OpenClaw desglosó el trabajo multiagente en tres modos: agentes independientes, subagentes y ACP

OpenClaw presentó un modelo multiagente no como una idea abstracta, sino como un conjunto de modos de funcionamiento para tareas reales en Telegram. Un usuario puede gestionar un agente principal y luego distribuir roles a ejecutores permanentes, subagentes temporarios y herramientas de desarrollo externas vía ACP.

Tres modos de operación

El esquema OpenClaw se basa en tres formas diferentes de delegar. La primera—agentes permanentes separados con su propia carpeta de trabajo, memoria e instrucciones. La segunda—subagentes que el agente principal inicia para una tarea específica única y proporciona solo el contexto necesario. La tercera—ACP, es decir, un modo donde el trabajo de ingeniería se realiza no por OpenClaw mismo, sino por una herramienta externa conectada como Codex, Claude Code o Gemini CLI. El resultado no es un asistente universal, sino un despachador que puede seleccionar el nivel de ejecución apropiado para el tipo de trabajo.

• Agente permanente—para un rol que se necesita regularmente
• Subagente—para investigación única o parte de una tarea grande
• ACP—para tarefas de desarrollo en un entorno externo
• Agente principal—para enrutamiento, control y compilación de resultados

"La funcionalidad multiagente en

OpenClaw no es un botón, sino varios modos de operación para agentes."

Cuándo se necesita cada uno

Los agentes separados en este modelo son útiles donde una tarea se repite y acumula su propio contexto. El artículo proporciona ejemplos simples: un agente para investigación, un agente para reescritura, un agente para publicación. Cada uno puede vivir en su propia carpeta de trabajo, recordar acciones anteriores y recibir tareas tanto directamente como a través del agente principal. Este enfoque reduce el caos: en lugar de una larga conversación con asignaciones mixtas, surge un sistema de roles donde cada ejecutor tiene su propia área de responsabilidad y su propia memoria acumulada.

Los subagentes resuelven un problema diferente—cómo extraer rápidamente trabajo único o paralelo del flujo principal. Si necesita estudiar brevemente un tema, recopilar varias conclusiones o dividir una tarea grande en piezas independientes, el agente principal puede lanzar ejecuciones secundarias y luego consolidar las respuestas en un resumen único. Esto es especialmente útil para investigación y análisis preliminar. En este modo, no necesita crear un nuevo participante permanente por adelantado: un subagente aparece para la tarea, recibe contexto limitado y desaparece después de la finalización, sin sobrecargar el sistema general con memoria innecesaria.

Para desarrollo, OpenClaw ofrece una ruta separada vía ACP. Aquí el agente principal permanece como el punto de entrada y orquestrador, pero el código es escrito por una herramienta externa. El artículo describe tres escenarios: una sesión ACP única para una tarea de ingeniería aislada, una sesión ACP permanente para un proyecto de largo plazo, y vinculación del contexto ACP a un tema Telegram separado, donde la línea de discusión técnica existe separadamente del chat principal. Este modo es necesario cuando un proyecto requiere contexto largo, iteraciones secuenciales y las ventajas de herramientas CLI especializadas.

Telegram como panel de control

El autor enfatiza particularmente a Telegram como una interfaz natural para tal arquitectura. Un agente permanente puede vincularse a un bot separado o al tema actual, y el contexto ACP técnico—a una rama dedicada en el chat. Como resultado, los roles y las líneas de trabajo no se mezclan: la investigación ocurre en un lugar, el desarrollo—en otro, mientras que el agente principal permanece como el punto de entrada central para la asignación de tareas. Para el usuario, esto no se parece a una infraestructura compleja, sino como un mapa comprensible de diálogos con diferentes tipos de ejecutores.

De esto se deduce el escenario principal de OpenClaw: el agente principal deja de ser solo un interlocutor y se convierte en coordinador del sistema. Puede enviar investigación a un agente separado, una subtarea única—a un subagente, la parte de ingeniería—a ACP vía Codex, y luego devolver una respuesta compilada. Es decir, el usuario gestiona no cada acción manualmente, sino la lógica de distribución del trabajo. Precisamente en esto consiste el valor práctico de la funcionalidad multiagente: menos microgestión, más especialización gestionada y trabajo paralelo.

Lo que esto significa

OpenClaw efectivamente ofrece no un "agente AI mágico," sino un modelo operacional para equipos y desarrolladores solo que desean distribuir roles, contexto y herramientas en diferentes canales. Si este enfoque se generaliza, los chats de Telegram con agentes cada vez más se parecerán tanto a un IDE ligero como a un centro de despacho simultáneamente: un punto de entrada, varios ejecutores y una separación más limpia entre investigación, contenido y código.