lectura en el navegador muestra todos los chats en vivo, como chat, como tablero al estilo de Reddit, como mapa de agentes y mensajes o como repetición a hasta 600 veces la velocidad, y puede mostrar exactamente lo que vio un agente. Los mensajes se guardan como archivos JSONL de texto plano, una carpeta por chat, así que una ejecución se puede evaluar o archivar con herramientas corrientes.
Viene de investigadores de Carnegie Mellon University y Fleet AI, con Pranjal Aggarwal al frente, y salió como 0.1.0 en PyPI el 29 de octubre de 2026 junto con un artículo sobre equipos de agentes. El repositorio tiene licencia MIT, unas 150 estrellas y un colaborador, y se modificó por última vez el 5 de noviembre de 2026.
¿Merece la pena SwarmChat?
La mejor idea de SwarmChat es dar a los agentes las herramientas de comunicación que las personas ya encuentran prácticas, en lugar de inventar un protocolo. Canales, DM e hilos permiten que un equipo de agentes reparta el trabajo a la vista, y la espera bloqueante hace que un agente inactivo no cueste nada hasta que alguien se dirige a él. Las ejecuciones de ProgramBench de los propios autores sugieren que el patrón compensa: con GPT-6-Luna, ocho agentes obtuvieron un 80,9% en una hora, mientras que un solo agente necesitó seis horas para un 81,2%, con 306 millones de tokens frente a 225 millones, aproximadamente un tercio más. Cada configuración se ejecutó una sola vez, como dice el artículo, así que conviene leer las cifras como una dirección y no como una prueba.
La ingeniería es cuidadosa para un paquete de 1.560 líneas. La identidad es un token emitido por el servidor y guardado como hash, de modo que ningún agente puede publicar como otro, y el token se comprueba antes de leer el cuerpo de la petición. De serie el servidor escucha solo en 127.0.0.1:8484. Los roles imitan los de Slack, y el archivo de políticas puede restringir quién puede escribir a quién o designar canales en los que solo publica un agente, como un canal de resultados para un verificador. Los canales privados responden a quien está fuera como si no existieran. El visor es de solo lectura, usa su propio token, escapa cada mensaje y funciona bajo una Content-Security-Policy estricta, y los adjuntos de hasta 100 MB se descomprimen con comprobación de rutas. Las pruebas de rendimiento muestran un proceso que responde a 1.000 agentes en espera en 0,46 s y que llega a unas 2.000 peticiones por segundo en un servidor Linux muy cargado.
La pega: los valores por defecto suponen un laboratorio de confianza. Hasta que la política nombra administradores, cualquier miembro puede hacer lo que hace un gestor de canal, y cualquier miembro puede añadir a otros a un canal. Exponerlo con --host 0.0.0.0 sin --tls-cert envía los tokens bearer por HTTP sin cifrar. La carpeta de datos está restringida a su dueño, pero el diseño advierte que cualquier proceso que se ejecute con el usuario del servidor puede leer admin.token y todos los mensajes, así que los agentes deben ejecutarse con otro usuario o en un sandbox sin esa carpeta. Nada filtra lo que escriben los agentes, de modo que un agente comprometido o confundido puede meter instrucciones en el contexto de todos los demás. No hay cifrado en reposo ni federación, y hay un solo mantenedor.
Nuestra opinión: SwarmChat encaja con un investigador o un ingeniero de plataforma que estudia cómo se coordinan los equipos de agentes, donde la repetición del visor y la vista como agente valen tanto como el propio chat. Los sistemas de producción que necesitan colas duraderas entre servicios estarán mejor servidos por un broker general como NATS, tomando prestadas las ideas de SwarmChat para la capa que ven los agentes.
Dónde se gana su sitio
Una investigadora de un laboratorio de IA que estudia la programación multiagente
Comparar equipos planos, con líder y por fases de ocho agentes en el mismo benchmark
El ejecutor de extras/programbench arranca un contenedor por agente, da a cada uno un usuario de SwarmChat y permite repetir cada chat después; el coste son los tokens de los agentes, que los autores midieron en 306 millones para ocho agentes en una hora.
Un ingeniero de plataforma que ejecuta cuatro agentes de Claude Code sobre un repositorio
Que un agente constructor pida revisiones a un revisor y espere la respuesta sin sondear
Cada agente recibe SWARMCHAT_SERVER y su propio token; el constructor envía un DM y ejecuta swarmchat wait --from reviewer en una terminal en segundo plano, y Claude Code recibe el aviso cuando llega la respuesta.
La líder de un equipo pequeño que supervisa una ejecución nocturna de agentes
Ver por la mañana quién decidió qué y qué sabía cada agente cuando actuó
swarmchat view abre el visor de solo lectura; Replay vuelve a reproducir la noche a hasta 600 veces la velocidad y la vista como agente muestra dónde dejó de leer cada uno.
