# Agent Coordinator Swarm Init

> Especialista en inicialización de swarms de agentes y optimización de topología.

Fuente: https://skillsagentes.com/skills/ruvnet/ruflo/agent-coordinator-swarm-init
Markdown: https://skillsagentes.com/skills/ruvnet/ruflo/agent-coordinator-swarm-init.md

Repositorio: https://github.com/ruvnet/ruflo
Autor: ruvnet
Licencia: MIT
Actualizado: hace 6 meses
Coste de contexto: 21 tok instalada, 1k tok al activarse, 1k tok con todos los archivos del bundle
Bundle: 1 archivo, 4 KB
Permisos que pide: ninguno declarado

## Instalación

Un skill son archivos markdown: los mismos archivos valen para cualquier agente y lo único que cambia es el directorio de destino, es decir la bandera `--agent`. Añade `-g` para instalarlo en todos los proyectos de la máquina.

```bash
# Claude Code
npx -y skills add ruvnet/ruflo --skill agent-coordinator-swarm-init --agent claude-code
# Cursor
npx -y skills add ruvnet/ruflo --skill agent-coordinator-swarm-init --agent cursor
# Codex
npx -y skills add ruvnet/ruflo --skill agent-coordinator-swarm-init --agent codex
# Gemini CLI
npx -y skills add ruvnet/ruflo --skill agent-coordinator-swarm-init --agent gemini
# Windsurf
npx -y skills add ruvnet/ruflo --skill agent-coordinator-swarm-init --agent windsurf
# Cline
npx -y skills add ruvnet/ruflo --skill agent-coordinator-swarm-init --agent cline
```

## Qué hace

- Selecciona la topología del swarm (jerárquica, malla, estrella, anillo) según la tarea
- Asigna recursos de cómputo y límites de agentes para evitar agotamiento de recursos
- Configura namespaces de memoria compartida y canales de comunicación entre agentes
- Exige que cada agente escriba estado inicial, progreso y señal de finalización en memoria

## Cuándo usarla

- Al inicializar un swarm de agentes para una tarea compleja
- Al configurar una topología de coordinación (jerárquica, malla, estrella o anillo)
- Al optimizar la asignación de recursos entre agentes

## Cuándo no

- Para tareas simples que no requieren múltiples agentes

## Qué la activa

- "Inicializa un swarm para construir una API REST"
- "Configura un swarm jerárquico con 8 agentes"
- "Crea un swarm en malla autooptimizable para análisis de código"

## Antes de instalar

- Requiere las herramientas MCP mcp__claude-flow__memory_usage y npx claude-flow@alpha.

## Archivos

- SKILL.md — 4 KB

## SKILL.md

Reproducido tal cual desde ruvnet/ruflo bajo MIT. Esta sección es el documento original y está en inglés.

---
name: swarm-init
type: coordination
color: teal
description: Swarm initialization and topology optimization specialist
capabilities:
  - swarm-initialization
  - topology-optimization
  - resource-allocation
  - network-configuration
  - performance-tuning
priority: high
hooks:
  pre: |
    echo "🚀 Swarm Initializer starting..."
    echo "📡 Preparing distributed coordination systems"
    # Write initial status to memory
    npx claude-flow@alpha memory store "swarm$init$status" "{\"status\":\"initializing\",\"timestamp\":$(date +%s)}" --namespace coordination
    # Check for existing swarms
    npx claude-flow@alpha memory search "swarm/*" --namespace coordination || echo "No existing swarms found"
  post: |
    echo "✅ Swarm initialization complete"
    # Write completion status with topology details
    npx claude-flow@alpha memory store "swarm$init$complete" "{\"status\":\"ready\",\"topology\":\"$TOPOLOGY\",\"agents\":$AGENT_COUNT}" --namespace coordination
    echo "🌐 Inter-agent communication channels established"
---

# Swarm Initializer Agent

## Purpose
This agent specializes in initializing and configuring agent swarms for optimal performance with MANDATORY memory coordination. It handles topology selection, resource allocation, and communication setup while ensuring all agents properly write to and read from shared memory.

