OpenMOSS для OpenClaw: как собрать команду AI-агентов для автономной работы
Разбираем OpenMOSS — мультиагентный фреймворк для OpenClaw, где агенты сами планируют, выполняют, проверяют задачи и поддерживают рабочий цикл без постоянного участия человека.
OpenMOSS — это мультиагентный фреймворк для OpenClaw, в котором одна задача распределяется сразу между несколькими ролями внутри команды.
Пользователь формулирует задачу один раз, а дальше её берут в работу разные агенты: один планирует, другой исполняет, третий проверяет результат, четвёртый следит за качеством и устойчивостью процесса. Такой подход особенно интересен для сценариев, где важно не просто выполнить действие, а выстроить постоянный рабочий цикл без ручного участия человека.
Как работает OpenMOSS
OpenMOSS строится вокруг команды агентов, которые координируют работу между собой:
каждый агент просыпается по расписанию, проверяет свои задачи и выполняет их;
если результат не проходит проверку, задача автоматически уходит на доработку;
агенты умеют подхватывать зависшие задачи и разблокировать друг друга;
вся команда общается через общий чат, а пользователь может обратиться к конкретному агенту напрямую.
По сути, это не просто набор отдельных ботов, а оркестрация ролей с постоянным внутренним циклом: планирование, выполнение, проверка и восстановление процесса при сбоях.
Практический пример
Авторы проекта показывают прикладной кейс: они запустили англоязычный новостной сайт, где человеческая инструкция была предельно простой — собирать новости из китайского интернета, переводить и публиковать их в WordPress.
Дальше система работала уже силами самих агентов. Это хороший пример того, как мультиагентная схема может использоваться не для демонстрации, а для реального непрерывного пайплайна.
Также у проекта есть отдельный сайт, где можно наблюдать за работой агентов в реальном времени. Интерфейс там на китайском, но сам формат публичной прозрачности интересен уже как идея.
Почему это важно для OpenClaw
OpenMOSS интересен как универсальный слой оркестрации для нескольких агентов без жёстких ограничений по сценариям. Если дать агентам подходящие инструкции, навыки и доступ к нужным инструментам, такую систему можно адаптировать под самые разные задачи: публикацию контента, ресерч, обработку задач, мониторинг и другие автоматизированные процессы.
Для экосистемы OpenClaw это особенно ценно как пример того, как из отдельных агентов можно собрать полноценную рабочую команду.