新东西太多了，又要学习Moltbot 了

Open Moltbot 多Agent配置与协调工作详细教程

**

一、多Agent架构核心概念

1.1 什么是多Agent系统

Moltbot的多Agent系统允许你创建多个完全隔离的AI助手，每个Agent拥有：
• 独立的工作空间：不同的文件系统和数据存储

• 个性化配置：不同的模型、提示词和技能组合

• 消息路由：基于渠道、账号ID等条件自动分配任务

• 协作能力：Agent之间可以通信和协调工作

1.2 核心优势

• 角色专业化：为不同任务创建专用Agent（研究、写作、审核等）

• 资源隔离：防止任务间干扰和数据泄露

• 并行处理：多个Agent同时工作，提高效率

• 分层指挥：主Agent协调子Agent完成复杂工作流

二、多Agent配置详解

2.1 配置文件结构

配置文件路径：~/.moltbot/moltbot.json
{
“agents”: {
“list”: [
{
“id”: “main”,
“name”: “主助手”,
“workspace”: “~/clawd”,
“default”: true,
“model”: {
“primary”: “anthropic/claude-sonnet-4-0”,
“fallbacks”: [“openai/gpt-4o”]
},
“personality”: “你是我的主要AI助手，负责协调其他Agent工作”
},
{
“id”: “research”,
“name”: “研究助手”,
“workspace”: “~/clawd-research”,
“model”: {
“primary”: “openai/gpt-4o”
},
“personality”: “你专注于数据收集、分析和市场调研”
},
{
“id”: “writer”,
“name”: “写作助手”,
“workspace”: “~/clawd-writer”,
“model”: {
“primary”: “anthropic/claude-haiku”
},
“personality”: “你擅长将复杂信息转化为清晰易懂的报告和文档”
}
],
“defaults”: {
“sandbox”: {
“mode”: “all”,
“scope”: “agent”,
“workspaceAccess”: “rw”
}
}
},
“bindings”: [
{
“agentId”: “main”,
“match”: {
“channel”: “whatsapp”,
“accountId”: “personal”
}
},
{
“agentId”: “research”,
“match”: {
“channel”: “whatsapp”,
“accountId”: “research”
}
},
{
“agentId”: “writer”,
“match”: {
“channel”: “telegram”,
“botToken”: “your-bot-token”
}
}
]
}

2.2 关键配置字段说明

字段 说明 示例

id Agent唯一标识符 “main”, “research”

name 显示名称 “研究助手”

workspace 工作目录路径 “~/clawd-research”

default 是否默认Agent true/false

model.primary 主要模型 “anthropic/claude-sonnet-4-0”

model.fallbacks 备用模型列表 [“openai/gpt-4o”]

personality Agent个性描述 提示词定义角色

sandbox.mode 沙箱模式 “all”（完全隔离）

2.3 消息路由绑定（Bindings）

Bindings决定消息如何路由到不同Agent：
{
“bindings”: [
// 基于渠道和账号ID路由
{
“agentId”: “main”,
“match”: {
“channel”: “whatsapp”,
“accountId”: “personal”
}
},
// 基于发送者路由
{
“agentId”: “research”,
“match”: {
“channel”: “whatsapp”,
“peer”: {
“kind”: “dm”,
“id”: “+15551234567”
}
}
},
// 基于群组路由
{
“agentId”: “writer”,
“match”: {
“channel”: “discord”,
“peer”: {
“kind”: “group”,
“id”: “1234567890”
}
}
}
]
}

三、创建多Agent的三种方法

3.1 方法一：使用CLI向导（推荐新手）

1. 启动配置向导

moltbot onboard

2. 选择QuickStart模式

3. 在模型配置步骤，选择"Skip for now"

4. 完成基础配置后，添加新Agent

moltbot agents add research

5. 交互式配置新Agent：

- 设置工作空间：~/clawd-research

- 选择模型：openai/gpt-4o

- 配置路由规则

3.2 方法二：手动编辑配置文件

1. 备份现有配置

cp ~/.moltbot/moltbot.json ~/.moltbot/moltbot.json.backup

2. 编辑配置文件

vim ~/.moltbot/moltbot.json

3. 添加新的Agent配置到agents.list数组

4. 添加对应的binding规则

5. 重启gateway服务

moltbot gateway restart

3.3 方法三：使用配置命令

1. 查看当前Agent列表

moltbot agents list

2. 添加新Agent

moltbot config set agents.list[2].id “reviewer”
moltbot config set agents.list[2].name “审核助手”
moltbot config set agents.list[2].workspace “~/clawd-review”
moltbot config set agents.list[2].model.primary “anthropic/claude-haiku”

3. 验证配置

moltbot doctor --fix

四、Agent间协调工作机制

4.1 Agent-to-Agent (A2A) 通信工具集

Moltbot提供原生A2A通信能力，通过以下工具实现协作：

工具 功能 使用场景

sessions_list 列出所有活跃Session 发现可用Agent

sessions_history 读取其他Session历史 获取上下文信息

sessions_send 向其他Agent发送消息 任务分发和结果收集

4.2 典型协作工作流

场景：市场调研报告生成

1. 用户 → 主Agent：“帮我分析AI编程工具市场”
2. 主Agent → 研究Agent：“收集2025年AI编程工具市场份额数据”
3. 研究Agent → 主Agent：[返回调研数据]
4. 主Agent → 写作Agent：“基于这些数据生成市场分析报告”
5. 写作Agent → 主Agent：[返回报告草稿]
6. 主Agent → 审核Agent：“检查报告的逻辑和格式”
7. 审核Agent → 主Agent：[返回修改建议]
8. 主Agent → 用户：[最终报告]

