一、从"单打独斗"到"团队作战"

单个 AI Agent 能力再强，也有天花板。写代码的 Agent 不一定擅长搜索调研，做架构设计的 Agent 不一定适合写测试用例，处理客户消息的 Agent 不该同时拥有服务器运维权限。

2026 年的 AI 工程实践已经走到了一个拐点：真正落地的 AI 应用，不是一个人格做所有事，而是一群专业分工的 Agent 协同作战。

OpenClaw 是目前开源社区中最成熟的多智能体协作框架，它在 2026 年 3 月的 GitHub 星标已突破 20 万。它的 Agent Team 能力不是简单的"多开几个聊天窗口"，而是一套从配置到通信、从权限隔离到跨平台调度的完整工程体系。

本文不谈概念炒作，直接从工程实现层面拆解 OpenClaw Agent Team 的四层架构、三种 Agent 类型、两套通信协议、五级安全隔离，以及一个从零搭建"PM + 程序员 + 测试"研发团队的全流程实战。

二、Agent Team 的三种 Agent 类型

OpenClaw 的 Agent Team 不是所有 Agent 都一视同仁。它定义了三种生命周期和职责完全不同的 Agent 类型，每一种解决不同的协作需求。

理解这三种类型的区别是搭建 Agent Team 的第一步。用一个类比：Persistent Agent 是正式员工（长期在职，有独立工位），Sub-Agent 是临时工（干完活就走，共享办公设备），ACP Agent 是外包专家（人在别的公司，按协议远程协作）。

三、Persistent Agent：团队的核心成员

Persistent Agent 是 Agent Team 的中坚力量。每个 Persistent Agent 拥有完全独立的运行环境，具体来说有三个"完全独立"：

独立的 Workspace——包含 AGENTS.md、SOUL.md、USER.md、MEMORY.md 等人格和记忆文件。Agent A 的记忆 Agent B 看不到（除非配置共享）。

独立的 AgentDir——存放认证配置文件（API Key、Bot Token）、模型注册表和会话历史。绝不与其他 Agent 共享。

独立的会话存储——位于 ~/.openclaw/agents/<agentId>/sessions 下，每个 Agent 的对话历史完全隔离。

3.1 配置多个 Persistent Agent

所有配置集中在 ~/.openclaw/openclaw.json 一个文件里：

json

复制

注意几个关键设计决策：

模型分层——PM 用 Opus（最强推理，负责需求拆解和任务分配），Coder 用 Sonnet（速度与质量平衡，日常编码），Tester 用 GPT-5.4 Mini（快速响应，成本极低，执行测试）。这不是省钱，而是按任务复杂度分配最优模型。

工具隔离——Tester 只能读和执行，不能写文件（deny: ["write", "edit"]），防止它误改代码。Coder 的 exec 命令需要二次确认（requireConfirmation: ["exec"]），防止执行危险操作。

通信白名单——allowAgents 控制谁可以向谁派发任务。PM 可以找 Coder 和 Tester，Coder 可以向 PM 反馈，但 Coder 不能直接找 Tester（需要通过 PM 协调）。

3.2 Bindings：消息路由规则

多个 Agent 运行在同一个 Gateway 上，如何决定每条消息由哪个 Agent 处理？答案是 Bindings（绑定规则）。

json

复制

{"bindings": [    {"agentId": "pm","match": { "channel": "slack", "peer": { "kind": "channel", "id": "C01PRODUCT" } }    },    {"agentId": "coder","match": { "channel": "slack", "peer": { "kind": "channel", "id": "C02DEV" } }    },    {"agentId": "tester","match": { "channel": "slack", "peer": { "kind": "channel", "id": "C03QA" } }    }  ]}

路由决策链有八个优先级，从高到低：

1. peer 匹配
   ——精确到某个私信/群组/频道 ID
2. parentPeer 匹配
   ——线程继承
3. guildId + roles
   ——Discord 角色
4. guildId
   ——Discord 服务器
5. teamId
   ——Slack 团队
6. accountId 匹配
   ——渠道账号
7. accountId 通配符
   ——"*" 匹配所有
8. 默认 Agent
   ——配置文件首个或标记 default: true 的 Agent

一个实际的技巧：如果你希望某个重要客户的消息由最强的 Agent 处理，可以精确匹配该客户的 ID：

json

复制

{"bindings": [    {"agentId": "pm","match": { "channel": "whatsapp", "peer": { "kind": "dm", "id": "+8613800138000" } }    },    {"agentId": "coder","match": { "channel": "whatsapp" }    }  ]}

这样 VIP 客户的消息走 Opus 级别的 PM Agent，其他消息走 Sonnet 级别的 Coder Agent。

3.3 SOUL.md：定义 Agent 的人格与职责

每个 Agent 的 Workspace 里有一个 SOUL.md 文件，它决定了 Agent 的行为模式。这不是简单的 system prompt，而是一份可读、可编辑、可版本控制的"岗位说明书"。

