1. OpenClaw 多龙虾协作一键部署包从 gateway 入口到 agents 集群的完整链路OpenClaw 多龙虾协作一键部署包本质上是把「一个 gateway 入口 多只 agents 分工」的协作模式打包成可复制的目录结构和脚本让你不用从零理解每个模块的关系直接改配置就能跑起来。它适合三类人一是想让多个模型各司其职、又不想手动维护一堆会话的开发者二是需要把写作、开发、设计、运维拆成独立 agent 的小团队三是已经在用 OpenClaw 单 agent、想升级到集群协作的老用户。核心检索词就是 OpenClaw、一键部署、集群脚本、agents、gateway。我试过把这套流程从零搭一遍最耗时间的不是写脚本而是搞清 gateway 和 agents 之间到底谁连谁。gateway 是统一入口负责接收外部请求、做路由转发、管理 token 鉴权agents 是真正干活的执行单元每个 agent 绑定一个模型和一组能力。默认配置里agents 会各自去连官方通道Key 分散在多个地方改一次模型要动好几处。把 gateway 与 agents 的接入配置统一改到 TaoToken 的 Key/API 通道后所有 agent 共用一条出口模型切换和额度管理都集中在一个地方这才是「一键部署包」真正省事的地方。下面这套部署包目录结构是我实测下来比较顺手的组织方式你可以直接照着建openclaw-cluster/ ├── gateway/ │ ├── gateway.toml # gateway 入口配置 │ └── start-gateway.sh # 网关启动脚本 ├── agents/ │ ├── main.json # 总管龙虾 │ ├── write.json # 写作龙虾 │ ├── dev.json # 开发龙虾 │ ├── design.json # 设计龙虾 │ └── ops.json # 运维龙虾 ├── cluster/ │ ├── join-node.sh # 节点加入脚本 │ └── status.sh # 集群状态检查 └── openclaw.json # 全局协作配置这个结构的好处是 gateway 和 agents 的配置物理隔离改通道只动 gateway 层agents 只声明自己用哪个模型 ID不碰 Key。很多人踩的坑是把 Key 写进每个 agent 的配置里结果换通道时要改五份文件漏一个就报 401。关于 TaoToken 的定位它是一个统一的模型 API 通道官网入口在 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content API 地址是 https://taotoken.net/api 。你需要先在控制台创建一个 Key然后把这个 Key 填到 gateway 的配置里agents 通过 gateway 转发不再各自持有 Key。这样做的直接收益是新增一只龙虾只要在 agents 目录加一个 json不用再申请新 Key模型 ID 换成 TaoToken 支持的任意模型gateway 层改一行即可。部署包的第一段脚本负责创建五只分工龙虾命令和官方 CLI 一致直接复制运行# 1. 总管龙虾调度、分配任务、汇总结果 openclaw agents add main --name 总管龙虾 # 2. 写作龙虾文案、报告、搜索 openclaw agents add write --name 写作龙虾 # 3. 开发龙虾代码、调试、部署 openclaw agents add dev --name 开发龙虾 # 4. 设计龙虾图片、视频、封面 openclaw agents add design --name 设计龙虾 # 5. 运维龙虾监控、定时、发布 openclaw agents add ops --name 运维龙虾 # 查看创建结果 openclaw agents list运行完openclaw agents list应该能看到五条记录id 分别是 main、write、dev、design、ops。如果某一条没出现先检查~/.openclaw/目录是否有写权限Windows 下对应%USERPROFILE%\.openclaw\。这一步只是注册 agent 元数据还没绑定模型通道所以不会报网络错误。接下来是 gateway 入口配置这是整个部署包的关键。默认 gateway 会去连官方通道我们要把它改到 TaoToken。新建gateway/gateway.toml[gateway] host 0.0.0.0 port 18789 token claw123456 [gateway.upstream] # 统一出口改到 TaoToken API 通道 base_url https://taotoken.net/api api_key sk-你的TaoToken密钥 provider openai-compatible [gateway.routing] mode auto timeout 300000 max_retries 2 [gateway.log] level info path ./logs/gateway.log这里base_url必须是https://taotoken.net/api不要带 UTM 参数否则部分客户端会把 query 拼进请求路径导致 404。api_key填你在控制台创建的 Keyprovider用openai-compatible是因为 TaoToken 的接口兼容 OpenAI 格式agents 侧不用改协议。token是集群节点加入时用的握手凭证和 API Key 是两回事别混。gateway 启动脚本gateway/start-gateway.sh#!