OpenClaw Agent Architecture

主 Agent 动态任务编排

单主 Agent 如何动态 spawn sub-agent、管理结果、处理失败。与 Anthropic Managed Agents 4 层解耦对齐。

4 层架构对照

Anthropic Managed Agents vs OpenClaw 改进后方案

沙盒层

🧠 Anthropic

Agent + Environment + Container

配置对象 / 运行环境模板 / 隔离执行沙盒

⚡ OpenClaw

Worker + Environment 配置

角色定义 / cwd + allowed_tools + 操作红线

编排层

🧠 Anthropic

Coordinator Agent

编排最多 20 agents，一层委派，花名册模式

⚡ OpenClaw

主 Agent 编排模式

spawn 判断 + RESULT envelope + 失败状态机

会话层

🧠 Anthropic

Session API

fork / thread / 持久化 / 检查点回滚

⚡ OpenClaw

sessions_spawn

run（一次性）/ session（持久）/ yield 等 announce

记忆层

🧠 Anthropic

Memory Stores + MCP

启动时注入知识，跨 session 记忆

⚡ OpenClaw

context_files + RESULT envelope

启动注入背景知识 / 标准化结果交接

需要补强的 5 点

基于 Anthropic 对标分析，按优先级排序

P0 Environment 配置

sub-agent 缺少运行环境定义（cwd / 工具集 / 操作红线），导致空跑。Skill 级应声明 environment 字段。

P0 Pet vs Cattle

显式声明 sub-agent 是 Cattle（临时创建、完成即销毁）。需要持久状态的任务用固定 Agent（v2.5 方案）。

P1 context_files

sub-agent 启动时自动读取的背景知识列表。解决"不知道上下文就空跑"。对应 Anthropic L4 Memory Store。

P1 单层委派限制

sub-agent 不可再 spawn sub-agent。多层编排由主 Agent 直接管理。对应 Anthropic Coordinator 单层限制。

P2 对话模式 vs 编排模式

主 Agent 区分两种角色：🗣️ 对话模式（直接回答用户、处理简单任务）vs 🧠 编排模式（分发任务、收集结果、管理 fallback）。两种模式的行为规则不同，但在同一个 Agent 内通过 AGENTS.md 区分。

核心契约：RESULT Envelope

Agent 和 Skill/Worker 之间的唯一稳定接口

request_id: string // 并发追踪
status: success | partial | failed
error_code: NO_OUTPUT | INFRA_ERROR | TIMEOUT | ...
warnings: string[] // 非致命问题
artifacts: object // Skill 自定义业务数据
next_action: CONTINUE | WAIT_CONFIRM | COMPLETE
metadata: { worker_version, duration_ms, retries }