OpenClaw 核心技术深度解析(七):子 Agent 与 ACP 协议

OpenClaw 不只是一个 Agent，它是一个 Agent 编排平台。通过子 Agent 系统和 ACP（Agent Communication Protocol）协议，OpenClaw 实现了任务委派、多 Agent 协作和跨框架互操作。

子 Agent 系统：任务委派的架构

子 Agent 系统的核心实现位于 src/agents/subagent-registry.ts，提供完整的子 Agent 生命周期管理：

核心能力

功能	实现	说明
生成	`sessions_spawn` 工具	创建独立的子 Agent 会话，拥有独立的工作区和工具集
注册表	内存 + 磁盘双存储	跟踪所有子 Agent 的运行状态
生命周期	Pi Agent 事件监听	监听启动/完成/错误事件
清理	可配置策略	删除或保留已完成的子 Agent 数据
通知	完成回调	子 Agent 完成时通知父 Agent
跨进程	Gateway RPC	使用 Gateway WebSocket 跨进程等待子 Agent

子 Agent 的工具集继承

子 Agent 的工具集遵循最小权限原则：

父 Agent 工具集（24+ 工具）
    → 8 层策略过滤
    → Subagent 策略层额外限制
    → 子 Agent 最终工具集（通常 8-15 个工具）

子 Agent 永远不会拥有比父 Agent 更多的权限。这确保了任务委派不会成为权限提升的途径。

实际场景：多 Agent 协作

假设你对 OpenClaw 说："写一篇关于 Rust 异步编程的技术博客"

父 Agent 的编排过程：

步骤	Agent	任务	工具
1	父 Agent	分析任务，制定计划	无（纯推理）
2	子 Agent A（研究）	搜索 Rust 异步编程的最新资料	web_search, web_fetch, read, write
3	子 Agent B（写作）	基于研究资料撰写博客	read, write, edit
4	子 Agent C（审校）	检查文章质量和技术准确性	read, web_search
5	父 Agent	汇总结果，输出最终文章	read, message

每个子 Agent 在独立的会话中运行，拥有独立的上下文窗口。这意味着：

研究 Agent 的大量搜索结果不会污染写作 Agent 的上下文
每个 Agent 可以使用最适合其任务的模型（研究用快速模型，写作用高质量模型）
子 Agent 的失败不会影响其他子 Agent

ACP 协议：Agent 间通信标准

ACP（Agent Communication Protocol）是一个新兴的 Agent 间通信标准，OpenClaw 在 src/acp/ 中实现了它。

ACP 的核心设计

ACP 使用 stdio（NDJSON） 作为传输层：

IDE/客户端 ←→ [stdin/stdout NDJSON] ←→ OpenClaw ACP Bridge ←→ [WebSocket] ←→ Gateway

正如 CurateClick 的分析所说：OpenClaw ACP 是一个命令行工具，实现了 Agent Client Protocol，作为 IDE 和 OpenClaw Gateway 实例之间的桥梁。它通过 stdio 说 ACP 协议，将提示转发到 Gateway 的 WebSocket，并维护会话映射，使 AI 对话在编辑器重启后仍然持续。

ACP 消息格式

{"type": "prompt", "session": "abc123", "content": "帮我重构这个函数"}
{"type": "tool_call", "tool": "read", "params": {"path": "src/main.py"}}
{"type": "tool_result", "result": "...文件内容..."}
{"type": "response", "content": "我已经分析了这个函数，建议..."}

ACP 的价值

ACP 的最大价值在于跨框架互操作：

场景	说明
IDE 集成	VS Code、Cursor 等编辑器通过 ACP 与 OpenClaw 通信
跨框架协作	不同框架的 Agent 通过 ACP 互相调用
自动化管道	CI/CD 管道通过 ACP 触发 Agent 任务
监控和审计	通过 ACP 流监控 Agent 的所有操作

ACP Provenance（来源追踪）

OpenClaw 2026.3.8 版本引入了 ACP Provenance 功能：

Agent 保留来源上下文，注入与会话追踪 ID 绑定的可见收据
防止未授权的任务执行
提供取证级的可追溯性
在多 Agent 或定时任务并发运行的企业场景中尤为重要

子 Agent 的调度策略

OpenClaw 的子 Agent 调度支持多种模式：

串行模式

父 Agent → 子 Agent A → 完成 → 子 Agent B → 完成 → 汇总

适合有依赖关系的任务（如先研究再写作）。

并行模式

父 Agent → 子 Agent A ─┐
         → 子 Agent B ─┤→ 全部完成 → 汇总
         → 子 Agent C ─┘

适合独立的任务（如同时搜索多个主题）。

混合模式

父 Agent → 子 Agent A（研究）→ 完成
         → 子 Agent B（研究）→ 完成
         → 汇总研究结果
         → 子 Agent C（写作）→ 完成
         → 子 Agent D（审校）→ 完成
         → 最终输出

实际场景中最常用的模式。

与其他编排方案的对比

特性	OpenClaw 子 Agent	CrewAI	AutoGen	LangGraph
编排模式	父子委派	角色分工	对话式	图状态机
通信协议	ACP (NDJSON)	内部 API	消息传递	状态传递
跨框架	✅ ACP 标准	❌ 封闭	⚠️ 有限	❌ 封闭
权限隔离	✅ 工具集继承	❌ 共享	❌ 共享	❌ 共享
独立上下文	✅ 每个子 Agent 独立	⚠️ 部分共享	❌ 共享	⚠️ 取决于节点
来源追踪	✅ ACP Provenance	❌	❌	❌

总结

OpenClaw 的子 Agent 系统和 ACP 协议代表了 AI Agent 编排的一个重要方向：标准化的 Agent 间通信。通过 ACP，不同框架的 Agent 可以互相协作；通过子 Agent 系统，复杂任务可以被分解为独立的子任务并行执行。这种设计为构建大规模 Agent 系统奠定了基础。

参考链接

CurateClick - 2026 Complete Guide: OpenClaw ACP
AICost - OpenClaw 2026.3.8 Release: ACP Provenance
Blockchain News - OpenClaw 2026.3.2: ACP Subagents Enabled by Default
Ken Huang - OpenClaw Design Patterns
Moely - OpenClaw Source Code Review