/usr/bin/env bash set -e cd $(dirname $0) echo [gateway] 启动入口端口 18789 openclaw gateway start \ --config ./gateway.toml \ --port 18789 \ --token claw123456 echo [gateway] 已启动检查日志 ./logs/gateway.log给脚本加执行权限chmod x gateway/start-gateway.sh然后运行。启动成功的标志是终端输出gateway listening on 0.0.0.0:18789同时logs/gateway.log里出现upstream connected: https://taotoken.net/api。如果日志里出现local proxy failed八成是 base_url 写成了带 UTM 的完整链接去掉 query 即可。agents 侧的配置要引用 gateway而不是直连模型。以写作龙虾agents/write.json为例{ id: write, name: 写作龙虾, model: anthropic/claude-3-sonnet, gateway: http://127.0.0.1:18789, gatewayToken: claw123456, maxConcurrent: 2, timeout: 300000, systemPrompt: 你是写作龙虾负责文案、报告和搜索汇总。 }开发龙虾agents/dev.json把 model 换成deepseek-coder设计龙虾换成qwen3-vl运维龙虾换成openai/gpt-4o-mini。注意 model 字段用的是 TaoToken 支持的模型 ID不是官方原始 ID具体可用列表在控制台的模型页能查到。gateway 和 gatewayToken 两个字段必须和 gateway.toml 里一致否则 agent 注册时会报 401。全局协作配置openclaw.json负责把五只龙虾串起来路由规则决定什么任务发给谁{ agents: { list: [ { id: main, name: 总管龙虾, model: openai/gpt-4o, maxConcurrent: 3, timeout: 300000 }, { id: write, name: 写作龙虾, model: anthropic/claude-3-sonnet, maxConcurrent: 2 }, { id: dev, name: 开发龙虾, model: deepseek-coder, maxConcurrent: 2 }, { id: design, name: 设计龙虾, model: qwen3-vl, contextWindow: 131072 }, { id: ops, name: 运维龙虾, model: openai/gpt-4o-mini, maxConcurrent: 2 } ], subagents: { enabled: true, maxConcurrent: 5, timeout: 300000 }, router: { enabled: true, mode: auto, rules: [ { trigger: 写作|文案|文章|报告|搜索, target: write }, { trigger: 代码|开发|编程|部署, target: dev }, { trigger: 图片|设计|封面|视频, target: design }, { trigger: 监控|发布|定时|运维, target: ops } ] } } }把这段覆盖到~/.openclaw/openclaw.jsonLinux/Mac或%USERPROFILE%\.openclaw\openclaw.jsonWindows。覆盖前先备份原文件避免路由规则冲突。router 的 trigger 是正则匹配任务描述里出现关键词就会自动转发到对应 agent不用手动指定。集群脚本部分如果你只有一台机器gateway 和 agents 都在本地跳过这节也能跑。跨设备时云端主节点跑 gateway本地设备用cluster/join-node.sh加入#!/usr/bin/env bash set -e GATEWAY_URL${1:-http://127.0.0.1:18789} GATEWAY_TOKEN${2:-claw123456} echo [cluster] 加入网关 $GATEWAY_URL openclaw node join --gateway $GATEWAY_URL --token $GATEWAY_TOKEN echo [cluster] 当前节点状态 openclaw node status运行./cluster/join-node.sh http://你的网关IP:18789 claw123456成功会输出node joined, idnode-xxxx。cluster/status.sh就是简单包一层openclaw node status方便定时检查。2. TaoToken 前置准备Key、模型 ID 与通道地址怎么填在改 gateway 配置之前先把 TaoToken 侧的三样东西准备好API Key、模型 ID、通道地址。这三样填错任何一个后面 agents 注册都会失败而且报错信息不一定直观所以这一步值得单独说清楚。API Key 在控制台创建路径是登录后进入 API Keys 页面点新建复制生成的sk-开头的字符串。这个 Key 只在创建时完整显示一次关掉页面就看不到了建议先存到密码管理器。Key 的权限默认覆盖你账号下可用的模型如果只想给集群用部分模型可以在创建时勾选范围。注意 Key 不要提交到 git部署包里我建议用环境变量注入而不是硬编码在 gateway.toml 里。模型 ID 是 agents 配置里model字段要填的值。TaoToken 的模型命名和官方有差异比如写作场景常用的anthropic/claude-3-sonnet、开发场景的deepseek-coder、设计场景的qwen3-vl、通用调度的openai/gpt-4o这些都要以控制台模型列表为准。