通信协议
agent-communication
by auberghan
标准化跨 Agent 通信协议。当需要向另一个 Agent 询问、协作或委托任务时,使用本技能。
安装
claude skill add --url https://github.com/openclaw/skills文档
Agent 间通信协议
核心原则
- 先查 sessionKey:用
sessions_list获取实时 sessionKey,禁止使用记忆中的硬编码值 - 按需选择模式:阻塞 / 非阻塞 / 即发即走,根据任务性质选择
- 减少目标开销:请求中带上必要信息,让目标快速理解
- 统一回复归属:主 Agent 统一处理引用回复,下游 Agent 只返回结果
通信工具
| 工具 | 用途 | 等待方式 |
|---|---|---|
sessions_send | 点对点通信 | 可配置超时 |
sessions_spawn | 后台任务委托 | 非阻塞,结果自动推送 |
sessions_list | 获取实时 sessionKey | — |
通信模式
模式 A:阻塞等待(查询、学习)
sessions_send({ sessionKey, message, timeoutSeconds: 120 })
→ 等待目标回复(最多 5 轮 ping-pong)
→ 返回结果
模式 B:即发即走(通知、传达)
sessions_send({ sessionKey, message, timeoutSeconds: 0 })
→ 立即返回,不等待结果
模式 C:后台委托(任务执行)
sessions_spawn({ task, label?, agentId?, runTimeoutSeconds?, cleanup? })
→ 立即返回 { status: "accepted", runId, childSessionKey }
→ 任务完成后自动推送结果到请求方
请求消息模板
所有 sessions_send 请求统一使用以下格式:
【Agent 间通信】
发件方: <我的名字> (<我的agentId>)
收件方: <目标agent>
source sessionKey: <当前session的key>
通信目的: <场景类型>
期望响应: <阻塞等待/即发即走/非阻塞>
timeout: <秒数>
---
用户需求: <用户原话>
<具体请求内容>
---
上下文摘要: <补充说明>
场景类型
场景 1:知识获取(阻塞)
意图:问、学、查询、确认
工具:sessions_send,timeoutSeconds: 120
sessions_send({ sessionKey, message, timeoutSeconds: 120 })
场景 2:任务委托(非阻塞)
意图:让做、研究、处理、分析
工具:sessions_spawn
sessions_spawn({ task: "...", label?: "...", agentId?: "...", runTimeoutSeconds?: 0 })
场景 3:单向通知(即发即走)
意图:通知、传达、转发(不关心结果)
工具:sessions_send,timeoutSeconds: 0
sessions_send({ sessionKey, message, timeoutSeconds: 0 })
场景 4:顺序协作
多个 sessions_spawn 串联,前一个完成后再启动下一个:
用户: "先让A分析,再让B基于结果写报告"
→ sessions_spawn A
→ 等待 A 完成(通告回我)
→ sessions_spawn B,附上 A 的结果
→ 汇总后汇报用户
场景 5:多 Agent 并行汇总
用户: "收集多个 Agent 的状态并汇总"
→ 并行 sessions_spawn 多个目标
→ 等待所有完成(收集所有通告)
→ 汇总结果 → 汇报用户
结果交付方式
推荐:下游 Agent 只返回结果,由主 Agent统一回复用户。
sessions_spawn的结果自动推送到发起方的绑定渠道- 如果需要结果直接发给用户,在 task 中说明即可,不需要用
message工具发
超时配置
| 模式 | timeoutSeconds | 说明 |
|---|---|---|
| 阻塞等待 | 120 | 等待目标处理和回复 |
| 即发即走 | 0 | 发完即返回 |
| 后台委托 | 0(默认无超时) | 结果自动推送 |
控制指令
在消息正文中精确包含以下内容可控制流程:
| 指令 | 效果 |
|---|---|
REPLY_SKIP | 停止 ping-pong 回复循环 |
ANNOUNCE_SKIP | 不发布任何结果通告 |
错误处理
目标 Agent 不存在
❌ 目标 Agent "<name>" 不存在或不可用
可用 Agent(从 sessions_list 获取):
- <list>
请确认目标名称,或选择其他 Agent。
通信超时
⚠️ 与目标 Agent 通信超时(120秒未响应)
可能原因:
1. 目标正在处理其他任务
2. 任务较复杂需要更长时间
建议:
1. 稍后重试
2. 改用 sessions_spawn 后台执行
未知错误
⚠️ 与目标 Agent 通信失败
错误: <error message>
建议:
1. 检查 sessionKey 是否正确
2. 尝试 sessions_spawn 后台执行
快速参考
| 需求 | 工具 | timeout |
|---|---|---|
| 问/学/查询 | sessions_send | 120s(阻塞) |
| 让做/研究/处理 | sessions_spawn | 非阻塞 |
| 通知/传达 | sessions_send | 0(即发即走) |
| 顺序协作 | sessions_spawn × n | 非阻塞 |
| 多 Agent 汇总 | 并行 sessions_spawn | 非阻塞 |
相关 Skills
Claude接口
by anthropics
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
计算机视觉
by alirezarezvani
聚焦目标检测、图像分割与视觉系统落地,覆盖 YOLO、DETR、Mask R-CNN、SAM 等方案,适合定制数据集训练、推理优化及 ONNX/TensorRT 部署。
✎ 把目标检测、图像分割到推理部署串成完整工程链路,主流框架与 YOLO、DETR、SAM 等方案都覆盖,落地视觉 AI 会省心很多。
智能体流程设计
by alirezarezvani
面向生产级多 Agent 编排,梳理顺序、并行、分层、事件驱动、共识五种工作流设计,覆盖 handoff、状态管理、容错重试、上下文预算与成本优化,适合搭建复杂 AI 协作系统。
✎ 帮你把多智能体流程设计、编排和自动化统一起来,复杂工作流也能更稳地落地,适合追求强控制力的团队。
相关 MCP 服务
知识图谱记忆
编辑精选by Anthropic
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。
顺序思维
编辑精选by Anthropic
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。
PraisonAI
编辑精选by mervinpraison
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。