4.3 代码示例：Agent间通信

// 在主Agent的提示词中定义协作逻辑
const collaborationPrompt = `
你作为协调员，负责管理以下专业Agent：

1. 研究Agent - 擅长数据收集和分析
2. 写作Agent - 擅长文档撰写
3. 审核Agent - 擅长质量检查

当收到复杂任务时：

1. 使用sessions_list查看可用Agent
2. 使用sessions_send分发子任务
3. 整合各Agent返回的结果
4. 确保最终交付物质量
   `;

五、实际应用场景配置

5.1 软件开发团队配置

{
“agents”: {
“list”: [
{
“id”: “architect”,
“name”: “架构师”,
“workspace”: “~/clawd-arch”,
“model”: { “primary”: “anthropic/claude-sonnet-4-0” },
“personality”: “你负责系统设计和架构决策，协调开发团队”
},
{
“id”: “frontend”,
“name”: “前端开发”,
“workspace”: “~/clawd-fe”,
“model”: { “primary”: “openai/gpt-4o” },
“personality”: “你专注于React/Vue前端开发和UI实现”
},
{
“id”: “backend”,
“name”: “后端开发”,
“workspace”: “~/clawd-be”,
“model”: { “primary”: “anthropic/claude-haiku” },
“personality”: “你负责API设计和数据库开发”
},
{
“id”: “qa”,
“name”: “测试工程师”,
“workspace”: “~/clawd-qa”,
“model”: { “primary”: “openai/gpt-4o-mini” },
“personality”: “你负责编写测试用例和执行质量检查”
}
]
}
}

5.2 内容创作流水线

{
“bindings”: [
{
“agentId”: “planner”,
“match”: { “channel”: “discord”, “accountId”: “content-plan” }
},
{
“agentId”: “researcher”,
“match”: {
“channel”: “discord”,
“peer”: { “kind”: “dm”, “id”: “+15551230001” }
}
},
{
“agentId”: “writer”,
“match”: {
“channel”: “telegram”,
“peer”: { “kind”: “group”, “id”: “content-team” }
}
},
{
“agentId”: “editor”,
“match”: {
“channel”: “slack”,
“peer”: { “kind”: “channel”, “id”: “C123456” }
}
}
]
}

六、高级协调策略

6.1 分层指挥模式

主Agent (指挥官)
├── 研究Agent (情报组)
├── 分析Agent (参谋部)
├── 执行Agent (行动组)
└── 审核Agent (质检组)

6.2 并行处理优化

配置并行Agent数量限制

moltbot config set gateway.concurrency.maxAgents 5
moltbot config set gateway.concurrency.maxToolsPerAgent 3

设置任务优先级

moltbot config set agents.defaults.priority “normal”

6.3 状态共享与同步

{
“agents”: {
“defaults”: {
“memory”: {
“sharedContext”: true,
“syncInterval”: 300, // 5分钟同步一次
“maxSharedTokens”: 8000
}
}
}
}

七、监控与调试

7.1 查看Agent状态

查看所有Agent运行状态

moltbot agents list --status

查看特定Agent的会话历史

moltbot sessions list --agent research

监控Agent间通信

moltbot logs --follow --filter “sessions_send”

7.2 性能指标监控

查看各Agent的Token使用情况

moltbot stats --agents

监控响应时间

moltbot config set logging.metrics.enabled true
moltbot config set logging.metrics.interval 60

八、最佳实践与注意事项

8.1 安全最佳实践

1. 最小权限原则：每个Agent只授予必要工具权限
2. 工作空间隔离：确保Agent间数据不泄露
3. 输入验证：对用户输入进行过滤和清理
4. 定期审计：检查Agent行为日志

8.2 性能优化建议

1. 模型选择：根据任务复杂度选择合适的模型
2. 缓存策略：对重复查询结果进行缓存
3. 批量处理：合并相似任务减少API调用
4. 超时设置：配置合理的任务超时时间

8.3 故障排除

常见问题诊断

moltbot doctor --verbose

重置特定Agent状态

moltbot sessions reset --agent research

查看详细错误日志

moltbot logs --level debug --tail 100

九、进阶：自定义协作协议

9.1 创建自定义协调规则

// 在Agent工作空间创建协作协议文件
// ~/clawd-main/COLLABORATION.md

团队协作协议

通信规范

1. 所有任务请求必须包含：目标、截止时间、质量要求
2. 结果返回格式：JSON结构，包含数据、来源、置信度
3. 异常处理：遇到问题立即通知主Agent

质量检查清单

• 数据来源已验证
• 逻辑推理完整
• 格式符合要求
• 无敏感信息泄露

9.2 自动化工作流编排

workflow.yaml

name: 市场分析流水线
triggers:

• channel: whatsapp
  pattern: “分析.*市场”

steps:

• agent: research
  task: “收集行业数据和竞品信息”
  timeout: 1800

• agent: writer
  task: “生成初步分析报告”
  dependencies: [“research”]

• agent: review
  task: “质量审核和修改建议”
  dependencies: [“writer”]

• agent: main
  task: “整合并交付最终报告”
  dependencies: [“review”]

通过以上配置，你可以在Open Moltbot中构建强大的多Agent系统，实现复杂的任务分解、并行处理和协作完成。每个Agent都可以专注于自己的专业领域，通过协调机制形成高效的AI团队。