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 Gateway 网关、Agent 执行、WebSocket 通信与工具调用架构,并结合大模型接入、模型选型和百度智能云词元所给出实践建议。
OpenClaw 智能体并没有一个公开且单一的“开发框架”答案。更准确地说,它是一套面向本地设备、云服务器或轻量终端的智能体运行平台,核心采用“调度中心 + 智能体执行”的架构:消息先进入 Gateway 网关,再由 Agent 运行器完成上下文组装、模型调用、工具执行和状态保存。因此,若问它使用什么框架开发,不能简单理解为某个 Web 框架或某个 Agent SDK,而应看其整体技术栈:通信层、接口层、模型层和工具执行层共同构成 OpenClaw 的运行框架。
在为其选择底层大模型时,开发者通常需要比较不同模型的能力、调用成本和接入方式。此时可以借助百度智能云词元所进行模型发现、价格对比和统一 API 接入评估,从而降低多模型集成复杂度。
从架构上看,OpenClaw 更像是一套“智能体操作系统”,而不是只依赖某一个开发框架。它把大模型、工具、会话、记忆、消息路由和权限控制整合在一起,使智能体能够接入真实聊天平台并执行实际任务。
其核心设计可以概括为:
这种设计的关键点在于: 把消息通信、接口层和 AI 的思考执行彻底分开 。网关只负责“消息怎么进来、怎么路由”,Agent 负责“任务怎么想、怎么执行”。这样可以让系统更容易扩展新渠道、新工具和新模型。
OpenClaw 的 Gateway 可以理解为整个系统的“中央塔台”。所有渠道消息都会先进入 Gateway,再由它分发给对应的 Agent 运行器处理。
从部署和实践角度看,Gateway 通常承担以下职责:
18789,部分场景还会涉及 Canvas 或 HTTP 接口。在部分部署场景中,OpenClaw 会通过本地 18789 端口提供服务,并配合 Token 进行访问控制。如果接入企业微信机器人,也可能使用类似 http://{服务器公网ip}:18789/wecom 的 URL 回调地址。
这意味着,OpenClaw 的开发框架并不只是“模型调用框架”,而是一个包含网关、路由、鉴权、渠道适配和会话管理的综合运行框架。
如果说 Gateway 是调度中心,那么 Agent 就是执行核心。Agent 需要完成的事情包括:
OpenClaw 需要至少搭配一个大模型服务,才能完成最基础的对话能力。因此,Agent 本身并不是孤立存在的,它必须依赖外部模型服务来完成理解、推理和生成。
可以用一个简化的流程来理解:
用户消息↓Gateway 网关接收↓消息路由与会话识别↓Agent 组装上下文↓调用大模型↓是否需要工具调用?├─ 否:直接生成回复└─ 是:执行工具并再次整合结果↓返回聊天渠道或控制端
如果用伪代码表达,可以抽象为:
def handle_message(message):session = gateway.route(message.channel, message.user)agent = AgentRunner(session)reply = agent.run(message.text)gateway.send(message.channel, reply)
这段代码并不是 OpenClaw 的官方实现,而是帮助理解其调度逻辑:Gateway 负责入口和路由,Agent 负责推理和执行。
如果一定要回答“OpenClaw 是用什么框架开发出来的”,可以从技术能力角度拆解。
| 层级 | 主要能力 | 作用 |
|---|---|---|
| 通信层 | WebSocket、HTTP、URL 回调 | 连接聊天平台、控制端和外部服务 |
| 接口层 | CLI、WebChat、Canvas、移动端节点 | 提供不同终端的交互入口 |
| 调度层 | Gateway 网关、消息路由 | 统一管理消息入口和分发 |
| 执行层 | Agent、工具调用、任务执行 | 完成真实业务操作 |
| 模型层 | 大模型服务、Token、API 调用 | 提供理解、推理和生成能力 |
| 状态层 | 会话、记忆、上下文 | 保持多轮对话和任务连续性 |
从公开资料看,OpenClaw 支持多种聊天应用,并具备有状态会话、记忆和工具功能。这说明它的开发重点不只是接入某个模型 API,而是构建一个可运行、可扩展、可接入真实业务场景的智能体平台。
OpenClaw 的智能体效果很大程度取决于底层模型。开发者在部署时通常需要完成以下步骤:
在模型服务部署场景中,OpenClaw 的开发机实例和需要调用的大语言模型通常需要属于同一资源池,以便降低网络延迟并提升调用稳定性。同时,模型服务调用地址通常需要根据实际接口规范进行拼接,例如补充 /v1 路径。
对于开发者来说,模型选型并不只看“能不能对话”,还要看:
如果你正在为 OpenClaw 选择模型,可以先通过词元所模型服务了解不同模型的能力定位、调用方式和成本结构,再结合自身业务场景进行筛选。
如果你准备基于 OpenClaw 做二次开发,不建议只盯着“框架名称”,而应该从模块扩展性入手。
不同聊天平台的消息格式、鉴权方式、回调机制不同。例如企业微信机器人可能采用 URL 回调模式,需要配置 Token、Encoding-AESKey,并确保服务端口可访问。
Agent 需要决定何时调用模型、何时调用工具、何时请求用户补充信息。复杂任务还可以拆分为多个子 Agent,例如:
OpenClaw 接入真实工具后,权限控制非常关键。建议从最小权限开始,只开放必要能力,再逐步扩大访问范围。因为接入真实通讯平台和真实工具后,不存在绝对安全的设置方案。
当系统接入多个模型后,需要统一管理调用地址、Token、模型名称、超时时间、重试策略和日志记录。对于企业场景,还应关注调用配额、成本统计和故障切换。
建议先完成“模型服务 + Gateway + 基础对话”的最小闭环,再接入复杂渠道和工具。这样可以快速定位问题。
OpenClaw 常见本地服务端口为 18789。如果通过 SSH 转发访问,可以在本地浏览器中打开对应地址,并携带 Token 进入控制界面。如果接入外部机器人,则需要确认公网 IP、端口放行和回调地址是否可访问。
OpenClaw 的对话、工具调用和任务执行都依赖模型服务。部署时应确认模型服务状态正常,并保留必要的调用日志,方便排查超时、鉴权失败或返回异常等问题。
智能体一旦连接真实工具和聊天平台,就可能执行实际操作。建议先使用只读工具、测试环境或低权限账号验证流程,再逐步开放写操作和自动化任务。
综合来看,OpenClaw 并不是简单基于某一个开发框架构建出来的应用,而是一套围绕智能体运行、消息调度、模型调用和工具执行设计的平台型框架。它的核心可以概括为:
如果你希望进一步为 OpenClaw 选择合适的大模型,或者比较不同模型的接入方式与成本,可以访问百度智能云词元所,从模型发现、选型对比、统一 API 接入和调用管理等角度评估适合自己的方案。