chat_with_agent

与 Agent 对话

何时使用

当你需要向另一个 Agent 询问问题、寻求帮助、请求方案、请求复核，或用户明确要求某个 Agent 参与时使用。

应该使用

• 需要另一个 Agent 的专长、判断或第二意见
• 需要向某个 Agent 请求方案、复核或建议
• 用户明确要求某个 Agent 参与或协助
• 多个独立子任务需要并行分配给不同 Agent

不应使用

• 你自己可以直接完成，且用户没有明确要求调用其他 Agent
• 只是普通问答，不需要专门 Agent
• 刚收到某个 Agent 的消息，不要立刻回调同一个 Agent（防止死循环）

工作流程

第一步：查询可用 Agent

listAvailableAgents()

返回所有已启用 Agent 的名称、类型和描述，根据描述选择最合适的 Agent。

第二步A：单次委托（串行）

delegateToAgent(
  agentName="data-analyst",
  task="[来自 Agent my-agent 的请求] 请帮我分析以下销售数据，给出环比趋势摘要：..."
)

• agentName：目标 Agent 的名称（从 listAvailableAgents() 返回值中取）
• task：发送给目标 Agent 的完整任务描述
• 建议在 task 开头加 [来自 Agent <自身名称> 的请求] 便于对方识别来源

第二步B：并行委托（多个独立任务同时进行）

最多同时委托 3 个 Agent：

delegateParallel(
  tasksJson="[
    {\"agentName\": \"research-agent\", \"task\": \"[来自 Agent coordinator 的请求] 搜索 AI 行业最新融资动态\"},
    {\"agentName\": \"data-analyst\", \"task\": \"[来自 Agent coordinator 的请求] 分析上季度销售数据趋势\"}
  ]"
)

tasksJson 是 JSON 数组字符串，每个元素包含 agentName 和 task。

决策规则

1. 用户明确要求调用某 Agent → 先 listAvailableAgents() 确认名称，不要猜
2. 能自己完成 → 不调用
3. 多个互相独立的子任务 → 用 delegateParallel，不要串行逐个调用
4. 不超过 3 个并行 → 超过时按优先级分批
5. 收到 Agent B 回复后 → 不要立刻回调 Agent B

与 make_plan 的区别

技能	用途
chat_with_agent	向 Agent 咨询、委托、获取结果
make_plan	专门向更强 Agent 索要执行计划（由自己执行）

注意事项

• delegateToAgent 是同步阻塞调用，等待目标 Agent 完成后返回结果
• delegateParallel 并发执行，等所有任务完成后一次性返回所有结果
• MateClaw 当前不支持跨调用的会话 session 续接，每次 delegateToAgent 是独立对话
• 如需上下文连贯，在 task 参数中附带上一次的关键结论