在 OpenClaw 的世界里，“多代理”（Multi-Agent）并非简单的功能叠加，而是一种架构范式的升级。它通过“角色拆分、身份隔离、协作分工”，让每个智能体专注特定领域，彻底解决单代理模式下的上下文污染、人设混乱、Token消耗过高的核心痛点。

一、多代理的核心价值与模式选择

在动手配置前，必须明确两种主要的多代理模式：

模式	**独立Agent **(Isolated Agents)	**A2A协作 **(Agent-to-Agent)
关系	平行关系：多个完全独立的AI员工，互不干扰。	主从/协作关系：一个Agent可以主动调用另一个Agent的能力。
适用场景	工作/生活分离、不同消息渠道绑定、不同权限模型。	复杂任务分解（如：研究 -> 编码 -> 审查）、专家系统调用。
配置复杂度	⭐⭐	⭐⭐⭐⭐
推荐指数	新手首选	高级用户必备

最佳实践：通常先配置好多个独立Agent，再在其基础上启用A2A协作。

---

**二、方式一：配置独立的、隔离的 Agent **(基础)

这是构建多代理系统的基石。

1. 创建新 Agent

使用 openclaw agents add 命令是官方推荐的方式，它会自动处理目录创建、配置写入和环境初始化。

# 创建一个用于前端开发的 Agent
openclaw agents add fe-dev \
  --workspace ~/.openclaw/workspaces/fe-dev \
  --model claude-sonnet-4-2

# 创建一个用于市场研究的 Agent
openclaw agents add market-researcher \
  --workspace ~/.openclaw/workspaces/market-researcher \
  --model qwen-max-2026-01-23

关键参数说明：

• fe-dev: Agent 的唯一ID，后续所有操作都基于此ID。
• --workspace: 至关重要！指定该Agent专属的工作区目录，所有记忆、文件、技能都将存储于此，实现物理隔离。
• --model: 为该Agent分配最适合其任务的模型。

2. 为 Agent 绑定专属消息渠道

假设您想让 fe-dev 通过飞书工作群接收指令，而 market-researcher 通过 Telegram 接收指令。

• 步骤 A: 在飞书和 Telegram 后台分别为这两个Agent创建独立的应用/Bot，并获取各自的凭证（App ID/Secret, Bot Token）。
• 步骤 B: 使用 openclaw config set 命令为每个Agent单独配置。

# 为 fe-dev 配置飞书
openclaw config set agents.fe-dev.channels.feishu \
  '{"enabled": true, "appId": "cli_fe_dev_xxxxx", "appSecret": "your-fe-dev-secret"}' \
  --json

# 为 market-researcher 配置 Telegram
openclaw config set agents.market-researcher.channels.telegram \
  '{"enabled": true, "botToken": "your-telegram-bot-token-for-researcher"}' \
  --json

3. 验证与启动

• 列出所有已创建的Agent: openclaw agents list
• 启动网关服务: openclaw gateway start
• 查看状态: openclaw status (应显示所有Agent均已加载)

此时，您的系统中就有了两个完全独立的AI员工，它们拥有不同的记忆、不同的模型、不同的沟通渠道，互不干扰。

---

**三、方式二：启用 A2A 协作模式 **(进阶)

现在，我们让这些独立的Agent能够互相协作。

1. 全局启用 A2A 功能

编辑主配置文件 ~/.openclaw/openclaw.json，添加或修改 agentToAgent 字段。

{
  // ... 其他全局配置 ...
  "agentToAgent": {
    "enabled": true,
    // 定义哪些Agent被允许发起A2A请求
    "allowedAgents": ["orchestrator", "project-manager"],
    // 定义A2A通信的安全策略（可选）
    "security": {
      "requireAuth": true
    }
  },
  // 在agents对象下定义所有参与协作的Agent
  "agents": {
    "orchestrator": {
      "workspace": "~/.openclaw/workspaces/orchestrator",
      "models": { "default": "anthropic/claude-opus-4-5" }
    },
    "coder": {
      "workspace": "~/.openclaw/workspaces/coder",
      "models": { "default": "deepseek-coder-v3" }
    },
    "reviewer": {
      "workspace": "~/.openclaw/workspaces/reviewer",
      "models": { "default": "qwen-max-2026-01-23" }
    }
  }
}