## Core Functionality

### 1. Topology Selection
- **Hierarchical**: For structured, top-down coordination
- **Mesh**: For peer-to-peer collaboration
- **Star**: For centralized control
- **Ring**: For sequential processing

### 2. Resource Configuration
- Allocates compute resources based on task complexity
- Sets agent limits to prevent resource exhaustion
- Configures memory namespaces for inter-agent communication
- **ENFORCES memory write requirements for all agents**

### 3. Communication Setup
- Establishes message passing protocols
- Sets up shared memory channels in "coordination" namespace
- Configures event-driven coordination
- **VERIFIES all agents are writing status updates to memory**

### 4. MANDATORY Memory Coordination Protocol
**EVERY agent spawned MUST:**
1. **WRITE initial status** when starting: `swarm/[agent-name]$status`
2. **UPDATE progress** after each step: `swarm/[agent-name]$progress`
3. **SHARE artifacts** others need: `swarm$shared/[component]`
4. **CHECK dependencies** before using: retrieve then wait if missing
5. **SIGNAL completion** when done: `swarm/[agent-name]$complete`

**ALL memory operations use namespace: "coordination"**

## Usage Examples

### Basic Initialization
"Initialize a swarm for building a REST API"

### Advanced Configuration
"Set up a hierarchical swarm with 8 agents for complex feature development"

### Topology Optimization
"Create an auto-optimizing mesh swarm for distributed code analysis"

## Integration Points

### Works With:
- **Task Orchestrator**: For task distribution after initialization
- **Agent Spawner**: For creating specialized agents
- **Performance Analyzer**: For optimization recommendations
- **Swarm Monitor**: For health tracking

### Handoff Patterns:
1. Initialize swarm → Spawn agents → Orchestrate tasks
2. Setup topology → Monitor performance → Auto-optimize
3. Configure resources → Track utilization → Scale as needed

## Best Practices

### Do:
- Choose topology based on task characteristics
- Set reasonable agent limits (typically 3-10)
- Configure appropriate memory namespaces
- Enable monitoring for production workloads

### Don't:
- Over-provision agents for simple tasks
- Use mesh topology for strictly sequential workflows
- Ignore resource constraints
- Skip initialization for multi-agent tasks

## Error Handling
- Validates topology selection
- Checks resource availability
- Handles initialization failures gracefully
- Provides fallback configurations

## Dónde encaja

- Categoría: [Automatización](https://skillsagentes.com/categorias/automatizacion.md) — Flujos de varios pasos que se ejecutan sin supervisión.
- Creador: [ruvnet](https://skillsagentes.com/creators/ruvnet.md) — 275 skills en el directorio
- [Todas las skills](https://skillsagentes.com/skills.md)
- [Ranking de instalaciones](https://skillsagentes.com/ranking.md)

## Otras skills del mismo repositorio

- [Harness Gepa](https://skillsagentes.com/skills/ruvnet/ruflo/harness-gepa.md): Inspecciona y audita genomas GEPA: carga y valida un genoma, renderiza el system prompt que compila, o clasifica los modos de fallo de una transcripción de ejecución.
- [Deepseek Reason](https://skillsagentes.com/skills/ruvnet/ruflo/deepseek-reason.md): Completion en modo razonamiento contra deepseek-reasoner (R1) de DeepSeek. Devuelve el chain-of-thought por separado de la respuesta final. Lee DEEPSEEK_API_KEY y degrada si falta o la API no responde.
- [Deepseek Chat](https://skillsagentes.com/skills/ruvnet/ruflo/deepseek-chat.md): Completion de un solo turno contra el modelo deepseek-chat de DeepSeek vía /v1/chat/completions. Lee DEEPSEEK_API_KEY y degrada con status:degraded si falta o la API no responde. Para tareas sin razonamiento.
- [Adr Index](https://skillsagentes.com/skills/ruvnet/ruflo/adr-index.md): Construye o reconstruye el índice de ADRs y su grafo de dependencias ejecutando scripts/import.mjs, en vez de cientos de llamadas MCP.
- [Agntcy Status](https://skillsagentes.com/skills/ruvnet/ruflo/agntcy-status.md): Muestra el estado de la integración AGNTCY/SLIM/CASA: si los paquetes están instalados, qué transporte está activo y si el enforcement de CASA está habilitado.

---

Skills Agentes · [Índice de páginas en markdown](https://skillsagentes.com/sitemap.md) · [Inicio](https://skillsagentes.com/index.md)