AgentScope 2.0 快速上手如何构建看得见、管得住的多智能体应用【免费下载链接】agentscopeBuild and run agents you can see, understand and trust.项目地址: https://gitcode.com/GitHub_Trending/ag/agentscope用大模型写 Agent 的人大概都碰过这几件烦心事智能体默默执行了一条你没预料到的命令、一个长任务卡住整个会话、想把成果做成内部工具给同事用又得从零搭服务。AgentScope 2.0 是一个面向生产环境的多智能体框架它把智能体的推理与行动过程做成可见的事件流工具调用可以逐项确认再配上内置 Web UI 的多租户服务几行代码就能把单兵脚本变成团队应用。如果你只想验证一个想法十几行 Python 就能跑起来。 它解决什么问题目标读者是两类人一是在写 Agent 脚本、但担心模型放飞的个人开发者二是想把智能体交付给多个用户使用的团队。和先画流程图、再让模型往格子里填的传统编排不同AgentScope 的设计哲学是信任模型的推理和工具使用能力——它用 ReAct 循环让模型自己决定想一步、做一步作为主路径再用权限系统、中间件、人在环确认这些外围机制来兜底而不是靠写死的提示词模板控制行为。下面先用最小例子跑通一个智能体你就能判断它适不适合你。⚡ 快速上手5 分钟装好并跑起第一个 Agent安装只有一个前置条件Python 3.11 及以上pyproject.toml里写死了requires-python 3.11。uv pip install agentscope装好后下面这段代码会创建一个带 shell、文件搜索和文件编辑工具的 Agent并在终端里和它对话from agentscope.agent import Agent from agentscope.console import launch_console from agentscope.tool import Toolkit, Bash, Grep, Read, Write, Edit from agentscope.credential import DashScopeCredential from agentscope.model import DashScopeChatModel import os, asyncio async def main(): agent Agent( nameFriday, system_promptYoure a helpful assistant named Friday., modelDashScopeChatModel( credentialDashScopeCredential(api_keyos.environ[DASHSCOPE_API_KEY]), modelqwen3.6-plus, ), toolkitToolkit(tools[Bash(), Grep(), Read(), Write(), Edit()]), ) await launch_console(agent) asyncio.run(main())关键点在最后一行launch_console这个控制台模式替你处理了流式输出、工具调用前的确认提示和 CtrlC 中断——你不需要自己写交互循环。模型不限于 DashScopesrc/agentscope/model/下还内置了 OpenAI、Anthropic、Gemini、DeepSeek、Moonshot、Ollama、xAI 等提供商的适配。跑通这个之后我们来看看框架整体能做什么。️ 能力全景你想做 X它给 YAgentScope 2.0 分两层SDK 层负责组装一个智能体Agent Service 层负责把智能体变成服务。按用户视角整理如下你想做的事AgentScope 提供的能力在终端里调试智能体Console 控制台流式输出、工具确认、CtrlC 中断示例在 examples/console/让智能体用工具Toolkit内置 Bash、文件读写编辑、搜索等编码工具也能挂 MCP 服务器和 Skills让智能体安全地跑代码Workspace 沙箱本地、Docker、E2B、Daytona、K8s 等多种隔离后端让智能体记住你长期记忆中间件可切换 ReMe、Mem0 等后端示例在 examples/long_term_memory/接入文档做检索RAG 服务文档解析、分块、多租户检索向量库支持 Qdrant、Milvus、MongoDB、Elasticsearch把智能体接到 IMChannels飞书、Discord、钉钉的消息路由与会话管理多个智能体协作Agent Team领导-工人编排、内置团队工具、任务规划固定逻辑的多智能体流水线见 examples/pipeline/模型适配是横向贯穿的能力src/agentscope/model/里每个提供商一个目录切换提供商基本只改构造参数。这些能力都不是全有或全无按需组合即可。下面用一个完整场景把其中几条串起来。 一个完整场景走通从终端调试到 Web 服务假设Friday这个 Agent 在终端里验证可用现在要让团队同事在浏览器里用上它。官方给的路线是起一个 Agent Servicegit clone -b main https://gitcode.com/GitHub_Trending/ag/agentscope cd agentscope/examples/agent_service python main.py再开一个终端启动前端cd agentscope/examples/web_ui pnpm install pnpm devexamples/agent_service/main.py是一个完整可改的 FastAPI 应用样板用create_app把 Redis 存储、内存消息总线、MCP 客户端、长期记忆工厂装配在一起。服务层直接带来多租户、多会话隔离以及 Agent Team、RAG、调度等能力——比如领导者智能体派生工人并协调任务这类场景开箱就有长任务也不会卡住会话官方演示里耗时工具会被卸载到后台结果返回后再唤醒智能体继续对话examples/中可复现。到这里你已经有了一个能给人用的 Web 应用但直接上生产前有几个坑值得先知道。⚠️ 常见坑与避坑建议Python 版本3.11 是硬门槛3.10 及以下装不上。升级解释器或换 venv 再装。