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

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：

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：

# 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：

export PATH=/opt/anaconda3/envs/agent-reach/bin:$PATH

启动小红书 MCP 服务（Docker）：

docker run -d --name xiaohongshu-mcp \
  -p 18060:18060 \
  -v $(pwd)/cookies.json:/app/cookies.json \
  xpzouying/xiaohongshu-mcp

4. 验证配置

# 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

# 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

查看待派发任务

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：

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

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）

{
  "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：

# 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：

# 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：

# 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

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