Agents API
Agents API 是什么?¶
随附的 agentsapi 插件将 OpenClaw 内置的代理执行框架替换为 Agents API 执行框架,后者底层使用 Codex 执行框架。代理执行框架运行在 OpenAI 云端。它管理对话,以及调用模型、使用工具、继续任务的循环。
OpenClaw 将该执行框架连接到你的聊天渠道、个人指令、记忆和已配置的工具。你可以继续通过同样的渠道与你的助手互动,进度、回复和生成的文件都会回传到对话中。
按照本指南中的托管方案,OpenAI 还会提供你的代理运行代码和处理文件所需的 Linux 环境。你可以让它分析数据、研究某个主题或生成文件,然后通过后续消息优化结果,无需单独准备一台执行机器。
你可以做什么¶
- 运行代码和分析数据。让代理使用 Python、Node.js 或 shell 命令来计算结果、处理数据集或自动化任务。
- 在聊天中处理文件。发送文档或数据文件,让代理对其进行转换,然后从其回复中下载最终输出。
- 调研并使用已连接的工具。将内置网络搜索与你启用的 OpenClaw 工具、记忆以及已连接的 MCP 服务器结合使用。
- 通过后续消息持续推进。在同一段对话中优化结果、添加另一个文件,或在任务运行期间调整工作方向。
- 保留助手的上下文。新会话会收到你的 OpenClaw 人设(persona)和指令,让代理从一开始就能按照你的偏好工作。
托管方案面向个人的单用户 Gateway。如果你希望命令在你管理的基础设施上运行,请参阅自托管执行。
设置 Agents API¶
首先,你需要一个可正常运行的 OpenClaw Gateway 和一个聊天渠道。此外,你还需要一个 OpenAI API 密钥,以及一个可供你的 Agents API 项目使用的模型。
1. 使用 API 密钥登录¶
运行:
使用一个具备 Agents 和 Responses 读写权限以及 Models 读取权限的密钥。运行时使用官方 https://api.openai.com/v1 端点,并采用 openai-responses 适配器。有关身份验证的帮助,请参阅 OpenAI 设置。
请求会通过 User-Agent: openclaw/<version>、originator: openclaw 和 version: <version> 标识 OpenClaw,使用与其他原生 OpenAI 请求相同的归属标头。
2. 启用插件并选择模型¶
将以下配置合并到现有的 openclaw.json 中,同时保留你的渠道设置和其他插件。将两处的 YOUR_MODEL_ID 替换为你的 Agents API 项目中可用的模型。
{
plugins: {
entries: {
agentsapi: { enabled: true },
},
},
agents: {
defaults: {
model: { primary: "openai/YOUR_MODEL_ID" },
models: {
"openai/YOUR_MODEL_ID": { agentRuntime: { id: "agentsapi" } },
},
},
},
}
如果你使用了 plugins.allow,请将 agentsapi 和 openai 添加到该列表中。启用插件即可使其可用;模型的 agentRuntime 设置会为对话选择该运行时。有关提供商和每个代理的模型设置,请参阅运行时配置。
3. 开始对话并尝试一个任务¶
通过你惯常的 Gateway 工作流应用该配置。在聊天渠道中发送 /new,然后尝试:
使用 Python 计算从 1 到 100 的平方和,并告诉我结果。
查看计算结果 338350。这验证了从你的聊天到托管代码执行再返回的完整链路。然后让代理对从 1 到 200 重复同样的计算,以在同一会话中尝试后续消息。你可以前往处理文件和工具体验附件和生成的文件。
继续任务¶
后续消息会使用同一个 Agents API 会话。你可以要求代理修改答案、处理另一个附件,或执行下一步。在代理工作期间发送消息可以改变它的工作方向;停止任务会取消其远程轮次。
新会话会收到你的 OpenClaw 指令和人设(persona),包括 AGENTS.md、SOUL.md 以及你的用户上下文。编辑这些指令后,发送 /new 或 /reset,即可以更新后的上下文开始对话。你启用的记忆工具也可以通过 Gateway 搜索和调取信息。
处理文件和工具¶
在消息中附加一个文件,并描述你想要的结果。例如:
按月汇总这个 CSV,然后把包含总计的新 CSV 发给我。