PM Agent 的 SOUL.md 示例：

markdown

复制

# Agent-PM：产品经理## 你的角色你是团队的产品经理，负责接收需求、拆解任务、分配给开发工程师和测试工程师。## 工作流程1. 收到需求后，先确认理解，输出任务列表和验收标准2. 将编码任务分配给 @coder，测试任务分配给 @tester3. 跟踪进度，汇总结果，向用户输出最终交付物## 沟通规则- 你不能直接写代码，代码任务必须委派给 @coder- 收到 @coder 的完成后通知，再派测试任务给 @tester- 如果 @tester 报告 Bug，将 Bug 反馈给 @coder 修复- 任何不确定的需求细节，先问用户确认## 输出格式- 任务列表使用编号列表- 每个任务包含：描述 + 验收标准

Coder Agent 的 SOUL.md 示例：

markdown

复制

# Agent-Coder：开发工程师## 你的角色你是全栈开发工程师。接到任务后直接编码实现。## 行为准则- 不要废话文学，直接给代码- 代码写完后运行一次确保能跑通- 完成后通知 @pm 任务已完成，附上文件路径和变更说明- 遇到不确定的需求，向 @pm 确认，不要自己猜## 技术栈- 后端：Python / Node.js / Go- 前端：React + TypeScript- 数据库：PostgreSQL / Redis

Tester Agent 的 SOUL.md：

markdown

复制

# Agent-Tester：测试工程师## 你的角色你是测试工程师。收到代码后编写测试用例并执行。## 工作流程1. 收到测试任务后，阅读代码理解逻辑2. 编写覆盖正常流程和边界情况的测试用例3. 执行测试，记录结果4. 发现 Bug 直接反馈给 @coder，测试通过后通知 @pm## 限制- 你不能修改代码文件- 测试框架优先使用 pytest（Python）/ jest（JavaScript）/ go test（Go）

四、Agent 间通信：sessions_spawn 与 sessions_send

Agent Team 的核心问题只有一个：Agent 之间怎么通信？ OpenClaw 提供了两种机制，解决两种完全不同的协作场景。

4.1 sessions_spawn：父子上级委派

sessions_spawn 是单向的——主 Agent 派遣子 Agent 执行任务，子 Agent 完成后将结果通知主 Agent。适合"我有一个任务，你去做"的场景。

json

复制

{"task": "搜索最近一周关于 Claude Opus 4 的评测文章，整理成表格","runtime": "native","agentId": "researcher","label": "claude-opus-review","runTimeoutSeconds": 300,"mode": "run"}

关键参数说明：

核心特性：

非阻塞设计——调用后立即返回 { status: "accepted", runId, childSessionKey }，任务在后台执行。主 Agent 不会卡住等待。

隔离环境——子 Agent 有独立的上下文窗口和工具权限，与主 Agent 互不干扰。

层级限制——默认 maxSpawnDepth: 2，即主 Agent（Depth 0）可以创建子 Agent（Depth 1），子 Agent 还可以创建孙 Agent（Depth 2），但孙 Agent 不能再创建更深的后代。这是为了防止无限递归。

自动归档——任务完成后默认 60 分钟自动归档会话，释放资源。

Sub-Agent 全局安全配置：

json

复制

{"agents": {"defaults": {"subagents": {"maxConcurrent": 8,"maxSpawnDepth": 2,"maxChildrenPerAgent": 5,"runTimeoutSeconds": 600,"thinking": "medium","cleanup": "delete"      }    }  }}

4.2 sessions_send：对等双向通信

sessions_send 是双向的——两个 Agent 之间直接对话，支持来回协商。适合"我需要你帮忙，我们商量着来"的场景。

javascript

复制

//同步调用（等待回复）constresult=sessions_send({sessionKey:"agent:coder:main",message:"支付模块有个并发 Bug，日志在 /tmp/payment-error.log，帮我看看",timeoutSeconds:60})//异步调用（fire-and-forget）sessions_send({sessionKey:"agent:researcher:main",message:"新产品发布会的竞品分析开始了，完成后通知我",timeoutSeconds:0})

sessions_send 与 sessions_spawn 的核心区别：

一个实际的协作场景：

4.3 启用 agentToAgent 通信

默认情况下 Agent 间通信是关闭的，需要显式启用：

json

复制

{"tools": {"agentToAgent": {"enabled": true,"allow": ["pm", "coder", "tester"]    }  }}