填错模型 ID 的典型报错是model not found或invalid modelgateway 日志里能看到具体是哪个 agent 请求的。我的做法是先在模型对话页面手动发一条测试消息确认模型可用再写进 agents 配置。通道地址就是https://taotoken.net/api。这里有个细节gateway 的 base_url 填这个agents 的 gateway 字段填的是本地 gateway 地址http://127.0.0.1:18789两者不要搞反。agents 不直接连 TaoToken而是连本地 gateway由 gateway 转发到 TaoToken。这样设计的原因是 Key 只存在 gateway 一处agents 配置可以随便分享不怕泄露。把 Key 注入 gateway 的推荐做法是用环境变量改gateway.toml[gateway.upstream] base_url https://taotoken.net/api api_key ${TAOTOKEN_API_KEY} provider openai-compatible启动脚本里 exportexport TAOTOKEN_API_KEYsk-你的密钥 ./gateway/start-gateway.sh这样 gateway.toml 可以进版本库Key 留在本地环境。如果你用 systemd 或 docker 跑 gateway把环境变量配到 service 文件或 compose 的 environment 里即可。前置准备做完可以用一条 curl 验证通道是否通curl -s https://taotoken.net/api/v1/models \ -H Authorization: Bearer $TAOTOKEN_API_KEY | head -c 500返回 JSON 里能看到模型列表就说明 Key 和通道都正常。如果返回 401检查 Key 是否复制完整、有没有多余空格如果返回 404检查 base_url 是不是多带了路径或 query。这一步过了再往下配 agents能省很多排查时间。3. 可复制配置gateway 与 agents 的完整 settings 片段这一节把前面散落的配置集中成可直接复制的片段路径和原文一致你按顺序粘贴即可。先确认目录Linux/Mac 下是~/.openclaw/Windows 下是%USERPROFILE%\.openclaw\。部署包目录可以放在任意位置我放在~/openclaw-cluster/。gateway 配置~/openclaw-cluster/gateway/gateway.toml[gateway] host 0.0.0.0 port 18789 token claw123456 [gateway.upstream] base_url https://taotoken.net/api api_key ${TAOTOKEN_API_KEY} provider openai-compatible [gateway.routing] mode auto timeout 300000 max_retries 2 [gateway.log] level info path ./logs/gateway.logagents 配置我建议每个 agent 一个文件放在~/openclaw-cluster/agents/。总管龙虾main.json{ id: main, name: 总管龙虾, model: openai/gpt-4o, gateway: http://127.0.0.1:18789, gatewayToken: claw123456, maxConcurrent: 3, timeout: 300000, systemPrompt: 你是总管龙虾负责调度其他 agent、分配任务、汇总结果。 }写作龙虾write.json{ id: write, name: 写作龙虾, model: anthropic/claude-3-sonnet, gateway: http://127.0.0.1:18789, gatewayToken: claw123456, maxConcurrent: 2, timeout: 300000, systemPrompt: 你是写作龙虾负责文案、报告和搜索汇总。 }开发龙虾dev.json{ id: dev, name: 开发龙虾, model: deepseek-coder, gateway: http://127.0.0.1:18789, gatewayToken: claw123456, maxConcurrent: 2, timeout: 300000, systemPrompt: 你是开发龙虾负责代码编写、调试和部署。 }设计龙虾design.json{ id: design, name: 设计龙虾, model: qwen3-vl, gateway: http://127.0.0.1:18789, gatewayToken: claw123456, contextWindow: 131072, systemPrompt: 你是设计龙虾负责图片、视频和封面生成。 }运维龙虾ops.json{ id: ops, name: 运维龙虾, model: openai/gpt-4o-mini, gateway: http://127.0.0.1:18789, gatewayToken: claw123456, maxConcurrent: 2, timeout: 300000, systemPrompt: 你是运维龙虾负责监控、定时任务和发布。 }全局协作配置~/.openclaw/openclaw.json用第 1 节给的那份覆盖前先备份。这里再强调三件套的对应关系Base URL 是https://taotoken.net/apiKey 是sk-开头的 TaoToken 密钥Model ID 是控制台模型列表里的值。