OpenClaw Skill Agency-agents 实战：从配置骨架到验证闭环

1. 为什么你的 Agency-agents 总是“看起来装了但没生效”OpenClaw 里的 Skill Agency-agents 是一套多 Agent 协作系统它把 61 个专业角色拆成工程、设计、市场、产品、测试等 8 个部门通过一个 orchestrator 做任务分解和调度。你输入一句“帮我开发一个 SaaS MVP”它会自动拆成前端、后端、数据库、支付、QA 验证等子任务再分派给对应 Agent 执行。适合谁适合已经在用 OpenClaw、想让多个专业角色协同干活的开发者尤其是做 MVP、企业功能模块、营销活动这类跨领域项目的人。但实际落地时很多人卡在同一个地方Skill 装完了config.toml和settings.json也写了一执行/openclaw skill use agency-agents却报错或者 Agent 根本没被调度起来。问题往往不在 Skill 本身而在配置骨架和 API 通道没对齐。这篇就按“配置骨架 → 接入统一 Key/API 通道 → 调用验证 → 报错排查”的顺序走一遍让你能自己判断 Skill 到底有没有生效。2. TaoToken 前置把统一 Key/API 通道准备好Agency-agents 的每个 Agent 在运行时都要调用模型如果每个 Agent 各配一套 Key管理成本会很高。更省事的做法是走一个统一的 API 通道所有 Agent 共用同一个入口。TaoToken 就是干这个的它提供一个兼容常见模型调用格式的 API 端点你只需要在配置里填一次 base_url 和 keyAgency-agents 里所有 Agent 的请求都会走这条通道。先拿到 Key。打开 https://taotoken.net/api-keys 创建一个 API Key复制出来。注意这个 Key 只在创建时完整显示一次先存到安全的地方。然后确认你的 API 端点。TaoToken 的 API 地址是 https://taotoken.net/api 不带任何多余路径。后面在settings.json里填 base_url 时就用这个。如果你还没决定用哪个模型可以先到 https://taotoken.net/models 看一眼可用模型列表再决定settings.json里的 model 字段填什么。想先手动试一下模型对话效果可以走 https://taotoken.net/chat 。3. 可复制配置config.toml 与 settings.json 骨架OpenClaw 的 Skill 配置分两层config.toml管 Skill 的启用和默认参数settings.json管运行时环境和 API 通道。下面这份骨架可以直接复制改掉 Key 就能用。3.1 config.toml 骨架[skills.agency-agents] enabled true default_department engineering qa_level 3 max_retries 3 verbose true [skills.agency-agents.orchestrator] enabled true auto_decompose true quality_gate true context_passing full [skills.agency-agents.memory] hot_memory_lines 100 warm_ttl_days 30 cold_ttl_days 90 namespace_inherit [global, domain, project]这里几个参数值得说明。qa_level控制质量检查严格度1 到 53 是默认档太高会导致每个任务反复重试。max_retries是 QA 失败后带反馈返回开发的最大次数超过就升级。verbose打开后会输出详细日志排查问题时很有用稳定后可以关掉。3.2 settings.json 骨架{ agency_agents: { api: { base_url: https://taotoken.net/api, api_key: sk-你的TaoTokenKey, model: claude-sonnet-4-20250514, timeout_seconds: 120, max_concurrent_agents: 4 }, runtime: { default_department: engineering, qa_level: 3, max_retries: 3, verbose: true }, memory: { hot_memory_path: ./memory/hot, warm_memory_path: ./memory/warm, cold_memory_path: ./memory/cold } } }base_url填 https://taotoken.net/api 不要在后面加/v1之类的路径否则会 404。api_key填你刚才创建的 Key。model填你要用的模型名具体可用值看模型列表页。max_concurrent_agents控制同时运行的 Agent 数量机器性能一般的话设 2 到 4 比较稳。3.3 环境变量覆盖可选如果你不想把 Key 写进文件可以用环境变量覆盖export AGENCY_AGENTS_API_KEYsk-你的TaoTokenKey export AGENCY_AGENTS_BASE_URLhttps://taotoken.net/api export AGENCY_AGENTS_DEFAULT_DEPARTMENTengineering export AGENCY_AGENTS_QA_LEVEL3 export AGENCY_AGENTS_MAX_RETRIES3 export AGENCY_AGENTS_VERBOSEtrue环境变量优先级高于settings.json适合在 CI 或临时调试时用。