我们展示了，通过一种去中心化的、由相同且冻结的基底模型组成的群体，仅依靠基于刺激的、点对点的信号进行协作，无需任何参数更新，即可涌现出连贯且长篇的音乐创作。我们将一个具有全局评判器的集中式多智能体系统，与一个完全去中心化的群体进行对比：在该群体中，按小节划分的智能体能够感知并留下和声、节奏与结构线索，动态调整短期记忆，并达成共识。通过符号学、音频分析以及图论等多种分析手段，该群体展现出更优的音乐质量，同时具备更高的多样性与结构丰富性，在创造力各项指标上均表现领先。系统动态逐渐收敛至一种互补角色的稳定配置；自相似网络分析揭示出一种小世界架构，具有高效的远距离连接能力与特定的桥接模式，从而阐明了局部创新如何整合为全局音乐结构的机制。通过将专业化从参数更新转向交互规则、共享记忆与动态共识机制，MusicSwarm为实现长时程创造性结构提供了一条计算与数据高效的新路径，且该方法可立即迁移至协作写作、设计及科学发现等非音乐领域。