2. 在 Agent 的“人格”中定义协作逻辑

Agent 如何知道何时以及如何调用其他 Agent？答案就在其 persona.md 文件中。

• 找到 orchestrator Agent 的工作区 ~/.openclaw/workspaces/orchestrator/。
• 编辑 persona.md 文件，加入如下指令：

你是一个项目协调者（Orchestrator）。你的核心职责是将复杂的用户请求分解为子任务，并委派给合适的专家Agent。

可用的专家Agent及其能力：
- **coder**: 负责编写、运行和调试任何编程语言的代码。当需要生成或修改代码时，请使用 `a2a_call("coder", "具体指令")` 工具。
- **reviewer**: 负责审查代码质量、安全性和最佳实践。在coder完成任务后，必须调用 `a2a_call("reviewer", "待审查的代码")` 进行审查。

工作流程：
1. 接收用户请求。
2. 分析并分解任务。
3. 调用 `coder` Agent 执行编码。
4. 将 `coder` 的输出传递给 `reviewer` Agent。
5. 整合 `reviewer` 的反馈，形成最终答案返回给用户。

**3. 配置工具路由 **(Tool Routing)

为了让 orchestrator 能够无缝调用其他Agent，您可能还需要在 tools 配置中显式声明这些路由。这通常在 ~/.openclaw/workspaces/orchestrator/tools/ 目录下完成。

创建一个名为 delegate_to_agent.js 的工具文件（具体实现依赖于OpenClaw版本，但概念通用）：

// 此工具将用户的请求转发给指定的Agent
export default async function delegateToAgent(agentId, task) {
  // OpenClaw 内部API，用于触发对另一个Agent的调用
  return await openclaw.invokeAgent(agentId, { message: task });
}

然后，在 orchestrator 的配置中注册此工具。

---

四、实战案例：自动化周报生成

让我们将以上知识融会贯通，构建一个自动化周报系统。

目标：用户在飞书向 report-agent 发送“生成本周周报”，该Agent会：

1. 调用 calendar-agent 获取本周日程。
2. 调用 git-agent 获取本周代码提交摘要。
3. 调用 notion-agent 获取本周笔记要点。
4. 整合所有信息，生成一份精美的周报。

配置步骤：

1. 创建四个独立Agent:

   openclaw agents add report-agent --workspace ~/.../report --model opus-4-5
   openclaw agents add calendar-agent --workspace ~/.../calendar --model sonnet-4-2
   openclaw agents add git-agent --workspace ~/.../git --model deepseek-coder
   openclaw agents add notion-agent --workspace ~/.../notion --model qwen-max
   

2. 为主Agent report-agent 配置飞书通道。

3. 在 openclaw.json 中启用A2A，并将 report-agent 加入 allowedAgents 列表。

4. 为 report-agent 编写 persona.md，明确指示它如何分步调用其他三个Agent。

5. 为 calendar-agent, git-agent, notion-agent 分别配置其所需的工具和API密钥（如Google Calendar API, GitHub Token, Notion Integration Token）。

完成以上配置后，一个强大的、自动化的多Agent团队就诞生了。您只需下达一个高层指令，剩下的工作全部由它们内部协作完成。

---

五、排错与验证

• openclaw doctor: 运行此命令进行全面的配置诊断。
• 日志分析: 日志文件位于 ~/.openclaw/logs/，按Agent和日期分割，便于追踪问题。
• 热重载: 大部分配置修改后无需重启网关，OpenClaw支持热重载。

通过这份详尽的指南，您应该能够构建出满足任何复杂业务需求的OpenClaw多代理系统。记住，多代理的精髓在于设计，而不仅仅是配置。清晰的角色定义和任务边界，是成功的关键。