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。

3.9kAI 与智能体未扫描2026年4月6日

安装

claude skill add --url https://github.com/openclaw/skills

文档

Agent 间通信协议

核心原则

  1. 先查 sessionKey:用 sessions_list 获取实时 sessionKey,禁止使用记忆中的硬编码值
  2. 按需选择模式:阻塞 / 非阻塞 / 即发即走,根据任务性质选择
  3. 减少目标开销:请求中带上必要信息,让目标快速理解
  4. 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)

code
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)

code
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)

code
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:

code
【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

code
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

code
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

code
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:

code
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

code
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

code
❌ 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

code
⚠️ 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

code
⚠️ 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_send120s(阻塞)
让做/研究/处理sessions_spawn非阻塞
通知/传达sessions_send0(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

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111.8k

计算机视觉

by alirezarezvani

Universal
热门

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。

AI 与智能体
未扫描9.8k

智能体流程设计

by alirezarezvani

Universal
热门

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。

AI 与智能体
未扫描9.8k

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
83.1k

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
83.1k

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
6.8k

评论