企业官网建设流程全解析

1. OpenClaw 多 subagent 协作到底卡在哪

如果你正在用 OpenClaw 做多 agent 编排，大概率遇到过这种场景：主 agent 派了一个子任务出去，子 agent 跑完了，结果主 agent 不知道，或者知道了但拿不到回传内容，整个链路断在半路。这不是你配置写错了，而是 sessions_send 和 sessions_spawn 这两个工具的配合逻辑没吃透。

OpenClaw 里 sessions_spawn 负责“开一个隔离会话去干活”，sessions_send 负责“往已有会话里塞消息”。一个管创建，一个管通信。多 subagent 协作的本质就是：主 agent 用 spawn 拉起若干子 agent，子 agent 干完活通过 send 把结果回传给主会话，主会话再决定下一步。acp 运行时还多了一层——它支持 resumeSessionId 恢复已有编码会话，适合长任务。

这套机制适合谁？适合已经在 OpenClaw 里跑单 agent、想扩展到多 agent 并行的人；适合用 acp 做代码类长任务、需要跨会话续跑的人；也适合想把模型调用统一走一个 API 通道、不想每个 agent 单独配 Key 的人。下面我把 config.toml 骨架、TaoToken 统一 Key 接入、以及逐步验证动作全部拆开讲，你照着改就能跑通。

2. 前置：TaoToken 统一 Key 与 API 通道

多 subagent 场景下最烦的事情之一是每个 agent 都要单独配模型凭证。我的做法是统一走 TaoToken 的 API 通道，一个 Key 覆盖所有会话。TaoToken 的 API 地址是 https://taotoken.net/api ，兼容 OpenAI 风格的调用方式，OpenClaw 的模型配置里直接填这个 base URL 就行。

先去控制台建一个 Key。打开 https://taotoken.net/console ，在 API Keys 页面创建一个新 Key，复制出来。这个 Key 后面会写进 config.toml 的模型段，主 agent 和所有 spawn 出来的 subagent 共用它。如果你还没决定用哪个模型，可以先在模型对话页面试一下手感，确认模型能正常响应再写进配置。

这里有个细节：sessions_spawn 的 schema 里有 model 和 thinking 两个可选参数，意味着你可以在 spawn 的时候给子 agent 指定不同的模型。但底层凭证还是走同一个 TaoToken Key，不需要为每个模型单独建 Key。这就是统一通道的价值——模型可以换，Key 不用动。

注意：Key 只存在服务端配置文件里，不要写进任何会提交到代码仓库的文件。config.toml 建议加进 .gitignore。

3. 可复制的 config.toml 骨架

下面这份骨架是我实测能跑通 sessions_spawn + sessions_send 的最小配置。重点看 tools.agentToAgent 和模型段，这两块决定了跨 agent 通信能不能成。

# config.toml —— OpenClaw 多 subagent 协作骨架 [model] # 统一走 TaoToken API 通道 base_url = "https://taotoken.net/api" api_key = "sk-你的TaoToken密钥" default_model = "claude-sonnet-4-20250514" [tools] # 开启 agent 间通信，sessions_send 跨 agent 发送的前提 [tools.agentToAgent] enabled = true # 白名单：左边是发起方 agentId，右边是目标 agentId allow = [ ["main", "worker-a"], ["main", "worker-b"], ["worker-a", "main"], ["worker-b", "main"], ] [sessions] # 会话可见性：spawned 表示只能看到自己派生的会话 visibility = "spawned" # ping-pong 最大轮次，控制 A2A 来回次数，防止死循环 max_ping_pong_turns = 6 [spawn] # 默认运行时，可被 sessions_spawn 的 runtime 参数覆盖 default_runtime = "subagent" # 默认模式：run 单次，session 持久 default_mode = "run" # 子 agent 默认超时（秒） default_timeout_seconds = 120

几个关键点解释一下。tools.agentToAgent.enabled 必须为 true，否则 sessions_send 在跨 agent 时会直接返回 forbidden，报错信息是 “Agent-to-agent messaging is disabled”。allow 列表是成对的方向声明，main 发给 worker-a 要写一条，worker-a 回传给 main 还要再写一条，方向是单向的，别只写一半。

sessions.visibility 设成 spawned 时，sessions_send 的 restrictToSpawned 逻辑会生效——子 agent 只能给自己派生出来的会话发消息，不能乱窜。这在多租户或者多任务并行时是安全边界。max_ping_pong_turns 控制 A2A 流程的最大往返轮次，设太小会导致子 agent 还没回传完就被截断，设太大又可能来回刷。6 是我试下来比较稳的值。