这三样在 gateway 和 agents 配置里各出现一次Base URL 和 Key 在 gatewayModel ID 在 agents别填串。如果你用 Cline MCP 或 Codex 的 auth.json 方式接入配置形态不同但三件套一致。Codex 的auth.json里填{ base_url: https://taotoken.net/api, api_key: sk-你的TaoToken密钥, model: openai/gpt-4o }Cline MCP 的 settings 里对应apiProvider选 openai-compatiblebaseUrl填https://taotoken.net/apiapiKey填 KeymodelId填模型 ID。CC Switch 切换配置时也是改这三项。不管哪种客户端只要 Base URL、Key、Model ID 三件套对齐通道就能通。配置写完启动顺序是先起 gateway再注册 agents最后跑协作指令。启动 gatewayexport TAOTOKEN_API_KEYsk-你的密钥 cd ~/openclaw-cluster/gateway chmod x start-gateway.sh ./start-gateway.sh注册 agentscd ~/openclaw-cluster/agents for f in main write dev design ops; do openclaw agents apply --config $f.json done openclaw agents listopenclaw agents apply会把 json 里的 gateway 和 gatewayToken 写进 agent 运行时agents list能看到五只龙虾且状态是 online 就对了。4. 验证请求检查 agents 注册与 gateway 转发是否正常配置跑起来后验证分两层先确认 agents 注册成功再确认 gateway 转发到 TaoToken 正常。这两层都过了才算部署包真正可用。第一层agents 注册检查openclaw agents status正常输出类似main online modelopenai/gpt-4o gatewayhttp://127.0.0.1:18789 write online modelanthropic/claude-3-sonnet gatewayhttp://127.0.0.1:18789 dev online modeldeepseek-coder gatewayhttp://127.0.0.1:18789 design online modelqwen3-vl gatewayhttp://127.0.0.1:18789 ops online modelopenai/gpt-4o-mini gatewayhttp://127.0.0.1:18789如果某个 agent 显示 offline先看 gateway 是否在跑再看该 agent 的 gatewayToken 是否和 gateway.toml 一致。常见错误是 token 拼写不一致报 401 unauthorized。第二层gateway 转发验证。切到总管龙虾发一条测试任务openclaw use main session_send write 写一段100字的AI行业观察然后看 gateway 日志tail -f ~/openclaw-cluster/gateway/logs/gateway.log正常日志会依次出现recv request from agentwrite、forward to https://taotoken.net/api、response 200。如果卡在forward没有response检查网络和 Key 额度如果出现reading choices相关报错说明返回体解析失败多半是模型 ID 不被支持或返回了错误结构换一个模型 ID 再试。再验证一次完整协作链路让总管分派多个任务openclaw use main session_send write 搜集近期AI热点并写一份300字报告 session_send design 根据报告主题生成一张封面 session_send ops 监控任务完成状态并汇总 openclaw agents status观察 gateway 日志里是否出现三条并发的forward记录以及 agents status 里各 agent 的 lastActive 时间是否更新。如果三条都转发成功说明 gateway 的多路复用和 agents 的并发都正常。还有一个容易忽略的验证点跨设备集群。如果你跑了cluster/join-node.sh在网关侧执行openclaw node status应该能看到本地节点和远程节点都在列表里状态 online。远程节点上的 agent 发起的请求会先到本地 gateway 再转发 TaoToken日志里能看到nodenode-xxxx的标记。如果远程节点显示 offline检查网关 IP 是否可达、防火墙是否放行 18789 端口、token 是否一致。验证通过后你可以把常用协作流程写成一个脚本cluster/run-collab.sh#!/usr/bin/env bash set -e openclaw use main session_send write 搜集近期AI热点并写报告 session_send design 根据报告生成封面 session_send ops 监控任务完成状态 openclaw agents status以后每次协作直接跑这个脚本不用重复敲命令。5. 本篇常见错排查401、local proxy failed、reading choices、OAuth部署过程中最容易撞上的四类报错我按出现频率排一下每个都给定位方法和修复动作。401 unauthorized。出现位置通常是 agents 注册或 gateway 转发。先分清楚是 gateway 连 TaoToken 报 401还是 agent 连 gateway 报 401。