はじめに
メインエージェントと自分はsessions_send の使い方を理解していなかった。
私はプログラマーではない。グラフィックデザイン出身で、コードを書く能力はほぼない。それでも OpenClaw でマルチエージェントシステムを1ヶ月以上運用してきた。メインエージェント Jun を司令塔に、Eri(デザイン・仕様)、Kei(コーディング)、Mikihiro(インフラ)といった専門エージェントにタスクを振る体制だ。
ある日、Jun から Eri にタスクを送ると、Eri が完全に無視した。正確には「無視」ではなく、数日前に私と話していた Ollama の設定の話を延々と続けた。送信は成功している。ステータスは ok。でもタスクは処理されない。
セッションをリセットしても、送り先を変えても、同じ。1ヶ月以上この仕組みで運用していて、エージェント間の委任が根本的に壊れていたことに気づいていなかった。
本記事では、この問題の原因と解決策を共有する。同じ構成で運用している人の時間を節約できれば幸いだ。
本記事は Claude(Anthropic)との対話で原因特定・解決策策定を行い、ChatGPT 5.4 によるクロスレビューを経て執筆しています。複数の AI を使い分けた診断プロセス自体も、マルチエージェント運用者にとって参考になると考え、そのまま記載しています。
症状:送信成功、処理失敗
Jun から Eri へ sessions_send でタスクを送った。3回試行した。
試行1: agent:eri:telegram:direct:6087152759 に送信。Eri の返答は「openclaw.json を直接編集したときは、基本『編集 → openclaw gateway restart』までがセット...」——数日前の Ollama 設定の会話の続きだった。
試行2: Eri のセッションをリセットしてから再送。返答は「OK、続きじゃなくてここから仕切り直しね。今日は何やる?」——タスクを読んだ気配なし。
試行3: 送り先を agent:eri:main に変更。返答はスイングトレード設計の続き——別のセッションの既存コンテキストが出てきた。
共通点:
-
status: ok、runIdは毎回発行される(送信自体は成功) -
delivery.status: pending/mode: announce - 返答は全て既存コンテキストの続き
原因:sessions_send は「新しい仕事の発注書」ではない
ここが1ヶ月間の誤解の核心だった。
sessions_send の実際の挙動
sessions_send は、指定した sessionKey の既存セッションにメッセージを1件追記する。受信側エージェントの LLM は、その既存セッションの全会話履歴(数十〜数百ターン)+追記された1メッセージを受け取る。
LLM にとっては「100ターンの会話の101ターン目」だ。100ターン分の文脈が圧倒的に強いので、末尾の1メッセージ(新しいタスク指示)は事実上埋もれる。
OpenClaw のドキュメントには以下の記述がある:
Agent-to-agent message context is injected for the primary run. Inter-session messages are persisted with
message.provenance.kind = "inter_session"so transcript readers can distinguish routed agent instructions from external user input.
inter_session というメタデータは付くが、これはトランスクリプトの識別用であって、LLM のコンテキストウィンドウ内での優先度付けではない。
たとえ話で言うと
Jun が Eri のデスクに行き、付箋を1枚貼る。しかし Eri のデスクには Ollama 設定の話が50ページ分散らばっている。Eri は席に戻って「ああ、この仕事の続きだな」と解釈する。
sessions_send の本来の用途は「進行中の仕事への補足」 だ。たとえば Eri が既にタスクを進めている最中に「例のエクセル、割引クーポンの列も追加して」と伝えるような場面。新しい仕事の発注書ではない。
解決策:sessions_spawn + agentId
sessions_spawn の挙動
sessions_spawn は新しいセッション(agent:<agentId>:subagent:<uuid>)を生成する。既存の会話履歴を一切引き継がない。タスク内容だけがコンテキストに入り、完了後は結果が要求元に自動で announce される。
たとえ話で言えば、Jun が新しい会議室を予約して、Eri をその部屋に呼ぶ。テーブルの上にはタスク指示書だけが置いてある。Eri はそれだけに集中して仕事をする。
agentId 指定の重要性
ここにもう一つ落とし穴がある。sessions_spawn を agentId なしで呼ぶと、対象エージェントの設定(SOUL.md、IDENTITY.md 等)がロードされない汎用 subagent が起動する。「会議室は取ったが、派遣社員が来た」状態になる。
# NG: agentId なし → 汎用 subagent(ペルソナなし)
sessions_spawn:
task: "商品テーブルを作成して"
# OK: agentId あり → Eri のエージェント設定がロードされる
sessions_spawn:
agentId: "eri"
task: "商品テーブルを作成して"
allowAgents の設定
sessions_spawn で他エージェントを指定するには、呼び出し元の設定で許可が必要だ。デフォルトでは自分自身しか spawn できない。
{
"agents": {
"list": [
{
"id": "jun",
"subagents": {
"allowAgents": ["eri", "kei", "mikihiro", "tokio", "kai", "rin"]
}
}
]
}
}
たとえ話で言えば、社内の受付に「Jun はこの6人を会議室に呼ぶ権限がある」と登録する作業だ。
使い分け早見表
| やりたいこと | ツール | たとえ |
|---|---|---|
| 進行中の作業に補足・確認を送る | sessions_send |
デスクに付箋を貼る |
| 新しいタスクを委任する |
sessions_spawn + agentId
|
会議室を予約して本人を呼ぶ |
| 相手の作業状況を確認する | sessions_history |
デスクの書類を覗く |
注意すべき制約
spawn の深度制限
sub-agent は sessions_spawn を呼べない(最大深度2)。Eri から Kei への再委任はできないので、Jun がフラットに両方を spawn する設計にする必要がある。
コンテキスト予算
エージェントのワークスペースファイル(SOUL.md 等)は毎メッセージに注入される。spawn 先でもこのコストは掛かるので、/context list でエージェントごとの消費量を確認しておくとよい。
診断プロセス:複数 AI の使い分け
本件の診断は以下の流れで進めた。
Claude(Anthropic): 問題の構造化された報告を受けて、OpenClaw のドキュメントを検索・精読し、sessions_send のコンテキスト注入挙動と sessions_spawn の隔離セッション生成という仕様差を特定。解決策の YAML を AI エージェント向けに生成した。
私(Minakawa): Claude の初期診断に対して「spawn したのは Eri ではなく汎用 subagent」という実機観測を返し、agentId 問題の発見につながった。AI の出力を鵜呑みにせず、実機の挙動と突き合わせる工程は人間側の責務だ。
ChatGPT 5.4: Claude が生成した診断 YAML をクロスレビュー。「agentId なしでの挙動は推論であり確定仕様ではない」「バージョン要件は実機検証で確認すべき」といった精度面の指摘を返した。overall_score 0.78 の評価で、根本原因と解決策の方向性は支持しつつ、断定のトーンを修正すべき箇所を特定した。
この「診断→実機突き合わせ→クロスレビュー」のサイクルは、AI を使ったトラブルシューティングのパターンとして汎用的に機能すると感じている。
おわりに
1ヶ月以上 OpenClaw を運用し、メインエージェント(sonnet4.6)すらこの使い分けを理解していなかった。sessions_send は名前からして「エージェント間でメッセージを送る」ツールに見えるし、実際に送信は成功する。しかし「送信成功 ≠ 処理成功」というサイレント障害は、知らなければ永遠に気づけない。
この記事が、同じ落とし穴にはまっている誰かの1ヶ月を節約できれば嬉しい。