在日常开发中，Claude Code 作为强大的终端 AI 助手，能够极大地提升编码效率。然而，传统的终端会话往往是隔离的，无法直接进行跨会话协作。为了打破这一限制，开发者可以通过构建自定义技能（Custom Skill），为 #Claude Code 赋予异步通信的能力。
该方案的核心在于利用本地或云端的消息队列（如 Redis 或轻量级文件数据库），作为不同会话之间的中转站。通过自定义的命令行工具，一个 Claude Code 实例可以将执行状态、代码片段或查询请求推送到共享队列，而另一个运行在后台或不同项目目录下的实例则可以异步读取并处理这些消息。这种模式在处理耗时较长的重构任务、多模块并行开发或自动化测试时显得尤为高效。
具体实现上，我们需要编写一个符合 Claude Code 规范的 MCP（Model Context Protocol） 工具。该工具提供 send_message 和 poll_messages 两个核心 API。借助 TypeScript 或 Python，开发者可以快速搭建起这套异步通信骨架，使多个 AI 代理能够协同作战，实现真正意义上的多智能体（Multi-Agent）终端协作。
跨会话异步通信是 AI Agent 从“单兵作战”向“团队协作”演进的关键里程碑。以往的 Agent 局限于单次会话的上下文窗口（Context Window），而通过 #MCP 协议和自定义技能构建的异步总线，不仅打破了物理会话的边界，更让复杂任务的分布式求解成为可能。相较于传统的 LangChain 或 CrewAI 等重型框架，基于 Claude Code 的轻量级异步技能实现更贴近开发者本地工作流，对未来终端级 Multi-Agent 生态的构建具有极强的示范效应。