Antes de decidirte
- Puesta en marcha
- pip install swarmchat (Python 3.9 o posterior), swarmchat serve, después swarmchat admin add <id> --name <name> por agente, y dale a cada agente su token mediante SWARMCHAT_TOKEN o swarmchat login. Los agentes aprenden la CLI con swarmchat --help; los primeros mensajes circulan en minutos.
- Integraciones
- CLI con --json en todos los comandos, un cliente de Python (swarmchat.client.Client), HTTP y JSON por debajo; los extras de ProgramBench manejan Claude Code mediante hooks y Codex a través de su turno en curso.
- Datos y privacidad
- Autoalojado; mensajes, archivos y hashes de tokens están en ~/.local/share/swarmchat como JSONL de texto plano y blobs, con la carpeta en modo 0700 y los archivos en 0600; admin.token y view.token están en la misma carpeta. No se describen telemetría ni servicio alojado. Escucha en 127.0.0.1:8484 por defecto; HTTPS solo con --tls-cert y --tls-key. Sin avisos de seguridad publicados.
- Coste a escala
- Gratis; un solo proceso de Python. Las pruebas de los autores muestran unas 2.000 peticiones por segundo en un servidor Linux cargado y un 95% de un núcleo a unas 500 peticiones de agentes por segundo, muy por encima de los 543 mensajes por hora de un equipo de 26 agentes. El coste real es el uso de modelos y crece con el tamaño del equipo.
- Límites
- Un solo servidor, sin federación ni cifrado de extremo a extremo; permisos abiertos hasta que se nombran administradores; mensajes de 20.000 caracteres, 100 MB por adjunto y 20 adjuntos por mensaje por defecto; v0.1 de un grupo de investigación, con un presupuesto de 1.500 líneas que deja las funciones extra para forks.
Lo bueno
- Un único paquete de Python solo con la biblioteca estándar hace de servidor y de cliente
- La espera bloqueante hace que los agentes inactivos no gasten tokens
- Tokens emitidos por el servidor y guardados como hash; escucha en localhost por defecto
- Reglas de política sobre quién escribe a quién y canales de solo publicación
- Visor de solo lectura con repetición y vistas por agente
Lo malo
- Permisos abiertos hasta que se nombran administradores
- HTTP sin cifrar salvo que aportes un certificado TLS
- No filtra la inyección de prompts entre agentes
- Versión 0.1.0, un colaborador, hoja de ruta marcada por la investigación
Ideal para
Investigadores e ingenieros que ejecutan equipos de Claude Code, Codex o agentes propios y quieren que se coordinen por canales y DM, además de ver y repetir cada intercambio.
Alternativas a SwarmChat
SwarmChat: preguntas frecuentes
- ¿Merece la pena SwarmChat?
- SwarmChat es un bus de mensajes para enjambres de agentes bien pensado que se toma la identidad y los permisos más en serio que casi cualquier código de investigación en versión 0.1, pero es ante todo una herramienta de investigación y su seguridad depende de cómo lo despliegues. Le damos un 3.7 sobre 5.
- ¿Cuánto cuesta SwarmChat?
- Gratis y de código abierto (MIT). Sin servicio alojado; ejecutas tú el servidor y solo pagas el uso de modelos de los propios agentes.
- ¿Qué inconvenientes tiene SwarmChat?
- Permisos abiertos hasta que se nombran administradores; hTTP sin cifrar salvo que aportes un certificado TLS; no filtra la inyección de prompts entre agentes; versión 0.1.0, un colaborador, hoja de ruta marcada por la investigación.
- ¿Para quién es SwarmChat?
- Investigadores e ingenieros que ejecutan equipos de Claude Code, Codex o agentes propios y quieren que se coordinen por canales y DM, además de ver y repetir cada intercambio.
- ¿Cuánto cuesta SwarmChat para un equipo o en producción?
- Gratis; un solo proceso de Python. Las pruebas de los autores muestran unas 2.000 peticiones por segundo en un servidor Linux cargado y un 95% de un núcleo a unas 500 peticiones de agentes por segundo, muy por encima de los 543 mensajes por hora de un equipo de 26 agentes. El coste real es el uso de modelos y crece con el tamaño del equipo.
- ¿Es SwarmChat seguro para los datos de la empresa?
- Autoalojado; mensajes, archivos y hashes de tokens están en ~/.local/share/swarmchat como JSONL de texto plano y blobs, con la carpeta en modo 0700 y los archivos en 0600; admin.token y view.token están en la misma carpeta. No se describen telemetría ni servicio alojado. Escucha en 127.0.0.1:8484 por defecto; HTTPS solo con --tls-cert y --tls-key. Sin avisos de seguridad publicados.
- ¿Cuáles son las mejores alternativas a SwarmChat?
- Las alternativas más cercanas que hemos analizado son Open Multi-Agent (OMA), NATS y CrewAI.
Respuestas comprobadas el 11 nov 2026.