一、WebSocket 在 AI 智能体中的核心作用

一句话总结：WebSocket 是 AI 智能体与外部世界实时交互的 “神经通路”。

它解决 AI 智能体 3 个致命问题：

1. 服务端 → 客户端主动推送AI 思考、执行、报错、进度都要实时推给前端 / 控制端，HTTP 做不到。
2. 长连接、低延迟、双向通信智能体控制鼠标、键盘、浏览器、手机，必须毫秒级指令下发。
3. 持续会话状态智能体执行多步任务（打开 APP→搜索→点击→截图），必须保持连接不断。

所以：凡是需要 远程“实时控制 + 实时反馈” 的 AI 智能体，一定离不开 WebSocket。

---

二、AI 智能体中最典型的使用场景（全部是实战）

1）远程控制本地应用 / 浏览器

• AI 决策 → WebSocket → 下发指令
  • 启动浏览器
  • 鼠标移动 / 点击
  • 键盘输入
  • 窗口操作
• 执行结果 ← WebSocket ← 本地执行器返回
  • 截图
  • 页面内容
  • 执行成功 / 失败

架构：AI 模型 → 指令解析 → Gateway（WebSocket 服务） → 本地执行器

2）AI 思考过程实时流式输出

• 大模型逐字返回思考过程
• 不需要前端轮询
• 体验像：豆包、ChatGPT 流式打字

3）多设备协同智能体

• PC ↔ WebSocket ↔ 手机
• PC ↔ WebSocket ↔ 服务器
• 手机 ↔ WebSocket ↔ 浏览器

典型：手机控制电脑、电脑反向控制手机、跨设备 AI 任务链。

4）AI Agent 状态实时同步

• 任务开始 / 进行中 / 完成 / 失败
• CPU / 内存占用
• 当前屏幕截图
• 日志流推送

5）插件 / 工具实时调用

AI 调用外部能力：

• 搜索
• 爬虫
• 文件读写
• 数据库操作
• 硬件控制

全部通过 WebSocket 双向指令完成。

---

三、WebSocket 在 AI 智能体里的标准用法（架构 + 协议 + 代码）

标准三层架构（所有 AI 智能体通用）

1. AI 决策层（大模型、FunctionCalling）
2. WebSocket Gateway（指令路由、权限、转发）
3. 执行端（浏览器、手机、PC 应用、硬件）

标准指令格式（JSON 帧）

所有智能体通用，你可以直接用：

json

{
  "id": "uuid-123",
  "type": "exec",        // exec / result / log / ping / error
  "action": "browser.click",
  "params": {
    "x": 100,
    "y": 200
  },
  "timestamp": 1741666000000
}

type 说明：

• ping 心跳
• exec 指令下发
• result 执行结果
• log 日志
• error 异常

---

四、真实可运行代码示例（Go + JS）

1）AI 智能体网关（WebSocket 服务端，Go）

负责：

• 接收 AI 指令
• 转发给执行端
• 回收执行结果
• 心跳保活

go

运行

package main

import (
	"github.com/gorilla/websocket"
	"net/http"
	"sync"
)

var upgrader = websocket.Upgrader{CheckOrigin: func(r *http.Request) bool { return true }}
var clientMap = make(map[*websocket.Conn]bool)
var mu sync.Mutex

func main() {
	http.HandleFunc("/ws", wsHandler)
	http.ListenAndServe(":18789", nil) // OpenClaw 默认端口
}

func wsHandler(w http.ResponseWriter, r *http.Request) {
	conn, _ := upgrader.Upgrade(w, r, nil)
	defer conn.Close()

	mu.Lock()
	clientMap[conn] = true
	mu.Unlock()

	// 循环读取指令（AI → 执行端）
	for {
		_, msg, _ := conn.ReadMessage()
		// 收到指令 → 转发给所有执行端
		broadcast(msg)
	}
}

// 广播指令
func broadcast(msg []byte) {
	mu.Lock()
	defer mu.Unlock()
	for c := range clientMap {
		_ = c.WriteMessage(websocket.TextMessage, msg)
	}
}

2）执行端（前端 / PC 控制器）

javascript

运行

const ws = new WebSocket("ws://127.0.0.1:18789/ws");

// AI 下发指令
ws.onmessage = (e) => {
  const cmd = JSON.parse(e.data);

  if (cmd.type === "exec") {
    if (cmd.action === "browser.click") {
      // 执行点击
      simulateClick(cmd.params.x, cmd.params.y);
    } else if (cmd.action === "browser.navigate") {
      window.location.href = cmd.params.url;
    }

    // 执行结果回传 AI
    ws.send(JSON.stringify({
      id: cmd.id,
      type: "result",
      success: true
    }));
  }
};

// 心跳
setInterval(() => {
  ws.send(JSON.stringify({ type: "ping" }));
}, 30000);

3）AI 智能体调用端（发送指令）

javascript

运行

// AI 思考后下发指令
function aiSendCommand(action, params) {
  ws.send(JSON.stringify({
    id: crypto.randomUUID(),
    type: "exec",
    action: action,
    params: params
  }));
}

// AI 让浏览器访问网址
aiSendCommand("browser.navigate", { url: "https://www.baidu.com" });

---

五、为什么 AI 智能体必须用 WebSocket？（关键对比）

HTTP

• 被动
• 客户端主动拉
• 无法实时推送
• 不适合控制

WebSocket

• 全双工
• 服务端可主动推送
• 低延迟
• 长连接不断
• 适合控制、实时、流式、多步任务

结论：AI 智能体 = 大脑 + 神经（WebSocket） + 四肢（执行器）

---

六、我可以给你一套最精简的落地总结

你要做 OpenClaw 这类智能体，只需要记住：

1. WebSocket 是指令通道
2. 帧格式用 JSON
3. 指令结构：type + action + params
4. 架构：
   • AI → WebSocket Gateway → 执行端
5. 最常用动作：
   • 启动应用
   • 鼠标点击
   • 键盘输入
   • 浏览器导航
   • 截图返回
6. 必须加：心跳 + 重连 + 权限验证