丨 导语 OpenClaw（原名clawdbot）突然就火了，了解后发现多终端协同的人机协同方式的jarvis正是自己的日常工作方式！在此之前，为了方便自己用 AI ，我基于 claude Agent sdk 手搓了一整套工具链，打造自己的 Jarvis，IM接入功能算是基操了。 本文带大家快速体验一下 Agent Studio 在企业微信快速接入过程。
作者：kong
还记得《钢铁侠》里的 Jarvis 吗？一个随时在线、无所不能的 AI 助手——它能帮你处理工作、管理项目、分析数据、甚至还能和你闲聊几句。这不就是我们一直梦想的终极 AI 助手吗？
在 AI Agent 领域，有不少项目都在朝着这个方向努力。比如 OpenClaw（原名clawdbot），它确实很"野"——把 AI Agent 和 WhatsApp、Telegram、Discord 等消息应用打通，让你能在手机上随时随地和 AI 对话。听起来很酷对吧？
但今天我要给你介绍一个更加"丧心病狂"的方案：Agent Studio。实际上，在企业微信上招呼 AI 干活，已经是我的日常，在通勤路上，吃饭时间等几乎全天候在与 AI 协同，全拜Agent Studio支撑。
OpenClaw（原名clawdbot）的核心思路是：通过消息应用网关来访问 AI Agent。它支持多个平台：
作为一个成熟的开源项目（102k stars），OpenClaw（原名clawdbot） 提供了强大的能力：
✅ 功能完整：100+ CLI 命令、Cron 定时任务、多 Agent 路由、WebSocket Gateway
✅ 架构成熟：完整的协议设计、沙盒执行、工具系统
✅ 平台广泛：支持 9+ 个主流消息平台
✅ 社区活跃：文档完善，问题能得到快速响应
但它的定位是：为开发者提供一个强大、灵活的工具箱，适合技术团队搭建自己的 Agent 基础设施。
这意味着：如果你有技术背景，愿意学习 CLI 配置，需要支持多个 IM 平台，OpenClaw（原名clawdbot） 是非常好的选择。
Agent Studio 的方案：企业微信一键接入
Agent Studio 的核心定位是：打造一套完整的个人 Agent 工作台。在众多功能中，IM 接入是一个重要特性——目前已接入企业微信机器人，钉钉、飞书、discord、slack等更多 IM 渠道已在路上。
下面以企业微信机器人（腾讯内部版）为例，展示 Agent Studio 的 IM 接入体验，说明 Agent 如何快速接入现有沟通工具并完成实际对话交互，帮助快速理解 Agent 从接入到使用的整体流程（这里更多是基于实践总结的接入思路示例，重点在于方法和路径的启发，具体实现可根据各自环境灵活调整）
Agent Studio接入企微的完整流程（只需 5 分钟）
Step 1: 安装 Agent Studio
npm install -g agentstudio
agentstudio start
访问 http://localhost:4936/
如果你是 claude code 的用户，你会 0 门槛继续，跳过下面模型供应商设置这一步。
如果还不是 claude code 用户，需要你到：https://localhost:4936/settings/suppliers 这里配置一个模型的供应商并把它设置为默认供应商，才可以继续。除 claude 模型外，还支持 GLM、Minimax, Kimi, DeepSeek 等国产模型。
在进入下一步之前，最好先在 web 页面上（首页或项目管理点击一个项目进去），发个消息 agent 工作正常了：
Step 2: 启用隧道（让企微机器人可以调用你本地的 Agent）
注：如果你部署在 devCloud 上，或者有固定的 IP，是不需要隧道的。
访问 http://localhost:4936/settings/tunnel，使用 Tunely (WebSocket) 隧道，该服务部署在司内用于连接企微和本地 Agent，数据不出外网，不担心：
点击 "Tunely (WebSocket)" 标签
配置隧道名称和服务器地址
点击 "连接" 按钮
连接成功后会显示隧道地址（如 https://kongjie.tunnel）
想要部署自己的隧道服务的可以联系我要方法。
Step 3: 进入项目管理，配置 IM 接入
访问 http://localhost:4936/projects
进入 "项目管理"
选择要接入的项目，点击 "A2A Protocol 管理", 倒数第三个图标
切换到 "IM 接入" 标签
点击 "生成接入命令"，系统会自动：
✅ 创建安全的 API 密钥
✅ 检测网络状态（隧道或本地网络）
