跨Agent信箱

cross-agent-mailbox

by ameylover

文件信箱方案 - 跨框架Agent通信(适用于任何框架)

4.5kAI 与智能体未扫描2026年4月20日

安装

localPath: https://github.com/hermes-agent/cross-agent-mailbox.git

文档

📬 Cross-Agent Mailbox - 文件信箱通信

跨框架Agent通信的最简单方案。适用于任何AI框架之间的通信(Hermes、OpenClaw、Claude等)。

核心理念

两个Agent共享一个文件目录,通过写信/读信方式通信。简单、可靠、无依赖。

工作原理

code
Agent A → 写信到 → shared-mailbox/a-to-b/ → Agent B 读取
Agent B → 写信到 → shared-mailbox/b-to-a/ → Agent A 读取

安装

1. 创建信箱目录

bash
mkdir -p ~/.shared-mailbox/{agent-a-to-b,agent-b-to-a}/{archive}

2. 创建通信协议文件

bash
cat > ~/.shared-mailbox/README.md << 'EOF'
# 跨Agent通信信箱

## 目录结构
- agent-a-to-b/: Agent A 发给 Agent B 的信件
- agent-b-to-a/: Agent B 发给 Agent A 的信件
- archive/: 已处理的信件

## 信件格式
文件名: YYYY-MM-DD_NNN_主题.md
内容: Markdown格式,包含发件人、收件人、时间、内容
EOF

信件格式模板

markdown
# 📬 主题

**发件人**:Agent名称
**收件人**:Agent名称  
**时间**:YYYY-MM-DD HH:MM
**类型**:通知/回复/请求

---

信件内容...

**签名**
时间

使用方法

发送信件

python
import os
from datetime import datetime

def send_letter(to_agent, content, subject="通信"):
    # 根据目标选择目录
    if to_agent == "agent-b":
        mailbox = os.path.expanduser("~/.shared-mailbox/agent-a-to-b/")
    else:
        mailbox = os.path.expanduser("~/.shared-mailbox/agent-b-to-a/")
    
    # 生成文件名
    timestamp = datetime.now().strftime("%Y-%m-%d_%H%M")
    filename = f"{timestamp}_{subject}.md"
    
    # 写入信件
    with open(os.path.join(mailbox, filename), "w") as f:
        f.write(content)
    
    return filename

检查新信件

python
import os

def check_mail(my_mailbox):
    """检查是否有新信件(排除archive目录)"""
    mailbox = os.path.expanduser(f"~/.shared-mailbox/{my_mailbox}/")
    
    new_letters = []
    for f in os.listdir(mailbox):
        if f.endswith(".md") and not f.startswith("."):
            new_letters.append(f)
    
    return sorted(new_letters)

归档信件

python
import shutil

def archive_letter(mailbox, filename):
    """处理完后归档"""
    src = os.path.expanduser(f"~/.shared-mailbox/{mailbox}/{filename}")
    dst = os.path.expanduser(f"~/.shared-mailbox/{mailbox}/archive/{filename}")
    shutil.move(src, dst)

触发机制选择

方案A:定时轮询(简单)

创建cron任务,每5-10分钟检查一次信箱:

bash
# 每5分钟检查
*/5 * * * * cd /path/to/scripts && python3 check_mail.py

优点:简单,任何框架都能用 缺点:有延迟,消耗token

方案B:文件监控(推荐)

使用 watchdog 监控文件变化:

python
from watchdog.observers import Observer
from watchdog.events import FileSystemEventHandler

class MailHandler(FileSystemEventHandler):
    def on_created(self, event):
        if event.src_path.endswith(".md"):
            print(f"📬 新信件: {event.src_path}")
            # 触发处理

observer = Observer()
observer.schedule(MailHandler(), mailbox_path, recursive=False)
observer.start()

优点:实时,几乎零token 缺点:需要常驻进程

通信规范

命名约定

  • Agent A → Agent B: agent-a-to-b/
  • Agent B → Agent A: agent-b-to-a/

文件命名

code
YYYY-MM-DD_NNN_简短主题.md
例: 2026-04-15_001_打招呼.md

处理流程

  1. 检查信箱目录
  2. 读取新信件
  3. 处理内容
  4. 回复信件(可选)
  5. 归档已处理信件

故障排除

信件没收到

  1. 检查目录权限
  2. 确认文件名格式正确
  3. 查看archive目录是否已归档

信件重复处理

  • 使用唯一ID或时间戳避免重复
  • 处理后立即归档

适用场景

  • ✅ 跨框架通信(Hermes ↔ OpenClaw)
  • ✅ 简单可靠的通信需求
  • ✅ 不需要实时性的场景
  • ✅ 无额外依赖要求

不适用场景

  • ❌ 需要实时通信(用 CFM Redis)
  • ❌ 高频消息(>10条/分钟)
  • ❌ 需要消息持久化和查询

与其他方案对比

方案实时性依赖复杂度token消耗
文件信箱🐢 延迟按轮询频率
CFM Redis⚡ 实时Redis~0
Webhook⚡ 实时HTTP服务~0

简单、可靠、无依赖 — 跨框架通信的第一选择! 📬

相关 Skills

Claude接口

by anthropics

Universal
热门

面向接入 Claude API、Anthropic SDK 或 Agent SDK 的开发场景,自动识别项目语言并给出对应示例与默认配置,快速搭建 LLM 应用。

想把Claude能力接进应用或智能体,用claude-api上手快、兼容Anthropic与Agent SDK,集成路径清晰又省心

AI 与智能体
未扫描139.0k

RAG架构师

by alirezarezvani

Universal
热门

聚焦生产级RAG系统设计与优化,覆盖文档切块、检索链路、索引构建、召回评估等关键环节,适合搭建可扩展、高准确率的知识库问答与检索增强应用。

面向RAG落地,把知识库、向量检索和生成链路系统串联起来,做架构设计时更清晰,也更少踩坑。

AI 与智能体
未扫描15.8k

多智能体架构

by alirezarezvani

Universal
热门

聚焦多智能体系统架构设计,梳理 Supervisor、Swarm、分层和 Pipeline 等模式,覆盖角色定义、通信协作与性能评估,适合规划稳健可扩展的 AI agent 编排方案。

帮你系统解决多智能体应用的架构设计与协同编排难题,适合构建复杂 AI 工作流,成熟度高、社区认可也很亮眼。

AI 与智能体
未扫描15.8k

相关 MCP 服务

知识图谱记忆

编辑精选

by Anthropic

热门

Memory 是一个基于本地知识图谱的持久化记忆系统,让 AI 记住长期上下文。

帮 AI 和智能体补上“记不住”的短板,用本地知识图谱沉淀长期上下文,连续对话更聪明,数据也更可控。

AI 与智能体
86.1k

顺序思维

编辑精选

by Anthropic

热门

Sequential Thinking 是让 AI 通过动态思维链解决复杂问题的参考服务器。

这个服务器展示了如何让 Claude 像人类一样逐步推理,适合开发者学习 MCP 的思维链实现。但注意它只是个参考示例,别指望直接用在生产环境里。

AI 与智能体
86.1k

PraisonAI

编辑精选

by mervinpraison

热门

PraisonAI 是一个支持自反思和多 LLM 的低代码 AI 智能体框架。

如果你需要快速搭建一个能 24/7 运行的 AI 智能体团队来处理复杂任务(比如自动研究或代码生成),PraisonAI 的低代码设计和多平台集成(如 Telegram)让它上手极快。但作为非官方项目,它的生态成熟度可能不如 LangChain 等主流框架,适合愿意尝鲜的开发者。

AI 与智能体
7.9k

评论