实战 07:简易 OpenClaw——Gateway、Session、Channel 与身份模型

2026-09-01
19577 分钟
...

1、本篇任务:从单渠道扩展为多客户端 Gateway

单渠道版已解决 webhook 可靠性。本篇将 Gateway 定义成中心控制平面:多个 Channel Adapter、Control UI/CLI、Agent Runtime 和设备节点都通过版本化协议连接,共享身份、Session 与事件模型。

2、Gateway 拓扑

Telegram / Slack / Discord adapters ─┐
Control UI / CLI / Mobile clients ───┼→ Gateway Protocol
Paired device / execution nodes ─────┘
                                      ├─ Identity & Roles
                                      ├─ Session Registry & Ownership
                                      ├─ Agent/Tool/Skill Catalog
                                      ├─ Scheduler & Event Bus
                                      └─ Persistence / Audit

Channel Adapter 只负责渠道协议;Gateway 负责统一路由;Agent 不直接持有渠道 token。新增渠道不能复制一套 Session 或权限实现。

3、版本化协议

连接建立时 client 声明 protocol version、client type、capabilities 与认证;Gateway 返回 accepted version、server capabilities 和 session scope。请求采用 id/method/params,响应关联 id,事件无请求 id 但带全局或 scope sequence。

type RpcRequest = { id: string; method: string; params: unknown };
type RpcResponse = { id: string; ok: boolean; result?: unknown; error?: { code: string; message: string } };
type GatewayEvent = { seq: number; topic: string; scope: string; payload: unknown };

未知 method 返回稳定错误;未知事件由旧客户端安全忽略。能力协商避免客户端调用 Server 未实现功能。

4、身份、设备和角色

Channel peer、Control UI 用户和 paired device 是不同 principal。认证后映射到内部 identity/role/scopes;device token 不应自动等于用户管理员权限。

principalrolescopesresource policy
operator.read查看自己的 Session
operator.write发消息批准动作
admin配置Channel角色与审计
node.execute仅接受匹配 node policy 的任务

角色变化立即使旧连接重新认证。互不信任的租户不共享一个 Gateway 作为强安全边界,应拆独立实例/主机。

DM scope 可选 main、per-peer、per-channel-peer、per-account-channel-peer。个人助理可 main;多用户必须至少 per-channel-peer。群、频道、thread/topic 始终使用独立 key。

同一真人跨渠道需要显式、已验证 identity link,不能按 display name 或邮箱猜测合并。合并前审计已有 Session/Memory,避免把两个不同用户数据拼在一起。

6、Thread Binding 和 Session Ownership

Discord thread、Telegram topic 等可绑定某 Session,并设置 idle/max age。Router 收到新消息先查绑定,再按 scope 建 key。Session 同时只能有一个 owner worker;ownership 使用租约,崩溃后可回收。

unownedclaimed(runId, leaseUntil) → active
waiting_input可释放/保留策略
completed / expired

所有 enqueue、steer、cancel、move 操作检查当前 revision,防止两个客户端同时改变运行状态。

7、多渠道能力差异

Adapter 暴露 capability:最大文本长度、线程、按钮、编辑消息、typing、文件、语音、reaction。Renderer 根据 capability 降级:无按钮的渠道用一次性确认码;不能编辑消息则节流发送状态;长 Markdown 按渠道语法安全切分。

不要在核心 Agent prompt 中写大量渠道分支。Gateway runtime 提供标准 reply surface,Adapter 处理表现。

8、事件订阅和重连

Control Client 订阅允许 scope 的 Session/Channel/Job 事件,带 last seq 重连。Gateway 对不同角色过滤 payload;“private state”不会因为事件协议自动保密,必须字段 allowlist。

客户端先 snapshot 后订阅,处理 snapshot 与事件之间的 revision;窗口过期重新 snapshot。不可通过列举 Session ID 读取他人历史。

9、跨 Session 工具与子 Agent

sessions_list/history/send/spawn 等能力要受可见范围和 tool profile 限制。子 Agent 默认新隔离 Session,父只获得状态、结果和 artifacts;跨 Session send 记录 source/target/actor,限制循环消息和 fan-out。

