把 OpenClaw 当作个人 AI 助手使用一段时间后，会遇到几个让单进程模型力不从心的场景：
- 远程执行：你想让 AI 帮你在家里的 Linux 服务器上跑一段脚本，但 OpenClaw Gateway 运行在 Mac 上——AI 怎么触达那台服务器的 Shell？
- 手机上的交互 UI：你想在手机上看到 AI 生成的实时仪表盘，并且能点击按钮触发下一步操作——AI 怎么向移动端 WebView 推送 UI，WebView 里的点击又怎么反馈给 AI？
- 并行任务：你让 AI 帮你整理 1000 封邮件——用一个 Agent 串行处理太慢了，能不能派出多个 AI 同时干？
这三个场景分别对应 OpenClaw 的三个核心扩展机制：Node Host（节点主机）、Canvas + A2UI、子 Agent（Sub-agent）。
Gateway 负责对话管理和 Agent 执行，但 （执行 Shell 命令）这类工具需要在目标机器上运行——可能是远程服务器、NAS、Raspberry Pi，或者同一台 Mac 上受限环境的另一个进程。
Node 是解决这个问题的抽象：一个独立进程，连接到 Gateway，响应执行请求。Node 通过标准的 （WebSocket）注册自己：
数据流：
Node 不是无限制的 Shell 执行器。 实现了一个三级安全模型：
- ：拒绝所有命令执行
- （默认）：只允许 白名单中的命令
- ：允许所有命令（高信任环境下使用）
白名单文件用哈希防止竞态修改——读取和更新都需要传入 ，若文件已被其他进程改动，返回 。这防止了 TOCTOU 攻击。
还有一个特殊路径：在 macOS 上， 为 true 时，执行请求会优先通过 macOS 应用的 Exec Host（Unix socket），而不是直接 。这是因为 macOS 沙盒限制了某些路径的访问权限，通过应用层代理绕过这个限制。
命令的输出被硬性截断：
超出上限的内容被丢弃，结果中 。这保证了大量输出（如日志文件）不会撑爆 Agent 的上下文窗口。
AI 擅长生成代码，能不能生成 HTML 仪表盘、然后在用户手机上直接显示，并支持交互？
Canvas 是 Gateway 内置的一个轻量 HTTP 服务器，挂载在 ，专门伺服 AI 生成的 HTML/JS/CSS 文件：
Gateway 启动时， 会：
- 在 创建默认的 （如果不存在）
- 用 监听目录变化
- 文件变化时通过 WebSocket（）推送 给所有已连接的客户端
被注入的实时重载脚本：
这意味着：AI 重写 → chokidar 检测到文件变化 → WebSocket 广播 → 用户手机上的 WebView 自动刷新。
文件服务有安全约束。 用 + 验证每个请求的文件路径都在 Canvas 根目录内——这与上一篇 Plugin SDK 里的 是同一类防护，都是防止路径遍历攻击。
Canvas 里的 HTML 页面可以显示数据，但它本身没有办法与 OpenClaw 通信——它是运行在 iOS/Android WebView 里的孤立页面。
A2UI（Agent-to-UI） 解决了这个方向问题：提供一套跨平台的 JavaScript 桥接 API，让 WebView 里的代码可以触发 OpenClaw Agent 的动作。
A2UI 包（）通过 伺服，并在每个 Canvas 页面的 HTML 里自动注入一段引导脚本：
Canvas 页面里的代码可以这样触发动作：
这条消息经由：
Agent 处理完动作后，可以通过 通知 Canvas 页面操作已完成。这构成了一个完整的请求-响应循环。
是 Agent Client Protocol 的实现，OpenClaw 通过它暴露一个标准接口，让任何兼容 ACP 的工具都能与 OpenClaw 的 Agent 会话交互。
ACP 会话有两种模式：
这让 CI/CD 系统、IDE 插件、或其他 AI 工具可以把 OpenClaw 当作一个可编程的 AI 后端调用，而不需要理解 OpenClaw 内部的协议细节。
一个复杂任务（整理 1000 封邮件，分析 50 个代码文件）用单个 Agent 串行处理太慢。子 Agent 机制让 Agent 可以派生（spawn）独立的子 Agent 并行执行子任务。
的核心字段：
"不要轮询"注意事项：子 Agent 完成后会主动宣告（announce）结果，而不是等父 Agent 来查询。父 Agent 在派生子任务后应该继续其他工作，而不是在循环里等待子任务完成。子任务的结果会自动以用户消息的形式重新注入父 Agent 的上下文。
为了防止无限递归（子 Agent 再派生子 Agent 再派生……），系统维护一个深度计数器（），并且有默认上限：
超过这个深度的派生请求会被拒绝，返回 状态。
参数让子 Agent 的结果直接投递到当前聊天线程（而不是等父 Agent 转发）：
这个功能依赖 生命周期钩子——只有实现了该钩子的通道插件（能绑定线程的聊天平台）才能使用。
三者共同扩展了”个人 AI 助手”的能力边界：不只是对话，而是可编程的执行引擎 + 交互式 UI 宿主 + 多 Agent 协作系统。
下一篇也是系列的最后一篇，我们将进入 OpenClaw 的安全模型与沙盒——系统性梳理 Gateway 认证、工具策略、沙盒隔离、API Key 保护、以及整个系统的信任边界设计。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/231960.html