✅ 生成完整的企微机器人接入命令，形如 /ap my-project http://kongjie.tunnel/a2a/xxxx-agent-id/messages --api-key your-key
复制生成的命令
如果没有配置隧道，这里的 kongjie.tunnel 会使用所在机器的 IP 要址，同样的也可以工作的。但如果下次地址换了，就得重新绑定了。
Step 4: 加入群聊，开始使用
1.把 agent studio 加入你的企微群里
2.在群里的推送通知中找到 "agent studio" 机器人，私聊它！
3.发送刚才复制的命令，将项目添加到企微中
4.机器人会回复确认信息，项目添加成功
5.现在你可以直接和机器人对话，使用你的本地 Agent 了！
使用/use 项目名 开始和Agent 聊，/use 也可以用来切换不同的项目。
从此：
对于"快速接入企微"这个场景：
配置体验：Agent Studio 图形化配置，5 分钟完成；OpenClaw（原名clawdbot）需要通过 CLI 配置
企微集成深度：Agent Studio 专门优化了企微接入流程；OpenClaw（原名clawdbot）需要手动配置 Channel
适合场景：Agent Studio 适合个人快速搭建；OpenClaw（原名clawdbot）适合团队自定义部署
而且，对于腾讯内部或使用企业微信的团队，这个深度集成的体验是 Agent Studio 的一大亮点——你不需要切换到 WhatsApp 或 Telegram，就在日常工作的企微里，随时呼叫你的 AI 助手。
如果你以为 Agent Studio 只是 IM 接入那就太小看它了。这是一个 完整的本地 Agent 工作台。
一行命令，立即启动
npm install -g agentstudio && agentstudio start
访问 http://localhost:4936，你会看到一个完整的 Web 工作台：
四大核心功能：让 Agent Studio 成为真正的 Jarvis1. 定时任务：让 AI 按计划自动工作
这是 Agent Studio 最"丧心病狂"的功能之一——让 AI Agent 按计划自动执行任务。
你可以配置：
📊 每天早上 9 点，自动生成项目进度日报
🔍 每 2 小时，检查代码仓库并提交审查意见
📝 每周五，自动整理本周会议纪要并归档
📈 每月 1 号，自动生成业务数据分析报告
支持的调度规则：
执行历史和监控：
查看每次执行的成功/失败状态
查看执行日志和结果
手动触发立即执行
启用/暂停任务
这不就是 Jarvis 该做的事吗？你只需要设定好规则，它就会在后台默默工作，完全不需要你操心。
2. 自定义 Agent：打造专属的 AI 助手
Agent Studio 基于 Claude Agent SDK 构建，这意味着你不仅可以使用平台内置的 Claude Code 作为默认 Agent，还可以根据实际需求场景，全新定义属于自己的专属 Agent。
自定义能力包括：
🎯 定制系统提示词：为不同场景编写专门的 Agent 人格和能力描述
🔧 配置专属工具：为 Agent 添加特定领域的工具和 MCP 服务
🎨 定制 UI 组件：为特定任务设计专属的交互界面
📦 预设配置模板：快速创建常见类型的 Agent（如代码审查、文档写作、数据分析等）
基于 Claude Agent SDK 的优势：
✅ 开箱即用：继承 Claude Code 的所有能力
✅ 标准化接口：使用 Anthropic 官方 SDK，升级无忧
✅ 流式响应：原生支持流式输出，体验流畅
✅ 工具调用：完整的 Tool Use 支持，扩展性强
这就是 Agent Studio 的核心理念：不是给你一个固定的 AI 助手，而是给你一个可以打造任意 AI 助手的平台。
3. A2A 协议：多 Agent 协作网络
Agent Studio 支持 Agent-to-Agent (A2A) 协议，这不仅是一个通信协议，更是 Agent Studio 的核心价值之一。
核心价值：统一的协同调度层
A2A 协议提供了一个统一的网关层，让不同来源、不同位置的 Agent 可以互相协作：
🔗 对内：平台内不同项目的 Agent 可以互相调用
🌐 对外：可以接入外部 Agent 服务（如远程开发机、云端服务）
📱 对 IM：作为 IM 渠道接入的统一网关（企业微信、钉钉等）
这个统一的协同层带来了强大的灵活性：
场景 1：秘书 Agent 模式
场景 2：分布式 Agent 网络
场景 3：IM 统一接入
4. MCP Admin：Agent Studio 的元操作能力
这是最"黑科技"的功能——让 AI Agent 管理 Agent Studio 本身。