这个白名单机制确保了：只有明确授权的 Agent 才能互相通信，未授权的 Agent 之间无法发送消息，杜绝了信息泄露和越权操作。

五、跨机器协作：Discord/Matrix 通信

上面的配置是"同一台服务器上的多 Agent 协作"。如果 Agent 团队需要跨机器部署怎么办？OpenClaw 的设计哲学是：Agent 之间通过人类日常使用的通信管道（Discord、Matrix）进行对话，而非专用 API。

这个设计有三层含义：

人类可观察——所有 Agent 对话在 Discord 频道中实时可见，你可以随时看懂"这帮 AI 在讨论什么"。

人类可介入——你可以直接在频道里发消息纠正 Agent 方向，不需要通过特殊的 API 或管理界面。

零额外基础设施——不需要搭建消息队列、RPC 框架或微服务网格。Discord 服务器就是你的 Agent 团队的"办公室"。

频道结构设计：

#coordination    — 所有 Agent + 人类在此协调#research        — 研究员工作区#writing         — 写手工作区#review          — 审稿者工作区#results         — 最终成果发布

每个 Agent 实例对应一个独立的 Discord Bot Token，通过不同的机器或不同端口运行：

bash

复制

# Machine A — Researcheropenclaw start--config researcher/settings.json --port 18789# Machine B — Writeropenclaw start--config writer/settings.json --port 18790# Machine C — Revieweropenclaw start--config reviewer/settings.json --port 18791

Researcher Agent 的配置：

json

复制

{"name": "Agent-Researcher","channels": {"discord": {"token": "${DISCORD_BOT_TOKEN_RESEARCHER}","guild_id": "YOUR_GUILD_ID","listen_channels": ["coordination", "research"],"respond_to_mentions": true,"respond_to_channels": ["research"]    }  },"skills": ["web-search", "browser-tools", "summarizer"],"model": "gpt-4o"}

通信模式有三种：

直接提及——@Agent-Writer 研究已完成，附件是数据源 频道广播——在 #coordination 频道向所有 Agent 发布任务 私讯转发——用于传输机密数据

六、ACP 协议：调用外部专业 AI

Agent Team 不局限于 OpenClaw 自己的 Agent。通过 ACP（Agent Client Protocol），OpenClaw 可以调度外部专业 AI 工具——Codex、Claude Code、Gemini CLI、Qwen Code、Kiro 等。

ACP 解决的问题是：OpenClaw 擅长消息路由、任务编排、定时调度，但不一定擅长某项专业技能（比如 Claude Code 的编码能力、Gemini 的超长上下文处理）。ACP 让 OpenClaw 成为元代理（Meta-Agent），动态编排这些专业工具。

6.1 ACP 核心配置

json

复制

6.2 调用 ACP Agent

通过 sessions_spawn 指定 runtime: "acp" 即可调用外部 AI：

json

复制

{"task": "打开仓库 /workspace/my-project 并运行完整测试套件，总结失败的测试","runtime": "acp","agentId": "claude","thread": true,"mode": "session"}

关键参数：runtime: "acp" 是开关，agentId 指定调用哪个外部 AI，thread: true 请求线程绑定（Discord Thread 或 Telegram Forum Topic 中的消息自动路由到这个 ACP 会话）。

6.3 持久化绑定

可以将特定频道永久绑定到某个 ACP Agent，发往该频道的消息自动路由：

json

复制

{"bindings": [    {"type": "acp","agentId": "codex","match": {"channel": "discord","peer": { "kind": "channel", "id": "222222222222222222" }      },"acp": {"label": "codex-main","cwd": "/projects/main-repo"      }    }  ]}

6.4 MCP + ACP 双协议协作

最前沿的 Agent Team 架构是 MCP + ACP 双协议双向协作。以 Kiro（AWS AI Agent）和 OpenClaw 为例：

Kiro 擅长代码生成和架构设计，但它不能发消息、不能操作设备、不能跑定时任务。OpenClaw 擅长这些，但推理能力不如专业编码 AI。双协议让两者互相补位：

json

复制

// Kiro 侧的 MCP 配置{"mcpServers": {"openclaw": {"command": "npx","args": ["-y", "openclaw-mcp@latest"],"env": {"OPENCLAW_GATEWAY": "https://gw.openclaw.ai","OPENCLAW_TOKEN": "${OPENCLAW_TOKEN}"      }    }  }}

实际效果：Kiro 通过 MCP 让 OpenClaw 在飞书群发通知、跑定时任务、操作服务器；OpenClaw 通过 ACP 把复杂的代码编写和架构评审任务委派给 Kiro。Kiro 获得了"手"，OpenClaw 获得了"脑"。

