Slack 是怎么接入 Claude Agent 的

约 1381 字大约 5 分钟

ClaudeSlackBolt.jsAgent

2026-07-13

把 AI agent 接进 Slack,很多人以为难点在 Claude 那边。其实反过来:Slack 侧的"agent 体验"是 Slack 自己的 Assistant API 提供的,跟 Claude 无关;Claude 只负责"给下一段回复"。 两块是彻底解耦的。

本文以 Slack 官方示例仓库 slack-samples/bolt-js-starter-agent 为基础,讲清楚这条链路。它是本系列 LangChain / LangGraph / CrewAI 是怎么调用 Claude 的的延续——核心还是那个问题:agent 循环归谁管。

整体链路

Slack 事件(用户在 Assistant 面板发消息)
  └─ Bolt.js 的 Assistant 中间件      ← Slack 侧:UI、线程、状态气泡、快捷提示
        └─ 调用 Claude(Messages API 或 Agent SDK)  ← Claude 侧:只负责生成回复
              └─ (可选)Slack MCP Server            ← 让 Claude 反过来读写 Slack
        └─ chat.update 逐步覆盖回帖   ← Slack 侧:模拟打字机(有限流)

记住一句话:换成 OpenAI,Slack 那半边代码几乎不动。 所以要分清哪些是 Slack 的能力、哪些是 Claude 的能力。

一、Slack 侧:Bolt.js 的 `Assistant` 类

Slack 不需要你监听裸事件,而是提供了一个封装好的 Assistant 中间件,帮你处理三类事件:

import { App, Assistant } from "@slack/bolt";

const assistant = new Assistant({
  // 用户点开 Assistant 面板 / 开启 DM → assistant_thread_started
  threadStarted: async ({ say, setSuggestedPrompts, setTitle }) => {
    await say("👋 我是 AI 助手");
    await setSuggestedPrompts({
      prompts: [{ title: "查订单", message: "我想查订单" }],
    });
  },

  // 用户发消息 → 这里才调用 Claude
  userMessage: async ({ message, say, setStatus, getThreadContext }) => {
    await setStatus("is thinking...");            // 显示"正在思考"气泡
    const reply = await callClaude(message.text); // ← 见第二节
    await say(reply);
  },

  // 用户切换频道 → assistant_thread_context_changed
  threadContextChanged: async ({ saveThreadContext }) => {
    await saveThreadContext();
  },
});

app.assistant(assistant);

这里的 setStatus / setTitle / setSuggestedPrompts 都是 Slack 的 assistant.threads.* API,渲染成 Slack UI 里的"正在思考"、线程标题、快捷提示按钮。

事件	触发时机	常用能力
`assistant_thread_started`	用户点开 Assistant 面板 / 开启 DM	`setTitle`、`setSuggestedPrompts`
`message`(assistant thread 内)	用户发消息	`setStatus`、`say` → 调 Claude
`assistant_thread_context_changed`	用户在频道间切换	`saveThreadContext`

提示

这一整层是 Slack 的能力,与用哪个大模型无关。需要 assistant:write / chat:write scope。

二、Claude 侧:又是"agent 循环归谁管"

官方仓库同时提供了两种实现,正好对应本系列的核心分野。

方式 A —— 普通 Messages API(自己管历史)

import Anthropic from "@anthropic-ai/sdk";
const client = new Anthropic();

// 每个线程一份历史:Map<channel-thread, messages[]>
async function callClaude(text: string, history: Anthropic.MessageParam[]) {
  history.push({ role: "user", content: text });
  const res = await client.messages.create({
    model: "claude-opus-4-8",
    max_tokens: 1024,
    messages: history,      // ← 每次把整个线程历史重发(Messages API 无状态)
  });
  const reply = res.content
    .filter((c) => c.type === "text")
    .map((c) => (c as Anthropic.TextBlock).text)
    .join("");
  history.push({ role: "assistant", content: reply });
  return reply;
}

对话历史你自己存,工具循环(tool_use → 执行 → 回填)也在你的代码里。

方式 B —— Claude Agent SDK(循环交给 SDK)

import { query } from "@anthropic-ai/claude-agent-sdk";

for await (const event of query({
  prompt: message.text,
  options: {
    model: "claude-opus-4-8",
    // resume: 上次存下的 sessionId —— 复用同一线程的会话
  },
})) {
  // 迭代 SDK 吐出的事件(assistant 文本 / tool_use / result ...)
}

你只需要拿 "线程 = channel_id + thread_ts" 当 key,存一个 session id;历史和工具循环由 SDK 维护。

注意

query() 的确切字段名(session 恢复参数、事件 type 枚举)以 Agent SDK 官方文档为准——结构对,字段可能有出入,别照抄。

两种方式对照

维度	Messages API	Claude Agent SDK
agent 循环	你的应用层(手动)	SDK 内部(自动)
会话历史	自己用 Map 维护	存一个 sessionId 即可
工具调用	手动声明 + 处理 `tool_use`	挂上 MCP / 工具自动跑
适用	简单问答	多轮、多工具的复杂 agent

三、流式"打字机"回帖

Slack 消息不能像 SSE 一样逐 token 推。通用做法是先发一条占位消息,再用 chat.update 反复覆盖:

const msg = await client.chat.postMessage({ channel, thread_ts, text: "⏳" });

let buf = "";
for await (const chunk of claudeStream) {
  buf += chunk;
  await client.chat.update({ channel, ts: msg.ts, text: buf + " ▌" });
  await delay(400); // ← 关键:Slack 有限流,别每个 token 都 update
}
await client.chat.update({ channel, ts: msg.ts, text: buf }); // 去掉光标

Bolt 较新版本提供了 sayStream() 帮你追加内容,但节流这件事逃不掉——这是 Slack 的限流(约 Tier 3,每频道每分钟几十次更新),不是 Claude 的限制。

四、工具:Slack 自己也有 MCP Server

官方示例接的是 Slack MCP Server(搜消息、读频道、发消息、管 Canvas)。完整链路是:

Claude(决定调工具)→ Slack MCP Server(读/写 Slack)→ 结果回给 Claude → 再回帖

Agent SDK 版本:直接把这个 MCP server 挂上去,工具循环自动跑。
Messages API 版本:自己在 tools=[...] 里声明工具,并处理返回的 tool_use 块。

这样 agent 不仅能回复,还能主动"在工作区里搜一下历史消息""把结论写进 Canvas"。

一句话总结

Slack 接 Claude = Slack 的 Assistant API 负责 UI 和线程体验(状态气泡、快捷提示,流式更新靠 chat.update 节流)+ Claude 负责生成回复。而"用普通 Messages API 还是 Agent SDK",又回到那个核心区别:对话历史和工具循环,是你自己管,还是交给 SDK 管。

理解这条分界,再看任何"把 XX 大模型接进 IM"的方案,都能一眼看出哪半边是平台能力、哪半边是模型能力。

Claude Code

OpenAI

Qwen Code