【OpenClaw】OpenClaw实现多智能体协同工作
一、创建新的智能体分支
想为特定任务专门培养一个“专家”吗？用 openclaw agents add 命令就能轻松创建一个新智能体。
openclaw agents add --workspace ~/.openclaw/workspace-ui ui-service-agent
这里有两个关键参数：
--workspace：这个参数指定了该智能体的专属“大脑”目录。这个目录用于存储它的长期记忆和身份设定（比如 SOUL.md 文件），是实现与其他智能体逻辑隔离的核心。
ui-service-agent：为你新建的智能体设置一个唯一的ID，方便后续管理和调用。
命令执行成功后，通常会看到类似下图的提示：
二、配置消息路由
创建好智能体只是第一步，接下来得告诉系统：什么样的消息该交给谁来处理。这就需要配置消息路由（bindings）。
注意：接下来的命令会覆盖所有现有的绑定规则。稳妥起见，操作前建议先备份原有配置。
场景一：绑定到特定群聊
假设你希望刚创建的 customer-service-agent 专门负责处理某个飞书群里的所有提问。操作分两步：首先获取该群的 conversation_id，然后配置绑定规则。
openclaw config set --json bindings '[{"agentId": "customer-service-agent", "match": {"channel": "feishu", "peer": {"kind": "group", "id": "oc_xxxxxx" # 替换为实际的群ID}}}]'
这里有个细节需要注意：如果你的主智能体（main）还需要继续处理其他渠道的消息，就必须将原有的绑定规则也一并写入这个 JSON 数组。否则，主智能体就可能“停工”。
场景二：智能体之间的内部调用
比起静态绑定，更高级的玩法是动态调度。你可以让主智能体扮演“项目经理”的角色。当它接到一个复杂任务（比如编写一段代码）时，可以动态地使用 sessions_send 工具，将这项专业工作“派发”给专门的智能体（例如 code-agent）去处理。待专家处理完毕，再将结果回收并整合。这才是真正意义上的多智能体协同作战。
三、智能体之间的内部调用的具体示例
光说概念可能有点抽象，我们通过一个完整的例子，来看看如何实现上文中提到的“项目经理”调度“技术专家”。
第一步：创建你的“技术专家”智能体
首先，我们需要一位专业人士。假设要创建一个专门负责写代码的智能体，就叫它 code-agent。
创建智能体并分配独立工作空间：
在服务器终端执行下面的命令。这行命令不仅创建了ID为 code-agent 的智能体，还通过 --workspace 参数为它分配了一个独立的目录作为“大脑”。这保证了它的记忆和技能与其他智能体互不干扰。
# 创建一个ID为‘code-agent’的智能体，并指定其专属工作空间 openclaw agents add code-agent --workspace ~/.openclaw/workspace-code-agent
赋予它专业能力：
为了让 code-agent 成为一名优秀的“程序员”，你可以在它的工作空间（~/.openclaw/workspace-code-agent）里做文章。通过编辑 SOUL.md 文件，将其身份设定为资深开发工程师；在 TOOLS.md 中，则可以详细指导它如何使用各种代码工具。至于更精细的权限控制，我们下一步为主智能体配置时会涉及。
第二步：配置核心权限，让“项目经理”学会调度
现在，我们需要修改主智能体（main）的配置，赋予它调用其他同事的权限，也就是学会使用 sessions_send 这个“内部通话工具”。
1. 编辑主智能体的工具配置文件：
你需要修改位于 ~/.openclaw/ 目录下的 openclaw.json 文件。修改前备份是个好习惯：
cp ~/.openclaw/openclaw.json ~/.openclaw/openclaw.json.backup
2.在配置中启用 sessions_send 工具：
使用你熟悉的编辑器（如 vim）打开 openclaw.json，找到或创建针对 main 智能体的配置部分。关键点在于其 tools 配置项，需要确保它能使用 group:sessions 工具组下的功能（该组包含了 sessions_send 和 sessions_spawn 等）。
一个高效的做法是直接使用专为通信角色设计的 messaging 配置模板。你可以参考下面的配置片段：
{"agents": {"list": [{"id": "main", // ... 其他配置 ... "tools": {"profile": "messaging" // 使用“messaging”配置模板会自动包含 sessions_send, sessions_list 等通信工具 }}, {"id": "code-agent", "workspace": "~/.openclaw/workspace-code-agent", // 可以为 code-agent 配置不同的工具集，例如赋予它 coding 能力 "tools": {"profile": "coding" }}]}}
来看看这里的门道：
将 main 智能体的 tools.profile 设置为 "messaging"，就相当于给了它一部“内部电话”和一本“通讯录”，使其有权使用 sessions_send 来联系其他智能体。
同时，将 code-agent 的 tools.profile 设置为 "coding"，这意味着它将自动获得读写文件、执行命令等编程相关的工具权限。当然，你也可以根据实际安全需求，通过 allow 和 deny 列表进行更精细的控制。
3. 重启网关服务使配置生效：
配置修改完成后，别忘了重启网关服务来加载新设置：
openclaw gateway restart
第三步：实战演练，让“项目经理”发号施令
准备工作全部就绪！现在，当主智能体 main 接到一个写代码的请求时，它就可以召唤专家 code-agent 来帮忙了。
你可以在与 main 智能体的对话中，发出清晰的指令来触发这场协同。为了让智能体能准确理解意图，指令需要足够明确。
例如，你可以这样说：
“@main 请帮我写一个Python脚本，用来计算斐波那契数列。你让 code-agent 来写，写完后给我。”
接收到指令后，main 智能体内部会发生以下操作：
它会解析你的需求，并决定调用 sessions_send 工具。其内部执行的逻辑类似于下面这条指令（请注意，这是智能体内部的行为逻辑，并非需要用户手动输入的命令）：
# 这是智能体内部调用的逻辑，不是你需要手动执行的命令 sessions_send \ --session-key "agent:code-agent:main" \ # 告诉系统，要呼叫 code-agent 这个智能体 --message "请帮我写一个Python脚本，用来计算斐波那契数列。要求代码简洁，包含注释。完成后将代码返回给我。"
这里的 session-key 格式 agent:<目标智能体ID>:<源智能体ID> 是 OpenClaw 系统中用于唯一标识和路由智能体间会话的关键。
最终，你将看到这样的效果：
code-agent 在自己的独立工作空间中，利用其编程工具集开始完成任务。完成后，它将结果传回给 main，最后由 main 将整理好的代码呈现给你。整个协同过程对用户而言几乎是透明的，你只需与主智能体对话，就能享受到背后专家团队的支持。