七、目录结构与工程实践

7.1 推荐目录结构

7.2 Workspace 共享 vs 独立

有两种策略：

独立 Workspace——每个 Agent 有完全独立的 Workspace，记忆完全隔离。适合工作/生活场景分离、多用户共用。

共享 Workspace——多个 Agent 指向同一个 Workspace 路径，通过 Markdown 文件中的角色标记实现记忆共享。适合紧密协作的小团队。

共享 Workspace 的记忆写入规范：

markdown

复制

# memory/2026-03-29.md## [pm] 需求变更- 用户注册流程新增手机号验证步骤- 优先级：高## [coder] 完成事项- 完成 /src/api/register.py 手机号验证接口- 新增 /src/utils/sms.py 短信发送工具## [tester] 测试结果- 手机号验证：通过- 短信发送：因 SMTP 未配置，跳过

通过 [pm]、[coder]、[tester] 标记，每个 Agent 可以读取所有成员的工作成果，实现无中间人的直接协作。

7.3 CLI 常用命令

bash

复制

八、安全防护五层模型

Agent Team 一旦上线，安全就是头等大事。多个 Agent 互相通信、调用外部工具、访问文件系统，攻击面比单 Agent 大数倍。OpenClaw 提供了五层安全模型：

第一层：通信白名单——agentToAgent.allow 严格控制哪些 Agent 可以互相通信。不在白名单里的 Agent 之间无法发送任何消息。

第二层：工具权限矩阵——每个 Agent 独立的 allow / deny / requireConfirmation 列表。Tester 不能写文件，Coder 的 exec 需要确认，PM 不能直接操作数据库。

第三层：沙箱隔离——从 v2026.1.6 起支持每 Agent 独立沙箱：

json

复制

{"id": "family","sandbox": {"mode": "all","scope": "agent","docker": { "setupCommand": "apt-get update && apt-get install -y git curl" }  },"tools": {"allow": ["read"],"deny": ["exec", "write", "edit"]  }}

第四层：Sub-Agent 层级限制——maxSpawnDepth: 2 防止无限递归创建子 Agent。maxConcurrent: 8 限制全局并发数，防止资源耗尽。maxChildrenPerAgent: 5 限制单个 Agent 最多创建 5 个子 Agent。

第五层：非交互式权限控制——ACP Agent 运行在宿主机上，没有 TTY 交互能力。通过 acpx 插件的 permissionMode 和 nonInteractivePermissions 配置，确保自动化流程不会因等待用户输入而卡死：

bash

复制

openclawconfigsetplugins.entries.acpx.config.permissionModeapprove-allopenclawconfigsetplugins.entries.acpx.config.nonInteractivePermissionsdeny

九、成本优化：模型分配策略

Agent Team 运行成本是生产环境的硬约束。不同角色使用不同级别的模型，是性价比最优的策略：

子 Agent 还可以按任务动态覆盖模型——简单任务用便宜模型，复杂任务临时切换到强模型：

bash

复制

# 简单任务用轻量模型/subagents spawn --model gpt-5.4-mini "把这个函数的注释翻译成英文"# 复杂任务用强模型/subagents spawn --model claude-opus-4 "分析这段代码的安全漏洞"

十、总结

OpenClaw Agent Team 的核心工程思想可以提炼为三句话：

隔离是基础。 每个 Agent 拥有独立的 Workspace、AgentDir、会话存储和工具权限，通过 allowAgents 白名单控制通信。隔离做得越好，系统越稳定。

通信是关键。 sessions_spawn 解决单向委派（上下级），sessions_send 解决双向协商（同事），ACP 解决跨平台调度（外包）。三种机制覆盖了所有协作模式。

简单是目标。 配置文件是一个 JSON，人格定义是 Markdown，Agent 对话在 Discord 频道里，子 Agent 一条命令派生。不需要 Kubernetes，不需要微服务框架，不需要 RPC。一个 openclaw.json 加几个 SOUL.md 文件，就是一支完整的 AI 团队。

行动清单：

1. 今天
   ——在本地安装 OpenClaw，创建 3 个 Persistent Agent（PM/Coder/Tester），配置 bindings 路由
2. 本周
   ——实现一个完整的"需求 → 编码 → 测试"自动化流水线，验证 sessions_send 双向通信
3. 本月
   ——接入 ACP 协议，让 OpenClaw 调度 Claude Code 或 Codex 完成真实项目编码

参考资料

1. OpenClaw 多智能体路由 - 官方文档
2. OpenClaw Multi-Agent 系统实战：sessions_spawn、sessions_send 与持久化代理的完整解析
3. OpenClaw 多 Agent 实战指南：Multi-Agent Routing 与 Sub-Agents
4. OpenClaw 多智能体协作配置完全指南：从单兵作战到 AI 团队
5. OpenClaw 多 Agents 分工协作教程，轻松打造一个研发团队
6. 深入剖析 OpenClaw 中 ACP Agents 的全方位实现机制
7. 当 Kiro 遇上 OpenClaw：AI Agent 双向协作的实践探索（AWS 官方博客）
8. OpenClaw MasterClass 模块 8：多 Agent 架构