10、测试

同一用户跨两个已绑定渠道按策略共享/隔离;同 display name 不自动合并;群 thread binding 过期后新建 Session;两个 worker 争抢 ownership 只有一个成功;旧客户端忽略新事件;角色撤销后连接不能继续写;低权限用户看不到他人 Session;Channel 降级仍能完成审批。

官方参考:Gateway ArchitectureGateway ProtocolSession Management

如果您觉得这篇文章有帮助,请点个赞吧~

分享文章

相关文章

更多文章 →
AI2026-09-01
Deep Agents 01:何为 Agent Harness,以及如何开始
1、本篇任务:完成一份多步骤、带证据的技术调研 普通客服 Agent 的问题短、工具少、输出即时。技术调研或编码任务会持续很久,产生计划、搜索结果、文件和中间结论。Deep Agents 在 LangChain/LangGraph 之上预装规划、虚拟文件系统、上下文压缩和子 Agent,适合这类开放任务。 本课让 Agent 比较两种向量数据库,并交付一份可验证报告。 2、什么时候需要 Deep Agent 满足以下两项以上再考虑:任务...
学习
AI2026-09-01
Deep Agents 02:子 Agent、虚拟文件系统与长期记忆
1、本篇任务:让主管只看结论,让子 Agent 处理细节 技术调研会产生几十次搜索和大量文件。如果全部进入主管上下文,真正的目标会被噪音淹没。本课用两个子 Agent: 收集证据, 检查结论;主管负责计划与最终合成。 2、什么时候委派,什么时候直接调用工具 适合委派:子任务有多步;需要专门提示或工具;会产生大量中间结果;只需返回有限结论。不适合:一步查询;主管需要全部中间上下文;协调成本超过任务本身。 3、配置专门子 Agent Pyt...
学习
AI2026-09-01
Deep Agents 03:生产化、Sandbox、权限与上线验收
1、本篇任务:让 Deep Agent 在隔离环境中分析代码 只读研究 Agent 风险有限;编码 Agent 需要读写文件、安装依赖和执行测试。本课不讲如何让模型写更漂亮的代码,只讲执行环境、权限、恢复和上线验收。 2、先做威胁模型 资产包括源代码、用户文件、云凭证、生产网络和发布权限;攻击入口包括用户消息、仓库内容、网页、依赖包、MCP 返回和命令输出。 Prompt injection 不是靠一句 system prompt 解决...
学习
AI2026-09-01
LangChain 01:全景、原理与学习路线
1、本篇学完要得到什么 这一篇只解决三个问题:LangChain 到底负责什么;它与 LangGraph、Deep Agents、LangSmith 是什么关系;后面应按什么顺序学习。 贯穿整套课程的项目是“退款政策与订单助手”。它最终能够:回答知识库中的退款规则;查询当前用户的订单;生成结构化答复;对真正的退款操作进行人工审批;断线后恢复;通过评测后发布。 先记住一句话: 模型负责理解与生成,应用负责数据、权限、状态和副作用。 如果把...
学习
AI2026-09-01
LangChain 02:模型、消息与结构化输出
1、本篇任务:让模型输出成为程序可以依赖的合同 上一课只证明 Agent 能运行。本课暂时不接业务工具,只完成一个“客服分诊器”:输入用户问题,输出意图、紧急程度、是否需要人工和给用户的答复。 本课的核心不是学更多模型参数,而是理解三层合同:消息决定模型看到了什么;schema 决定程序期待什么;业务校验决定结果是否真的可用。 2、消息不是一段字符串,而是一条执行记录 一次工具型对话通常包含四种消息: | 类型 | 由谁产生 | 作用...
学习
AI2026-09-01
LangChain 03:工具与 Agent——从函数到可控行动
1、本篇任务:让 Agent 安全地读取订单 上一课得到结构化分诊结果,但模型不知道真实订单。本课增加一个只读工具 ,走通完整 Agent 循环,并把模型、工具包装和领域服务的责任分开。 完成后,用户问“我的 A100 发货了吗”,Agent 会选择工具;工具只按当前登录用户查询;模型基于工具结果回答。它仍然不能退款,因为我们没有提供写工具。 2、工具的本质是受 schema 约束的应用函数 一个好工具需要:稳定名称、清楚描述、窄输入...
学习

评论

请登录后发表评论

去登录
加载评论中...

目录