OpenClaw(龙虾) 进阶：AI Agent团队协同的原理与使用

在构建复杂的 AI Workflow 时，依赖单一的大模型或单一的 Agent，通常难以兼顾不同领域的专业性。上下文一长，AI 就容易“失忆”或“越界”。
趋势必然是多 Agent 协同作业（Multi-Agent）——让负责调度的“老板”、负责写代码的“技术专家”和负责搜集信息的“情报员”各司其职，通过标准的协议进行串联、并联。

上篇文章我们介绍了多Agent的配置与接入，这里将拆解 OpenClaw 的多 Agent 协作机制，将上篇文章所创建的三个Agent，组建成为一支“数字”团队。
注意，这里使用的是点对点平级的Agent，不是主从/派生Agent。不适合真实公司一个Gateway多用户共用的情况，可能会有数据泄露的情况。
01 | 核心协作机制：Agent 们是如何沟通的？

在 OpenClaw 中，Agent 之间的通讯并非黑盒，而是建立在极其严谨的会话隔离（Session Isolation）与分发机制之上，从根本上杜绝了信息串扰。

• 唯一标识符（agentId）：定义 Agent 时，必须确保所有的 agentId 都是小写（例如：code-agent, news-agent, main），这是系统精准路由请求、建立独立上下文队列的基础。
  
• 指令流转路径：当你向 Agent X 下达复杂任务时，X 会通过内置工具 sessions_send 唤起专业的 Agent T 协助。Agent T 在自己的“独立沙箱”中完成工作流后将结果返回，最后由 Agent X 汇总交付。
  
• 会话隔离与穿透：默认情况下，每个 Agent 处于绝对的上下文隔离中，只关注自己的目标。如果调度者需要跨 Agent 查看历史会话，必须通过 sessions_spawn 或 sessions_history 工具显式调用。
  

02 | 权限边界与安全隔离

在多 Agent 协作的架构中，越权调用（比如让新闻助理拥有执行 Shell 脚本的权限）可能会带来灾难性的安全风险。OpenClaw 提供了细粒度的能力控制方案（Capability-based permissions）：

1. 开启点对点通讯白名单
我们需要明确告知系统，哪些 Agent 允许直接对话。在配置中定义通讯白名单：

1. "tools": {
2.   "agentToAgent": {
3.     "enabled": true,
4.     "allow": ["code-agent", "news-agent", "main"]
5.   }
6. }

复制代码

2. 设定会话可见度（Session Visibility）
为了防止非必要的信息干扰，可以控制 Agent 是否能“偷听”全局对话：

1. "tools": {
2.   "sessions": {
3.     "visibility": "all"  // agent仅可见自身会话，设置为 "all" 则全局可见
4.   }
5. }

复制代码

3. 严格的工具权限控制（Deny 优先原则）
根据岗位职责限制 Agent 能使用的工具。注意：在 OpenClaw 中，deny 的优先级永远高于 allow。 例如，“新闻资讯助理”只需要查阅和发送消息，必须明确禁用其系统操作权限：

1. {
2.   "id": "news-agent",
3.   "name": "新闻资讯助理",
4.   "tools": {
5.     "allow": ["sessions_list", "sessions_send", "read"],
6.     "deny": ["write", "edit", "exec", "apply_patch", "bash"]
7.   }
8. }

复制代码

03 | 内外兼修的解耦架构：身体 与 大脑

OpenClaw 将 Agent 的“物理运行环境”与“灵魂认知记忆”做了彻底的解耦。这种计算与状态分离的设计，使动态扩展多 Agent 变得非常轻量。每个 Agent 实体由两部分核心目录构成：

来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！