Openclaw 命令行 TUI 中 使用多 Agent 协同完成任务 Openclaw v2026.3.13

前言

上一篇我们在TUI配置了多Agent实现上下文隔离

现在我们试试让不同的agent扮演不同的身份, 协同工作.

建立 Agent 团队

我已经做了很多尝试, 根据我的经验, 最好先让openclaw学习一下自己的文档, 总结出来放在上下文里.

学习你自己openclaw的文档, 特别是 agent的设置,  agent 之间的通信

在TUI中用自然语言发送以下要求 (蓝色部分你自己发挥)

新建一个agent协作团队, 团队中有多个agent

新建这些agent, 设置他们的身份， 以及他们之间的协作关系

注意是新增, 已有的agent main要保留

注意是agent, 不是subagent

为了agent之间可以发送信息, 注意修改 openclaw.json 文件的参数

tools.sessions.visibility = all

tools.agentToAgent.enabled = true

1号 agent

名称 = agent-leader

身份 = 任务总负责人, 将总任务拆解为小任务, 分配给其它agent

知识 = 知道其它agent的全量信息(包括身份和知识)

2号 agent

名称 = agent-code

身份 = 从其它agent接受任务, 完成后通知任务发起者, 并提交成果

特别的, 此agent是一个程序员

知识 = 任务完成后的成果, 需要保存在 非workspace的目录下, 再交付出去

3号 agent

名称 = agent-test

身份 = 从其它agent接受任务, 完成后通知任务发起者, 并提交成果

特别的, 此agent是一个测试员, 接受测试对象和测试标准, 交付测试报告

知识 = 任务完成后的成果, 需要保存在 非workspace的目录下, 再交付出去

公共知识:

这个团队里面都是已经存在的agent, 所以不要用 sessions_spawn, 而是要用 sessions_send

agent之间发消息用 sessions_send(sessionKey="...", message=...) 方法, 不要用label参数

sessions_send 使用 timeoutSeconds = 0 参数, 不等待回报, 而是让接收方agent自己主动回报, 并且发出方agent可以定时检查.

* 灰色部分是我根据多次实验的结果, 总结出的常见容易出错的地方. 我认为随着openclaw和模型的发展, 未来会不需要这些补充信息.

等一会儿, openclaw 完成了

需要看一下做了什么.  gpt-5.4 很有可能需要你要求才会重启gateway

检查一下workspace 目录也建立好了.

有兴趣的可以自己查看这些 .md 文件里面是怎么写的.

"监视" 各个Agent的 session (可选的)

如果你想看到多Agent协同工作的全过程, 你可以在多个SSH会话中打开多个 tui, 切换到不同的agent.

还记得我们在上一篇里提到的 /agent 命令吗?

* 有一个取巧的方法是, 直接在某个agent的workspace目录下面运行 openclaw tui, 会连接到这个agent, 而不是系统默认的agent
source

测试各个Agent之间发送信息 (当下这个时间, 推荐你必做此测试, 未来应该是可选的)

在agent main中, 询问系统中总共有几个agent, 几个session

系统中总共有几个agent, 几个session

在agent main中, 测试分别 给其它 agent 的 session 发信息

测试分别 给其它 agent 的 session 发信息

在agent main中, 要求 agent-leader 测试分别 给其它 2个agent 的 session 发信息

要求 agent-leader 测试分别 给其它 2个agent 的 session 发信息

上面的这几个测试如果结果不对, 说明agent之间的通信机制都有问题. 就不要开始下面的复杂任务了 (其实也不复杂)

* 注: 清空上下文要用 /reset 不会新建session, 你的各个 agent 的 session应该保持为 main.
不要用 /new 这个会新建 session, 有可能会让agent之间的通信搞乱.
(当然, 我是站在当下这个时间说的, 未来这一点应该得到改善) 

向 Agent 团队的 Leader 发总任务

用一个简单的开发任务作为例子.

把以下任务描述原样发送给 agent-leader 你不需要对任务进行分析

开发一个生成随机密码的页面
核心功能 参考 https://crazypeace.github.io/xkcd-password-generator/
视觉风格 参考 https://onojyun.com/

可以看到 agent-leader向agnet-code发了信息之后, 要到agent-code把活干完了之后, 这个信息才在agent-code的tui中打印出来. 

我原本的期望是应该是这样的时间顺序

agent-leader向agnet-code发信息

在agent-code的tui中打印出来这条信息

agent-code干活

...

不知道是我的使用方式有问题, 还是openclaw的系统设计有问题.

整个agent"团队"的协作过程和最终结果我都不满意. 

可能需要更多的提示词或更好的模型.

gpt-5.4 总是要在 session_send时使用label参数, 我已经提示了不要用, 但还老是使用.  我详细问过TA, 回答说是 session_send 这个函数在内部声明时有 label 参数, 所以模型总是会这样使用.

openrouter/hunter-alpha 没有这个问题, 我强调过后, 会按我的强调做. (当然也有可能是, 内部其实也总是尝试label参数, 只是不会打印在session里让我发现)

我要求了交付物不要放在 workspace 下, 但是 gpt-5.4 的处理是, 放在 

/root/.openclaw/workspace-agent-code/password-generator-app/

/root/.openclaw/workspace-agent-leader/deliverables/password-generator-app/

很明显没有理解我的意思.

openrouter/hunter-alpha 的做法是 放在 

/root/team-delivery/agent-code/

/root/team-delivery/agent-test/

明显这样更好, 也更像真实世界里的团队协作的实践.

后记

以上我用的模型是白嫖公益站的 gpt-5.4

免费的 nvidia/nemotron-3-super-120b-a12b 和 openrouter/hunter-alpha 我都试过, 常常前面看着没问题, 但是跑着跑着就没反应了, 或者超时了, 或者报错了. 我猜测是token用太多了吧.

随着openclaw越来越火, 我觉得模型厂家把针对openclaw系统的系统架构, 使用文档, 常见用法等 训练为模型的一部分, 是很有用的.

小米的模型 xiaomi/MiMo-V2-Pro 号称针对多agent协作 长上下文场景有优化, 我觉得是个好方向.