Redis Collab

# Redis Collaboration Skill for OpenClaw 分布式多智能体协作系统，支持任务分发、Sub-Agent 执行和 Agent Reach 集成。 ## 功能特性 - 💓 **心跳机制** - 实时在线/离线检测 - 🌐 **网络能力注册** - 注册特定网络访问能力（小红书、Google 等） - 💻 **计算能力注册** - 注册硬件资源（GPU、RAM 等） - 🔍 **智能任务路由** - 自动匹配具备所需能力的 Agent - 🤖 **Sub-Agent 执行** - 主 Agent 派发任务，Sub-Agent 执行 - 📱 **Agent Reach 集成** - 支持小红书、Twitter、GitHub 等社交平台搜索 - 🧠 **共享内存** - 跨 Agent 共享记忆 - ✅ **ACK 确认机制** - 确保任务送达确认 ## 架构概览 ``` ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │ Mac本地 │ │ 国内服务器 │ │ 海外服务器 │ │ (小红书) │ │ (微博/抖音) │ │ (Google) │ └──────┬──────┘ └──────┬──────┘ └──────┬──────┘ │ │ │ └────────────────────┼────────────────────┘ │ ┌────────▼────────┐ │ Redis │ │ - 能力注册 │ │ - 任务队列 │ │ - 共享记忆 │ └─────────────────┘ │ ┌────────▼────────┐ │ Main Agent │ │ (Orchestrator) │ └────────┬────────┘ │ ┌─────────────┼─────────────┐ ▼ ▼ ▼ ┌─────────┐ ┌─────────┐ ┌─────────┐ │Sub-Agent│ │Sub-Agent│ │Sub-Agent│ │执行工具 │ │执行工具 │ │执行工具 │ └─────────┘ └─────────┘ └─────────┘ ``` ## 安装 ### 1. 克隆仓库 ```bash git clone https://github.com/zfw1226/redis-collab.git cd redis-collab npm install ``` ### 2. 配置 Redis 在 `~/.openclaw/.env` 或环境变量中配置： ```bash export REDIS_HOST="your-redis-ip" export REDIS_PASSWORD="your-password" export REDIS_PORT="6379" export AGENT_NAME="your-agent-name" export HEARTBEAT_INTERVAL="30" ``` ### 3. 配置 Agent Reach（可选，用于社交平台搜索） **安装 Agent Reach：** ```bash # 创建 conda 环境 conda create -n agent-reach python=3.11 conda activate agent-reach pip install agent-reach ``` **配置 PATH：** 在 `~/.openclaw/.env` 中添加： ```bash export PATH=/opt/anaconda3/envs/agent-reach/bin:$PATH ``` **启动小红书 MCP 服务（Docker）：** ```bash docker run -d --name xiaohongshu-mcp \ -p 18060:18060 \ -v $(pwd)/cookies.json:/app/cookies.json \ xpzouying/xiaohongshu-mcp ``` ### 4. 验证配置 ```bash # 测试 Redis 连接 redis-cli -h $REDIS_HOST -p $REDIS_PORT -a $REDIS_PASSWORD ping # 测试 Agent Reach agent-reach --version # 测试小红书 MCP curl http://localhost:18060/mcp ``` ## 使用方法 ### 启动 Auto 模式 ```bash # 设置环境变量并启动 export REDIS_HOST=your-redis-ip export REDIS_PASSWORD=your-password export REDIS_PORT=6379 export AGENT_NAME=MacStudio-本地 export HEARTBEAT_INTERVAL=30 node index.cjs --auto ``` ### 命令列表 | 命令 | 说明 | 示例 | |------|------|------| | `agents` | 列出在线 Agent | `node index.cjs agents --detailed` | | `register` | 注册能力 | `node index.cjs register -n 小红书,微博` | | `find` | 查找具备能力的 Agent | `node index.cjs find 小红书` | | `send` | 发送任务 | `node index.cjs send 目标Agent "任务内容"` | | `tasks` | 查看我的任务 | `node index.cjs tasks` | | `complete` | 完成任务 | `node index.cjs complete taskId "结果"` | | `status` | 查看状态 | `node index.cjs status` | ### 查看待派发任务 ```bash node task-dispatcher.js list node task-dispatcher.js dispatch ``` ## 工具优先级策略 Sub-Agent 执行任务时，按以下优先级选择工具： ### Priority 1 - Agent Reach（社交平台） 支持的平台： - 小红书 (`search-xhs`) - Twitter (`search-twitter`) - Instagram (`search-instagram`) - YouTube (`search-youtube`) - Bilibili (`search-bilibili`) - GitHub (`search-github`) - LinkedIn (`search-linkedin`) - Boss直聘 (`search-bosszhipin`) 通用功能： - 网页读取 (`read`) - 读取任意 URL - 通用搜索 (`search`) - 综合多平台搜索 **使用示例：** ```bash agent-reach search-xhs "AI工具推荐" agent-reach read "https://example.com" agent-reach search "量子计算" ``` ### Priority 2 - MCP Search - Tavily MCP: `mcporter call tavily.tavily_search query="关键词"` - MiniMax MCP: `mcporter call minimax-coding.web_search query="关键词"` ### Priority 3 - Browser 用于需要复杂交互或登录的场景。 ## Sub-Agent 执行流程 ``` 1. Auto Processor 检测 Redis 任务队列中的 pending 任务 ↓ 2. 创建任务目录 task-executions/<task-id>/ - task.txt: 任务描述 - prompt.txt: 系统提示词（含工具优先级） - meta.json: 任务元数据 ↓ 3. 主 Agent (Orchestrator) 检测待派发任务 ↓ 4. 派生 Sub-Agent 执行任务 - 读取 prompt.txt 了解工具优先级 - 选择合适的工具执行任务 - 将结果写入 task.txt.result - 记录工具到 tools.json ↓ 5. Auto Processor 检测结果，标记任务完成 ↓ 6. 通知任务发送方 ``` ## 配置示例 ### task-config.yaml ```yaml WHITELIST: - "search*": "搜索类任务" - "fetch*": "数据获取类任务" - "read*": "读取文件/网页类任务" BLACKLIST: - "delete*": "删除操作" - "rm *": "删除命令" - "exec*": "执行任意命令" FEISHU: enabled: true CONFIRM_TIMEOUT: 300 RETRY: max_attempts: 3 delay_seconds: 10 ``` ### mcporter.json（MCP 配置） ```json { "mcpServers": { "xiaohongshu": { "baseUrl": "http://localhost:18060/mcp" }, "tavily": { "baseUrl": "https://mcp.tavily.com/mcp/?tavilyApiKey=YOUR_KEY" }, "minimax-coding": { "command": "uvx minimax-coding-plan-mcp -y", "env": { "MINIMAX_API_KEY": "YOUR_KEY" } } } } ``` ## 故障排除 ### 问题 1: Agent Reach 命令未找到 **症状：** `command not found: agent-reach` **解决：** ```bash # 检查 PATH 配置 echo $PATH | grep agent-reach # 手动激活环境 source /opt/anaconda3/etc/profile.d/conda.sh conda activate agent-reach # 或更新 ~/.openclaw/.env export PATH=/opt/anaconda3/envs/agent-reach/bin:$PATH ``` ### 问题 2: 小红书 MCP 超时 **症状：** `xiaohongshu.search_feeds timed out` **解决：** ```bash # 检查 Docker 容器 docker ps | grep xiaohongshu # 查看日志 docker logs xiaohongshu-mcp --tail 20 # 重启服务 docker restart xiaohongshu-mcp ``` **注意：** 小红书搜索响应时间较长（30-60秒），需要设置足够长的超时。 ### 问题 3: Redis 连接失败 **症状：** `Redis connection failed` **解决：** ```bash # 测试连接 redis-cli -h $REDIS_HOST -p $REDIS_PORT -a $REDIS_PASSWORD ping # 检查环境变量 echo $REDIS_HOST $REDIS_PORT ``` ### 问题 4: Sub-Agent 没有使用 Agent Reach **症状：** Sub-Agent 直接使用 browser 而不是 Agent Reach **解决：** - 检查 `prompt.txt` 是否正确生成 - 确保 Agent Reach 在 PATH 中可用 - 重启 OpenClaw 使配置生效 ## 文件结构 ``` redis-collab/ ├── index.cjs # 主入口（CommonJS） ├── index.esm.js # ES Module 版本 ├── task-processor.js # 任务处理器 ├── sub-agent-orchestrator.js # Sub-Agent 编排器 ├── task-dispatcher.js # 任务派发 CLI ├── openclaw-bridge.js # OpenClaw 桥接 ├── task-config.yaml # 任务配置 ├── SKILL.md # Skill 文档 ├── package.json └── task-executions/ # 任务执行目录 └── <task-id>/ ├── task.txt # 任务描述 ├── prompt.txt # 系统提示词 ├── meta.json # 任务元数据 ├── task.txt.result # 执行结果 └── tools.json # 使用工具记录 ``` ## Redis 数据结构 | Key | 类型 | 说明 | |-----|------|------| | `agent:<name>` | String | Agent 数据（TTL: 90s） | | `agents:all` | Set | 所有注册 Agent | | `tasks:<agent>` | List | Agent 的任务队列 | | `execution:<id>` | String | 任务执行状态 | | `shared:memories` | List | 共享记忆 | ## 贡献 欢迎提交 Issue 和 PR！ ## 许可证 MIT ## 作者 - OpenClaw Skill 封装 - 基于 Redis 和 Agent Reach 构建