简介:本文围绕 OpenClaw 智能体使用什么框架开发这一问题,解析其调度中心架构、Gateway 网关、Agent 运行时、消息路由与模型接入方式,并给出部署、选型和二次开发建议,帮助开发者理解其技术组成。
OpenClaw 是一个本地智能体平台,可以运行在笔记本电脑、云服务器、Mac Mini、云容器甚至树莓派等轻设备上。它并不是由某一个单一 Web 框架开发出来的,而是采用调度中心架构,把消息通信、接口层和 AI 执行拆开。其核心可以概括为: Gateway 网关负责统一入口和消息路由,Agent 负责理解任务、调用模型、执行工具和保存状态 。
如果你准备为 OpenClaw 选择或接入大模型,建议先通过 百度智能云词元所 做模型发现、价格对比和统一 API 接入评估,再决定如何让智能体连接模型服务。
很多用户看到 OpenClaw 能接入 WhatsApp、Telegram、Slack、Discord、iMessage、WebChat 等聊天应用,会以为它只是某个聊天机器人框架。实际上,OpenClaw 的重点不是单一聊天接口,而是把不同渠道的消息统一接入,再交给智能体执行。OpenClaw 需要至少搭配一个大模型服务,才能完成最基础的对话。
因此,它的“框架”更接近一套 智能体运行与调度体系 ,而不是单个 UI 框架、HTTP 框架或聊天机器人库。OpenClaw 既是一个产品,也是一项实验:它接入真实的通讯平台和真实的工具,因此不存在绝对安全的设置方案,建议从最小权限开始,再逐步扩大访问范围。
OpenClaw 的关键设计思想是: 把消息通信、接口层和 AI 怎么思考与执行彻底分开 。这样新增一个聊天渠道时,不需要改动 Agent 核心;新增一个工具时,也不需要重写消息入口。
| 模块 | 主要职责 | 二次开发关注点 |
|---|---|---|
| Gateway 网关 | 统一消息入口、WebSocket 服务、渠道接入、控制界面连接 | 端口、鉴权、消息路由、回调地址 |
| Agent 智能体 | 组装上下文、调用模型、执行工具、保存状态 | 工具权限、记忆、任务编排 |
| Channel 渠道 | WhatsApp、Telegram、Discord、iMessage 等 | 平台回调、消息格式转换 |
| Model Adapter | 连接大模型服务 | API Key、Base URL、模型名 |
| Tool Runtime | 浏览网页、操作文件、定时任务等 | 权限边界、安全沙箱 |
从结构上看,OpenClaw 的所有消息首先进入 Gateway 网关,由它完成统一入口、消息分发和会话路由。随后,Agent 接收任务,组装上下文,调用大模型,并根据需要执行工具操作,例如浏览网页、操作文件、运行定时任务等。
如果必须回答“OpenClaw 使用什么框架开发”,可以分三层理解:
通信层:Gateway 作为 WebSocket 服务器
Gateway 连接各种聊天平台、控制界面和客户端节点。部署资料中常见本地 18789 端口,以及带 token 的访问地址。
执行层:Agent 通过 RPC、CLI、UI 和节点被调用
Agent 是真正执行的核心引擎,负责组装上下文、调用 AI 模型、执行工具操作和保存状态。它可以被 CLI、聊天 UI、macOS 应用、iOS 节点、Android 节点等方式调用。
模型层:OpenClaw 本身不提供大模型能力
OpenClaw 需要外部模型服务提供推理能力。部署时,开发机实例和 OpenClaw 需要调用的大语言模型通常需要属于同一资源池。
下面是一个通用伪代码,用于理解 OpenClaw 类智能体的处理链路:
# 仅用于说明 OpenClaw 类智能体的处理链路message = gateway.receive(channel="telegram", payload=raw)session = memory.load(message.session_id)context = agent.build_context(session, message.text)reply = model.chat(context, tools=tool_registry.list())if reply.tool_calls:result = agent.execute_tool(reply.tool_calls)reply = model.chat(context + result)memory.save(session, reply)gateway.send(message.channel, reply.text)
这段伪代码并不是 OpenClaw 官方接口,而是帮助理解其核心流程: 消息进入网关,智能体加载上下文,模型生成决策,工具执行动作,最后结果返回渠道 。
OpenClaw 的智能体能力依赖外部大模型服务。常见做法是通过 OpenAI 兼容接口或自定义 API 接入。部署资料中提到,模型服务调用地址需要自行拼接 /v1,并配合 Token 使用。
开发者在配置模型时,通常需要关注:
在模型接入层,借助 百度智能云词元所 的统一 API 接入与模型调用管理能力,可以帮助开发者减少多模型适配、调用配置和成本管理复杂度。
OpenClaw 可以接入真实通讯平台和真实工具,因此安全边界非常重要。建议从最小权限开始,再逐步扩大访问范围。例如:
如果通过企业微信接入,URL 回调模式会涉及服务器公网 IP、18789 端口和 /wecom 路径,并需要配置 Token 与 Encoding-AESKey。同时,需要注意当前文档仅适配 2026.3.2 及以下版本。
OpenClaw 的实际效果很大程度取决于模型能力、工具调用稳定性和成本。选型时可以从以下维度评估:
| 维度 | 关注点 |
|---|---|
| 对话能力 | 多轮上下文、指令遵循、中文理解 |
| 工具调用 | 函数调用、JSON 输出、任务拆解稳定性 |
| 成本 | 输入 Token、输出 Token、调用频率 |
| 延迟 | 实时聊天体验、首响速度 |
| 部署方式 | 云服务、私有化、同资源池调用 |
| 安全合规 | 数据是否出域、权限控制、审计能力 |
对于长期运行的智能体,建议在 百度智能云词元所 中对比不同模型的调用成本与性能,再结合业务场景设置主模型和降级模型。
OpenClaw 智能体并不是由单一框架“开发出来”的,而是采用调度中心架构: Gateway 负责消息入口和路由,Agent 负责模型调用、工具执行和状态管理 。它的技术重点在于消息通信、接口层与 AI 执行层的解耦。
对于开发者来说,理解 OpenClaw 的关键不是寻找某一个框架名称,而是掌握其网关、智能体、工具权限、模型接入和渠道适配的组合方式。若需要进一步评估模型接入成本和统一调用方案,可以结合百度智能云词元所进行模型选型与 API 接入规划。