A OpenClaw dividiu o trabalho multiagente em três modos: agentes independentes, subagentes e ACP

OpenClaw apresentou um modelo multi-agente não como uma ideia abstrata, mas como um conjunto de modos de funcionamento para tarefas reais no Telegram. Um usuário pode gerenciar um agente principal e, em seguida, distribuir papéis para executores permanentes, subagentes temporários e ferramentas de desenvolvimento externas via ACP.

Três modos de operação

O esquema OpenClaw é baseado em três formas diferentes de delegar. A primeira—agentes permanentes separados com sua própria pasta de trabalho, memória e instruções. A segunda—subagentes que o agente principal inicia para uma tarefa específica única e fornece apenas o contexto necessário. A terceira—ACP, ou seja, um modo onde o trabalho de engenharia é realizado não pela própria OpenClaw, mas por uma ferramenta externa conectada como Codex, Claude Code ou Gemini CLI. O resultado não é um assistente universal, mas um despachante que pode selecionar o nível de execução apropriado para o tipo de trabalho.

• Agente permanente—para um papel que é necessário regularmente
• Subagente—para pesquisa única ou parte de uma tarefa grande
• ACP—para tarefas de desenvolvimento em um ambiente externo
• Agente principal—para roteamento, controle e compilação de resultados

"A funcionalidade multi-agente em

OpenClaw não é um botão, mas vários modos de operação para agentes."

Quando cada um é necessário

Agentes separados neste modelo são úteis quando uma tarefa se repete e acumula seu próprio contexto. O artigo fornece exemplos simples: um agente para pesquisa, um agente para reescrita, um agente para publicação. Cada um pode viver em sua própria pasta de trabalho, lembrar ações anteriores e receber tarefas tanto diretamente quanto através do agente principal. Esta abordagem reduz o caos: em vez de uma longa conversa com atribuições mistas, surge um sistema de papéis onde cada executor tem sua própria área de responsabilidade e sua própria memória acumulada.

Subagentes resolvem um problema diferente—como extrair rapidamente trabalho único ou paralelo do fluxo principal. Se você precisar estudar brevemente um tópico, coletar várias conclusões ou dividir uma tarefa grande em pedaços independentes, o agente principal pode iniciar execuções filhas e depois consolidar as respostas em um único resumo. Isso é especialmente útil para pesquisa e análise preliminar. Neste modo, você não precisa criar um novo participante permanente com antecedência: um subagente aparece para a tarefa, recebe contexto limitado e desaparece após a conclusão, sem sobrecarregar o sistema geral com memória desnecessária.

Para desenvolvimento, OpenClaw oferece uma rota separada via ACP. Aqui o agente principal permanece o ponto de entrada e orquestrador, mas o próprio código é escrito por uma ferramenta externa. O artigo descreve três cenários: uma sessão ACP única para uma tarefa de engenharia isolada, uma sessão ACP permanente para um projeto de longo prazo e vinculação do contexto ACP a um tópico Telegram separado, onde a linha de discussão técnica existe separadamente do chat principal. Este modo é necessário quando um projeto requer contexto longo, iterações sequenciais e as vantagens de ferramentas CLI especializadas.

Telegram como painel de controle

O autor coloca ênfase particular no Telegram como uma interface natural para tal arquitetura. Um agente permanente pode ser vinculado a um bot separado ou ao tópico atual, e o contexto ACP técnico—a uma ramificação dedicada no chat. Como resultado, papéis e linhas de trabalho não se misturam: pesquisa acontece em um lugar, desenvolvimento—em outro, enquanto o agente principal permanece o ponto de entrada central para atribuição de tarefas. Para o usuário, isso não parece infraestrutura complexa, mas como um mapa compreensível de diálogos com diferentes tipos de executores.

Disso segue o cenário principal do OpenClaw: o agente principal deixa de ser apenas um interlocutor e se torna um coordenador do sistema. Pode enviar pesquisa para um agente separado, uma subtarefa única—para um subagente, a parte de engenharia—para ACP via Codex, e então retornar uma resposta compilada. Ou seja, o usuário gerencia não cada ação manualmente, mas a lógica da distribuição de trabalho. Precisamente nisso consiste o valor prático da funcionalidade multi-agente: menos microgerenciamento, mais especialização gerenciada e trabalho paralelo.

O que isso significa

OpenClaw efetivamente oferece não um "agente AI mágico," mas um modelo operacional para equipes e desenvolvedores solo que desejam distribuir papéis, contexto e ferramentas em diferentes canais. Se essa abordagem pegar, chats Telegram com agentes cada vez mais se parecerão com um IDE leve e um centro de despacho simultaneamente: um ponto de entrada, vários executores e uma separação mais limpa entre pesquisa, conteúdo e código.