Agent Studio 提供了一个特殊的 MCP 服务：agentstudio-admin，包含 22 个管理工具：
list_projects get_project register_project / update_project
list_agents get_agent create_agent / update_agent
list_mcp_servers get_mcp_server add_mcp_server
list_scheduled_tasks / create_scheduled_task
... 等等
当你把这个 MCP 工具挂载到 Jarvis Agent 上时，会发生什么？
你的 AI Agent 可以自己管理 Agent Studio！
举几个例子：
场景 1：动态创建项目
你："Jarvis，帮我创建一个新项目叫 my-blog，路径是 ~/projects/my-blog" Jarvis：调用 register_project 工具，自动创建项目并配置 Agent
场景 2：自动配置定时任务
你："Jarvis，每天晚上 10 点帮我总结今天的 Git 提交记录" Jarvis：调用 create_scheduled_task 工具，自动创建定时任务
场景 3：智能 Agent 管理
你："Jarvis，创建一个专门处理 Python 代码的 Agent" Jarvis：调用 create_agent 工具，配置合适的系统提示词和工具
这意味着：
🤖 Agent 可以自我管理：根据需要动态创建项目、Agent、任务
🧠 智能化配置：不需要你手动点界面，AI 自己完成配置
🚀 工作流自动化：一句话描述需求，AI 自动完成所有配置
这就是真正的元操作能力——不仅是 AI 帮你做事，而是 AI 帮你管理 AI 工作台本身。
Agent Studio vs OpenClaw（原名clawdbot）：客观对比先说在前面：OpenClaw（原名clawdbot）是一个成熟、强大的项目（GitHub 102k stars），它提供了完整的工具箱，支持 9+ 个消息平台（WhatsApp、Telegram、Discord、Slack、Signal、MS Teams、iMessage 等），拥有强大的 CLI 系统（100+ 命令）和成熟的 WebSocket Gateway 架构。
Agent Studio 不是 OpenClaw（原名clawdbot）的替代品，而是差异化的选择——它更聚焦于本地工作台和个人 Jarvis 场景。
| | |
|---|
| 核心定位 | | |
| 技术基础 | | |
| 安装配置 | | |
| 界面 | | |
| 目标用户 | | |
| IM 平台 | | 9+ 平台（WhatsApp、Telegram、Discord 等） |
| 定时任务 | | |
| 自定义 Agent | | |
| A2A 协议 | | |
| MCP Admin | | |
| 数据隐私 | | |
选择建议：
安装
npm install -g agentstudioagentstudio start
访问
打开浏览器，访问：http://localhost:4936
安装为系统服务
使用 install 命令安装为系统服务，无需手动维护终端窗口，让 Agent 随系统启动。
agentstudio install
说实话，Agent Studio 就是我在打造自己的 Jarvis 时顺便产品化的小玩具。
作为一个工程师，我深刻体会到：在这个 AI 时代，每个人都需要、并且有机会打造自己趁手的 Agent 工作台。而在 AI Coding 的加持下，这个成本已经低到令人难以置信。
我的建议是：拿起 AI，和 AI 一起合作，尝试打磨更适合自己的 Agent 工作台。
不要等待完美的产品出现，因为只有你最了解自己的需求：
好消息是：Agent Studio 所有代码开源（GPL v3） : https://github.com/okguitar/agentstudio
如果你有兴趣自己部署企微服务、其他 IM 的渠道和自己的隧道服务，可以进一步了解技术细节。https://github.com/jeffkit/as-dispatch/tree/feature/im-integration
你可以基于它改造出更适合自己的版本，也可以从零开始，用 AI 帮你写代码，快速搭建起自己的 Jarvis。
这不是科幻，这是现实。而且比你想象的要简单得多。
Agent studio 本是个人自搓自用的工具，难免有不完美，有问题/bug可以欢迎评论区讨论，也欢迎一起完善它
粤ICP备14082021号
免费POC，
零成本试错