4. 验证请求确认 Skill 真的生效了配置写完不代表生效得实际跑一次调用看请求有没有打到 API 通道、Agent 有没有被调度起来。4.1 最小验证单个 Agent 调用先别上 orchestrator用最简单的单 Agent 调用验证通道/openclaw skill use agency-agents --agent frontend-developer 用一句话说明你会怎么创建一个 React 登录组件如果配置正确你会看到 Agent 返回一段带角色风格的回复同时终端里因为verbosetrue会打印出请求的 base_url、model、耗时。重点看两处一是请求 URL 是不是 https://taotoken.net/api 二是返回状态码是不是 200。如果 URL 不对说明settings.json没被加载如果状态码 401说明 Key 有问题。4.2 编排器验证多 Agent 调度单 Agent 通了之后再验证 orchestrator/openclaw skill use agency-agents --agent orchestrator 开发一个待办事项应用前端用 React后端用 Node.js数据库用 SQLite需要增删改查和基本测试正常的话你会看到任务被拆成多个子任务每个子任务分派给不同 AgentQA 环节会给出 PASS/FAIL 判断。如果只看到一个 Agent 在干活说明 orchestrator 没启用检查config.toml里[skills.agency-agents.orchestrator]的enabled是不是 true。4.3 成功结果长什么样一次成功的编排调用输出结构大致是[Orchestrator] 任务分解完成共 6 个子任务 [Senior PM] 任务规划前端组件、后端 API、数据库 schema、集成测试、QA 验证、交付报告 [Frontend Developer] 开始实现待办列表组件... [Backend Architect] 设计 RESTful API... [QA] 前端组件验证PASS [QA] 后端 API 验证PASS [Orchestrator] 全部任务通过生成交付报告看到PASS和最终交付报告基本可以确认 Skill 生效了。如果卡在某个任务反复重试看 QA 的反馈内容通常是任务描述不够具体导致的。5. 本篇常见错排查5.1 报错 401 Unauthorized最常见。原因就两个Key 填错或者 Key 没被正确加载。先确认settings.json里api_key字段没有多余空格再确认环境变量没有覆盖成空值。如果用了环境变量echo $AGENCY_AGENTS_API_KEY看一眼是不是你预期的值。5.2 报错 404 Not Found几乎都是base_url写错了。正确值是 https://taotoken.net/api 不要加/v1、不要加/chat/completions这些路径由 OpenClaw 内部拼接。如果你从别处复制了带路径的 URL删掉多余部分。5.3 Agent 没被调度只返回通用回复说明 Skill 没真正接管请求。检查三处config.toml里enabled true有没有写settings.json有没有放在 OpenClaw 能读到的路径执行命令时有没有带--agent参数。如果都没问题打开verbose看日志里有没有skill loaded: agency-agents这一行。5.4 QA 一直 FAIL任务卡住qa_level设太高比如 5会导致 QA 极其严格普通实现很难通过。先降到 3 试试。另外任务描述太模糊也会导致 QA 无法判断比如“做个网站”这种描述QA 没有明确验收标准只能反复打回。把任务拆细、给出具体技术栈和验收条件通过率会明显上升。5.5 多 Agent 并发时超时max_concurrent_agents设太大或者timeout_seconds设太小都会导致超时。机器性能一般的话并发设 2 到 4超时设 120 秒以上。如果还是超时看日志里是哪个 Agent 卡住单独调那个 Agent 的任务描述。5.6 记忆系统没生效Agency-agents 有三层记忆HOT、WARM、COLD。如果发现 Agent 不记得之前的上下文检查settings.json里memory路径是否存在且可写。路径不存在时有些版本会静默失败不会报错但记忆不落盘。手动创建目录再跑一次。6. 接下来怎么用按场景选入口配置通了之后日常使用就三件事验证模型、长期编码、排查接入问题。想先确认模型对话效果、试试不同模型的回复风格走 https://taotoken.net/chat 。需要长期跑编码任务、让 Agent 持续协作开发用 Coding Plan 更划算入口在 https://taotoken.net/coding-plan 。如果是接入过程中遇到报错、想查 API 文档或管理 Key直接去 https://taotoken.net/api-keys 和 https://taotoken.net/doc 。Claude Code 相关的 Anthropic 兼容配置看 https://taotoken.net/claudecode-anthropic 。我自己的习惯是新项目先用单 Agent 跑一个小任务确认通道没问题再切 orchestrator 跑完整流程。这样出问题时能快速定位是配置问题还是任务描述问题比一上来就上编排器省时间。