Multi-Agent Coordinator 让主Agent创建并协调 Learner、Critic 等子Agent，突破单次对话限制，实现搜索、评估、决策等复杂任务的并行协作与结果整合。
说明：
## 核心用法
Multi-Agent Coordinator 是一套面向 OpenClaw 框架的 Agent 编排方案，允许主 Agent 动态创建并管理多个子 Agent（如 Learner、Critic），通过 `sessions_spawn` 创建 Agent、`sessions_send` 发送任务、`sessions_recv` 接收结果，最终整合多 Agent 输出形成完整答案。
**典型工作流**：
1. 主 Agent 接收用户复杂请求
2. 创建 Learner Agent 搜索最新信息
3. 创建 Critic Agent 评估建议质量
4. 整合结果，生成最终回复
## 显著优点
– **突破单次限制**：通过 one-shot Agent 串联实现多轮能力
– **职责分离**：Learner 专注信息获取，Critic 专注质量评估，避免单一 Agent 能力过载
– **并行潜力**：可异步创建多个子 Agent 处理不同子任务
– **框架适配**：针对 OpenClaw 的 `mode=”run”` 限制提供成熟应对策略
## 潜在局限
| 限制类型 | 说明 |
|———|——|
| 持久化缺失 | 子 Agent 为 one-shot，每次需重新创建，无法维护长期状态 |
| 通信成本 | Agent 间通信引入额外延迟（建议 Critic 超时 30 秒） |
| 调试复杂度 | 多 Agent 流转增加问题定位难度 |
| 框架绑定 | 深度依赖 OpenClaw 特定 API，迁移成本较高 |
## 适合人群
– OpenClaw 生态开发者
– 需要实时信息检索 + 质量评估的 AI 应用
– 探索 Multi-Agent 架构的研究者与工程师
## 常规风险
– **超时风险**：Critic Agent 易超时，需严格控制 prompt 长度（<200 字）
– **状态管理**：无内置共享内存，需配合 ontology Skill 实现外部记忆
– **结果一致性**：子 Agent 输出格式不稳定，主 Agent 需做好容错解析