4. 逐步验证：从 spawn 到 send 回传

配置写完别急着上复杂任务，先用最小动作验证链路。我把它拆成四步，每步都有明确的预期结果。

第一步，验证 sessions_spawn 能拉起子 agent。在主会话里让模型调用 spawn，参数用 runtime=subagent、mode=run：

{ "tool_call": { "name": "sessions_spawn", "arguments": { "task": "计算 1 到 100 的和，只返回数字", "label": "sum-test", "runtime": "subagent", "mode": "run", "runTimeoutSeconds": 60 } } }

预期返回里要有 status: ok、runId、childSessionKey 三个字段。childSessionKey 形如 subagent:abc123，这是子会话的定位符。如果这里返回 error，先看 task 是不是空，task 是必填的。

第二步，验证子 agent 能通过 sessions_send 回传。子 agent 执行完后，用 label 定位主会话发消息：

{ "tool_call": { "name": "sessions_send", "arguments": { "label": "main", "message": "sum-test 完成，结果 5050", "timeoutSeconds": 30 } } }

注意这里用的是 label 而不是 sessionKey。sessions_send 支持两种定位方式，但两者不能同时传，同时传会返回 “Provide either sessionKey or label (not both)”。用 label 时，底层会调 gateway 的 sessions.resolve 方法把 label 解析成真实的 sessionKey，解析不到就报 “No session found with label”。

第三步，验证主会话能收到回传。主会话这边需要配合 sessions_yield。spawn 之后主 agent 调 yield 结束当前回合，子 agent 的回传会作为下一条消息进来：

{ "tool_call": { "name": "sessions_yield", "arguments": { "message": "等待 sum-test 子任务回传" } } }

预期返回 status: yielded。之后主会话应该收到子 agent 发来的 “sum-test 完成，结果 5050”。如果一直收不到，检查 allow 白名单里有没有 worker 回传 main 的那条方向。

第四步，验证 acp 运行时的 resumeSessionId。如果你用 acp 做代码任务，spawn 时带上 resumeSessionId 可以续跑已有会话：

{ "tool_call": { "name": "sessions_spawn", "arguments": { "task": "继续上次的重构任务，处理 utils 模块", "runtime": "acp", "resumeSessionId": "你的-codex-session-uuid", "mode": "session", "thread": true, "streamTo": "parent" } } }

acp 运行时返回的是 threadId 而不是 childSessionKey。streamTo=parent 让子会话的流式输出直接打到父会话，适合需要实时看进度的编码任务。但记住 acp 不支持 attachments，传了会报 “attachments are currently unsupported for runtime=acp”。

5. 本篇常见错排查

报错一：Agent-to-agent messaging is disabled。这是 tools.agentToAgent.enabled 没开，或者 allow 列表里缺了对应方向。sessions_send 在跨 agent 时会先查 a2aPolicy.enabled，再查 isAllowed(requesterAgentId, requestedAgentId)。两个都过才放行。补上白名单方向即可。

报错二：Provide either sessionKey or label (not both)。你同时传了 sessionKey 和 label。二选一。如果目标会话是动态创建的，用 label 更稳；如果已经拿到明确的 sessionKey，直接传 sessionKey 省一次 resolve 调用。

报错三：streamTo is only supported for runtime=acp。你在 subagent 运行时用了 streamTo。streamTo 是 acp 专属参数，subagent 不支持流式回传。要么换 runtime=acp，要么去掉 streamTo。

报错四：resumeSessionId is only supported for runtime=acp。同理，恢复会话是 acp 的能力，subagent 每次都是全新会话。想续跑必须用 acp。

报错五：Session not visible from this sandboxed agent session。这是 restrictToSpawned 生效了。当 sessions.visibility=spawned 时，子 agent 只能给自己派生的会话发消息。如果你在子 agent 里想给一个不是它派生的会话发消息，会被拦。要么调整 visibility，要么确认发送方和目标方的派生关系。

报错六：sessions_spawn does not support “xxx”。spawn 的 schema 里有一批不支持的参数键，传了会直接抛 ToolInputError。比如你想用 spawn 直接往渠道发消息，那是不行的，spawn 只管创建会话，发消息用 sessions_send。

6. 把链路跑顺之后

链路跑通之后，你会发现多 subagent 协作的瓶颈往往不在 spawn 本身，而在回传的时序控制。max_ping_pong_turns 和 timeoutSeconds 这两个参数决定了整个 A2A 流程的节奏。我一般把子任务的 runTimeoutSeconds 设得比主会话的等待超时短一点，这样子任务先超时返回错误，主会话还有时间做降级处理，而不是两边一起挂。

如果你打算长期跑多 agent 编码任务，建议把模型调用统一收敛到 TaoToken 的 Coding Plan，这样 spawn 出来的每个子 agent 都走同一个额度池，不用逐个配 Key。接入文档里有完整的参数说明，排障时对着看比翻源码快。模型对话页面可以快速验证某个模型在当前 Key 下能不能正常响应，省得在 config 里改来改去试。