OpenClaw divide la multiagencia en tres modos: agentes independientes, subagentes y ACP

OpenClaw presentó su modelo multiagente no como una idea abstracta, sino como un conjunto de modos de trabajo para tareas reales en Telegram. El usuario puede mantener un agente principal y repartir roles entre ejecutores permanentes, subagentes temporales y herramientas externas de desarrollo a través de ACP.

Tres modos de trabajo

El esquema de OpenClaw se apoya en tres formas distintas de delegar. La primera son los agentes permanentes independientes, cada uno con su carpeta de trabajo, su memoria y sus instrucciones. La segunda, los subagentes, que el agente principal lanza para una tarea puntual concreta y a los que solo da el contexto necesario. La tercera es ACP, un modo en el que el trabajo de ingeniería no lo hace el propio OpenClaw, sino una herramienta externa conectada, como Codex, Claude Code o Gemini CLI.

El resultado no es un asistente universal, sino un despachador capaz de elegir el nivel de ejecución adecuado para cada tipo de trabajo.

• Agente permanente: para un rol que se necesita con regularidad
• Subagente: para una investigación puntual o una parte de una tarea grande
• ACP: para tareas de desarrollo en un entorno externo
• Agente principal: para enrutar, supervisar y reunir el resultado

«La multiagencia en

OpenClaw no es un único botón, sino varios modos de trabajo de los agentes».

Cuándo se necesita cada uno

Los agentes independientes son útiles en este modelo cuando una tarea se repite y acumula su propio contexto. El artículo da ejemplos sencillos: un agente de investigación, uno de reescritura y uno de publicación. Cada uno puede vivir en su carpeta de trabajo, recordar acciones anteriores y recibir tareas directamente o a través del agente principal. Así se reduce el caos: en lugar de una conversación larga con encargos mezclados, aparece un sistema de roles en el que cada ejecutor tiene su zona de responsabilidad y su memoria acumulada.

Los subagentes resuelven otro problema: cómo sacar rápidamente del flujo principal el trabajo puntual o paralelo. Si hay que estudiar un tema brevemente, reunir varias conclusiones o dividir una tarea grande en partes independientes, el agente principal puede lanzar ejecuciones hijas y luego unir las respuestas en un único resultado. Es especialmente útil para investigación y análisis preliminar. En este modo no hace falta crear de antemano un nuevo participante permanente: el subagente aparece para la tarea, recibe un contexto limitado y desaparece al terminar, sin sobrecargar el sistema con memoria innecesaria.

Para el desarrollo, OpenClaw ofrece una ruta aparte mediante ACP. El agente principal sigue siendo el punto de entrada y el orquestador, pero el código lo escribe una herramienta externa. El artículo describe tres escenarios: una sesión ACP puntual para una única tarea de ingeniería, una sesión ACP permanente para un proyecto largo y la vinculación del contexto ACP a un topic de Telegram independiente, donde la conversación técnica vive separada del chat principal. Este modo es para proyectos que necesitan contexto largo, iteraciones sucesivas y las ventajas de las herramientas CLI especializadas.

Telegram como mando de control

El autor subraya Telegram como interfaz natural para esta arquitectura. Un agente permanente puede vincularse a un bot propio o al topic actual, y el contexto técnico de ACP, a un hilo dedicado del chat. Así, los roles y las líneas de trabajo no se mezclan: la investigación va en un sitio, el desarrollo en otro y el agente principal sigue siendo la entrada central para plantear tareas. Para el usuario no parece una infraestructura compleja, sino un mapa claro de conversaciones con distintos tipos de ejecutores.

De ahí surge el escenario principal de OpenClaw: el agente principal deja de ser un simple interlocutor y se convierte en coordinador del sistema. Puede enviar la investigación a un agente independiente, una subtarea puntual a un subagente y la parte de ingeniería a ACP mediante Codex, y después devolver una única respuesta ensamblada. Es decir, el usuario no gestiona cada acción a mano, sino la lógica del reparto del trabajo. Ahí está el valor práctico de la multiagencia: menos microgestión, más especialización controlada y trabajo en paralelo.

Qué significa

OpenClaw ofrece, en la práctica, no un «agente de IA mágico», sino un modelo operativo para equipos y desarrolladores en solitario que quieren repartir roles, contexto y herramientas en distintos canales. Si el enfoque cuaja, los chats de Telegram con agentes se parecerán cada vez más a un IDE ligero y una sala de control a la vez: una entrada, varios ejecutores y una separación más limpia entre investigación, contenido y código.