附件会到达代理的托管工作区。要接收生成的文件,请让代理将其保存到 /workspace/outputs 下,并在回复中返回该文件。请下载你想要保留的输出:托管工作区与你的 Gateway 文件相互独立,保存对话并不能保证文件会被永久存储。
新会话中可使用内置网络搜索。你启用的 OpenClaw 工具和插件工具仍会在你配置的工具策略下保持可用,包括记忆搜索和回忆。你还可以通过 MCP 连接远程工具;请参阅下方MCP 连接。
高级配置与参考¶
以下各节介绍存储、工具连接、自托管执行以及当前限制。上面的设置足以让你开始使用托管环境。
文件与存储¶
传入的文件会放在 /workspace/inputs 中。随已完成的回复返回的文件来自 /workspace/outputs。传输支持每个文件最大 5 MiB、总计 10 MiB,以及每个轮次每个方向最多 50 个文件。
你的 Gateway 工作区与托管文件系统的用途不同。指令以上下文形式提供;当代理需要在工作区中使用这些文件的内容时,请将文件作为附件发送。有关环境生命周期和存储行为,请参阅托管环境指南。
MCP 连接¶
在 mcp.servers 中配置远程 MCP 服务器,或在已启用插件的 MCP 捆绑包中使用 streamable-http 传输。托管环境必须能够访问该服务器的 URL。需要时提供 HTTP 身份验证请求头;localhost 指的是托管环境。
更改 MCP 配置或凭据后,使用 /new 或 /reset 开始新对话。
插件参考
包含连接设置、请求头参考和工具过滤器。
自托管执行¶
对于在你自己的基础设施上运行的命令,请配置一个自托管环境,使用由操作员管理的执行器控制器和匹配的工作区路径。
hostExecutorSkillDirectories 可以暴露安装在该执行器上的技能目录。
环境设置参考
涵盖控制器先决条件、附件暂存和会话重置。
会话设置和诊断¶
使用 /new 或 /reset 以采用对会话指令、MCP 连接或 reasoning-summary 显示的更改。这些命令会在下一条消息时开始新会话。远程历史和工作区资源仍通过 Agents API 管理。
OpenClaw 会显示进度,并在其常规转录中记录对话和工具历史。频道设置控制进度和推理可见性。当 API 可用时,会报告 token 用量;它衡量的是用量,而不是剩余上下文容量。
要进行端到端设置检查,请使用上面的 Python 计算。
openclaw models status --probe 检查模型身份验证,而不是完整的 Agents API 会话。
当前限制¶
这些限制描述了当前的 OpenClaw 集成,并可能随着支持扩展而变化。
- 身份验证: ChatGPT 订阅身份验证、自定义端点以及自定义请求传输覆盖不受 Agents API 运行时支持。请使用上面的 API-key 设置。
- 托管环境设置: 该插件不暴露托管技能安装,也不暴露操作员配置的启动命令、软件包、环境变量或环境模板。Gateway 脚本、仓库和技能目录不会自动复制到托管环境中。自托管执行器必须由操作员部署。
- 指令和技能: 对工作区指令或角色设定的更改需要新会话。Gateway 技能文件访问、技能目录投递以及插件命令 Prompt 注册目前尚不受此运行时支持。
- 代理功能: 原生委派(包括
ultra委派)和原生会话分叉不受支持。原生 Codex 项目发现、协作和延迟工具搜索不适用于此运行时。 - 图像和运行时自定义: 图像输入、图像生成、Gateway 沙箱放置和自定义上下文引擎不受支持。
- MCP 连接: Stdio、旧版 SSE、请求方作用域连接和自定义 TLS 设置不受支持。Gateway OAuth 配置文件不会被转发。不支持的定义会被记录并省略,回合可以在没有不可用服务器的情况下继续。
- 工具限制和钩子: 限制原生 shell、文件或网络搜索功能的策略会在回合开始前被拒绝。Hook
toolsAllow限制不会被强制执行;如果你依赖这些逐回合限制,请使用其他运行时。Gateway 工具策略仍然适用。Steering 和隔离补全不会运行会话 Prompt 钩子。 - 历史和诊断: 不会提供结构化计划、diff、压缩事件、原生子代理事件以及执行前审批或钩子事件。在工具结果仍在到达时,历史可能不完整或顺序错乱。可以看到网络搜索活动,但没有结果正文或摘要。命令退出事实可能不可用,并且 token 用量不能确定剩余上下文容量。
- 重试: OpenClaw 可以在临时提供商故障后继续现有会话。它不会自动重放已接受的回合,因为命令或工具可能已经运行。
本页原文 Markdown:在 AtomGit 查看·内容源自开源项目 cl/openclaw