多智能体与路由

2026-08-26 Grok-Bot Multi-Agent Routing

多智能体与路由

本文解读 Grok Bot 的「智能体生态」：推理路由（怎么把同一个 agent 切到 Claude Code / Codex / OpenRouter）、多 agent 协作（agent 之间怎么异步通信）、以及桌面/浏览器自动化（computer/browser use）。

面向对象：想理解「它如何对接不同模型后端、如何与其它 agent 协作、如何在桌面干活」的读者。文中路径均为仓库内相对路径。

1. 推理路由（Inference Router）

重构版新增的能力，在 Settings → Router 选择后端（source/node-agent-coordinator/inference-router.ts、source/shared/inference-router.ts、source/host/extensions/inference/provider-session.ts）。

1.1 四个 provider

// shared/inference-router.ts
export const SAND_INFERENCE_PROVIDERS = ["cursor", "claude-code", "codex", "openrouter"];

provider	认证	工具桥接方式
`cursor`（默认）	复用 Grok Bot/Cursor 会话	原生工具 + 插件
`claude-code`	复用本地 Claude Code 登录	`createRoutedMcpBridge` 暴露 `mcp__grok_bot_plugins__*`
`codex`	复用本地 ChatGPT/Codex 登录	Direct Responses transport + Grok Bot 工具
`openrouter`	API key（桌面 secrets bridge）	ai-sdk 工具循环

1.2 转录存储与用量

createCoordinatorInferenceRouter：

每个 agent 的转录存 inference-router-transcript.json（schemaVersion: 2，每 agent 保留最近 200 条）；
sendPrompt 对非 cursor provider 走 runRoutedProviderText；
用量经 recordInferenceUsage 写进 settings（SandInferenceRouterUsage：requests / inputTokens / outputTokens / cacheReadTokens / cacheWriteTokens / lastUsedAt）。

1.3 routed MCP bridge

source/node-agent-coordinator/routed-mcp-bridge.ts：

起一个本地 HTTP 服务，暴露标准 JSON-RPC 2.0 MCP 端点（initialize / tools/list / tools/call）；
tools/list 动态发现 Grok Bot 插件工具，并按工具名推断 readOnlyHint / destructiveHint（isReadOnly 用正则识别 read/search/find 等动词）；
tools/call 转发到真实的 Grok Bot 工具执行，返回 MCP 格式的 text/image content。

这样 Claude Code 就能把 Grok Bot 的插件/MCP 工具当作它自己的 mcp__grok_bot_plugins__* 工具来调。

1.4 各 provider 的执行器

provider-session.ts：

codexExecutor：Direct Responses（responses API），支持工具定义 + executeTool 回调、reasoning effort。
claudeExecutor：@anthropic-ai/claude-agent-sdk 的 queryClaude，maxTurns 受 MCP 是否启用控制（无 MCP 1 turn，有 MCP 8 turns），permissionMode: "default"。
openRouterExecutor：ai（ai-sdk）+ @ai-sdk/openai，走工具集循环。

2. 多 agent 协作

source/host/agents/agent-messaging.ts（prompt 侧）+ source/host/agents/agent-profile.ts 等（存储侧）。

2.1 Agent 目录

每个 agent 是 agentsRootDir/<agentId>/ 下的一个文件夹：profile.json（name/description）、group.json（memberIds）、memory、routines 等——文件即真相。
renderAgentDirectorySystemPrompt 把「队友列表 + 群组」注入 system prompt（上限 AGENT_DIRECTORY_PROMPT_LIMIT = 40）。

2.2 异步通信（像发短信）

工具：SendToAgent（发消息/图片给单个 agent 或群组）、CreateAgent（建新 agent）、UpdateAgent（安全合并式改名/描述）。
异步语义：发完立即返回 ack，不等待回复；回复作为新 turn 的隐藏唤醒到达，cue 为 [agent]（AGENT_INBOUND_WAKE_CUE）。
区分通道：SendToAgent → 另一个 agent；SendMessage → 本聊天里的用户。二者不混。

2.3 判断（judgment）约束

prompt 明确约束「别乱发」：

转发用户原话要转述而非照搬（尤其抱怨/批评）；
fan-out 需要用户明确同意（“ask each of my account agents”），否则先用 question widget 提议；
收到消息同样要判断：没东西可说就停，避免两个 agent 互相 ping-pong ack；
无法删除 agent（用户可从侧边栏右键 Delete）。

2.4 群组与 shared room

群组是「共享房间」，发消息到群组 id 则所有成员可见；
群组内的 turn 在历史中带 GROUP_CHAT_TAG_PREFIX 标记；
1:1 DM 是私密的（不 @ 别人、不假设群成员能看到）。

3. Computer / browser use（桌面与浏览器自动化）

source/host/runner/tools/sand-browser-use-subagent.ts、sand-computer-use-subagent.ts、source/host/runner/computer-use.ts。

3.1 两种 subagent

	`browserUse`	`computerUse`
粒度	page-level（DOM 快照、按引用点元素、填表单、截图）	desktop-level（截图 + 鼠标键盘：click/drag/type/key/scroll/wait）
适用	浏览器-only 任务，更快更可靠，共享 box 浏览器登录态	GUI 应用、文件对话框、拖拽、或「打败 DOM 自动化」的站
约束	headless、不能反问、后台运行	同左；同一时刻只能跑一个（共享桌面单屏）

3.2 共同点

都是后台 subagent（像 Task），完成后自动通知，不轮询；
都 headless 且不能问后续问题 → 任务要「tightly-scoped」，给足 site/account/确切值/成功标准/停止点/要回报什么；
都 不能代替用户：遇到密码/2FA/captcha/支付就停下来报告，父 agent 用 request_box_help 把 box 交给用户，之后再派发继续（见 EXECUTION.md）。

3.3 桌面基础设施

computer-use.ts：computerUse 的 prewarm、executor 解析、audit 分类；
VNC：box 桌面通过 VNC 呈现（gateway/box-vnc-proxy.ts、forever-box 的 vncUrl）；
每个 agent 有自己的屏幕/浏览器窗口，但共享同一台机器。

4. 一句话总结

路由：同一套 Grok Bot 工具，通过 MCP bridge（Claude Code）、Direct Responses（Codex）、ai-sdk 循环（OpenRouter）适配到不同后端，转录与用量本地记录。
协作：agent 之间是异步文件级通信（SendToAgent + [agent] 唤醒 cue），fan-out 需授权，agent 即文件夹。
桌面：browserUse（DOM）vs computerUse（像素）分工，headless 后台跑，人机验证交给真人。