看日志前缀upstream 401是 Key 问题agent auth 401是 gatewayToken 问题。Key 问题检查三处Key 是否复制完整、是否有多余空格、是否已过期或被删。gatewayToken 问题检查 agents json 里的gatewayToken和 gateway.toml 里的token是否逐字符一致。我踩过的坑是复制 Key 时带了个换行肉眼看不出来用echo -n $TAOTOKEN_API_KEY | wc -c数一下长度能发现。local proxy failed。这个报错基本锁定在 base_url 格式。gateway.toml 里base_url必须是https://taotoken.net/api不能带 UTM 参数不能带/v1后缀不能带尾部斜杠。带 query 的链接会被某些 HTTP 客户端当成路径的一部分导致代理层解析失败。修复就是把 base_url 改成纯净地址重启 gateway。reading choices 相关报错。完整形态可能是error reading choices: unexpected end of JSON input或cannot read choices[0]。这是返回体解析失败原因通常是模型 ID 不被 TaoToken 支持或者请求参数里带了该模型不认的字段。定位方法是在 gateway 日志里找到对应的请求体看 model 字段的值然后去控制台模型列表核对。修复是换成列表里存在的模型 ID。另一个可能是 max_tokens 设得过大被上游拒绝把 agents 配置里的 timeout 和 maxConcurrent 调小再试。OAuth 相关报错。如果你之前用官方 OAuth 登录过本地可能残留了旧的凭证文件gateway 启动时会优先读它导致和 TaoToken 的 Key 冲突。表现是日志里出现oauth token expired或refresh failed。修复是清掉旧凭证Linux/Mac 下rm -rf ~/.openclaw/credentials/Windows 下删%USERPROFILE%\.openclaw\credentials\然后重新用 Key 启动 gateway。清之前确认没有其他项目依赖这份凭证。除了这四类还有两个小坑值得提。一是端口占用18789 被别的进程占了gateway 起不来用lsof -i:18789查一下换端口要同步改 agents 的 gateway 字段。二是并发超限五只龙虾同时跑大任务时subagents 的 maxConcurrent 默认 5 可能不够报concurrency limit exceeded把 openclaw.json 里的 maxConcurrent 调到 10 再试。排查时养成看日志的习惯gateway 日志在~/openclaw-cluster/gateway/logs/gateway.logagents 日志在~/.openclaw/logs/。日志级别设成 info 就够debug 会刷屏。遇到不确定的报错先把 gateway 日志最后 50 行贴出来大部分问题能直接定位。6. 把 gateway 与 agents 统一到 TaoToken 后的长期用法配置改到 TaoToken 统一通道后日常维护会轻很多。新增一只龙虾只要在 agents 目录加一个 jsonmodel 填 TaoToken 支持的 IDgateway 和 gatewayToken 复用现有的然后openclaw agents apply即可不用再申请新 Key。换模型也是改 agents json 里的 model 字段gateway 层不动。额度管理集中在 TaoToken 控制台哪个模型用了多少一目了然不用在多个平台之间对账。长期跑集群的话建议把 gateway 做成开机自启。Linux 下用 systemd[Unit] DescriptionOpenClaw Gateway Afternetwork.target [Service] EnvironmentTAOTOKEN_API_KEYsk-你的密钥 ExecStart/usr/local/bin/openclaw gateway start --config /home/user/openclaw-cluster/gateway/gateway.toml Restartalways [Install] WantedBymulti-user.targetWindows 下可以用任务计划程序触发条件设为登录时操作指向start-gateway.sh的等价 bat 脚本。这样机器重启后集群自动恢复不用手动敲命令。协作指令方面总管龙虾的调度能力依赖 router 规则。如果你的任务类型比较固定可以把 trigger 正则写得更精确减少误路由。比如把「写作|文案|文章|报告|搜索」拆成两条写作类走 write搜索类单独走一个 search agent。规则越细路由越准但维护成本也越高按实际任务分布权衡。最后给一个日常检查清单每周花两分钟过一遍openclaw agents status看五只龙虾是否 onlineopenclaw node status看集群节点是否齐全tail -20 gateway.log看有没有 401 或 reading choices 报错TaoToken 控制台看额度消耗是否正常。这四步做完集群基本不会出意外。需要创建 Key 或查模型列表去控制台 https://taotoken.net/console 接入文档在 https://taotoken.net/doc 想先手动验证模型可用性用模型对话 https://taotoken.net/chat 长期跑编码和 Agent 协作Coding Plan 更划算 https://taotoken.net/coding-plan 。API 地址统一用 https://taotoken.net/api 配置里别带多余参数。