能力拆在可选依赖里Redis 存储、Docker 沙箱、IM 通道、RAG 解析器等都是 extras基础安装不含。按需加agentscope[storage-redis]、agentscope[workspace-docker]这类后缀或者一次性agentscope[full]装全。Agent Service 示例依赖本地 Redismain.py默认连localhost:6379。本机没起 Redis 就跑不起来先docker run redis或装一个。多进程部署要换消息总线示例默认用InMemoryMessageBus源码注释明确建议多进程/生产环境换成 Redis 版消息总线否则各进程状态不通。避开这些之后部署路径其实很清晰从本机一路到集群是渐进式的。 从笔记本到生产本地Console 调试或直接跑 FastAPI 应用。可观测性不用另接opentelemetry-api/sdk/exporter-otlp是框架的基础依赖src/agentscope/middleware/_tracing/提供追踪中间件把 span 导出到你的后端即可。容器智能体的代码执行建议放进沙箱后端Docker、E2B、Daytona 等命令和文件操作隔离在容器里不落在宿主机上。集群工作区有 K8s 后端workspace-k8s持久化侧用 Redis 或 SQL 存储storage-sql带 Alembic 自动迁移消息总线换成 Redis 版即可水平扩。从个人脚本到团队服务中间不需要换框架换的是组件配置。最后说说什么情况下不必选它。⚖️ 选型参考适合用你要做的不是调一次 API而是可被多人、多会话使用的智能体应用智能体会执行 shell、改文件你需要权限确认和人在环兜底需要在多个模型提供商之间切换且不想为每家写一套胶水代码需要把智能体接入 IM 渠道、RAG、调度或者多智能体协作。不太适合只是单轮/少轮对话调用一个 LLM任何轻量 SDK 十几行就够引入完整框架是负担你的开发模式是先定死流程图再让模型填格子。AgentScope 的 Pipeline 虽支持固定逻辑但主路径是模型自主的 ReAct 循环流程优先的项目匹配度有限运行环境被锁死在 Python 3.11 以下则暂时装不上。AgentScope 2.0 目前是 Beta 状态Apache-2.0 协议能力还在快速迭代。更多细节可以看仓库内的 docs/ 更新日志和各主题的 examples/ 示例代码边跑边看源码是了解它最快的方式。【免费下载链接】agentscopeBuild and run agents you can see, understand and trust.项目地址: https://gitcode.com/GitHub_Trending/ag/agentscope创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 AgentScope 2.0 快速上手：如何构建看得见、管得住的多智能体应用
AgentScope 2.0 快速上手如何构建看得见、管得住的多智能体应用【免费下载链接】agentscopeBuild and run agents you can see, understand and trust.项目地址: https://gitcode.com/GitHub_Trending/ag/agentscope用大模型写 Agent 的人大概都碰过这几件烦心事智能体默默执行了一条你没预料到的命令、一个长任务卡住整个会话、想把成果做成内部工具给同事用又得从零搭服务。AgentScope 2.0 是一个面向生产环境的多智能体框架它把智能体的推理与行动过程做成可见的事件流工具调用可以逐项确认再配上内置 Web UI 的多租户服务几行代码就能把单兵脚本变成团队应用。如果你只想验证一个想法十几行 Python 就能跑起来。 它解决什么问题目标读者是两类人一是在写 Agent 脚本、但担心模型放飞的个人开发者二是想把智能体交付给多个用户使用的团队。和先画流程图、再让模型往格子里填的传统编排不同AgentScope 的设计哲学是信任模型的推理和工具使用能力——它用 ReAct 循环让模型自己决定想一步、做一步作为主路径再用权限系统、中间件、人在环确认这些外围机制来兜底而不是靠写死的提示词模板控制行为。下面先用最小例子跑通一个智能体你就能判断它适不适合你。⚡ 快速上手5 分钟装好并跑起第一个 Agent安装只有一个前置条件Python 3.11 及以上pyproject.toml里写死了requires-python 3.11。uv pip install agentscope装好后下面这段代码会创建一个带 shell、文件搜索和文件编辑工具的 Agent并在终端里和它对话from agentscope.agent import Agent from agentscope.console import launch_console from agentscope.tool import Toolkit, Bash, Grep, Read, Write, Edit from agentscope.credential import DashScopeCredential from agentscope.model import DashScopeChatModel import os, asyncio async def main(): agent Agent( nameFriday, system_promptYoure a helpful assistant named Friday., modelDashScopeChatModel( credentialDashScopeCredential(api_keyos.environ[DASHSCOPE_API_KEY]), modelqwen3.6-plus, ), toolkitToolkit(tools[Bash(), Grep(), Read(), Write(), Edit()]), ) await launch_console(agent) asyncio.run(main())关键点在最后一行launch_console这个控制台模式替你处理了流式输出、工具调用前的确认提示和 CtrlC 中断——你不需要自己写交互循环。模型不限于 DashScopesrc/agentscope/model/下还内置了 OpenAI、Anthropic、Gemini、DeepSeek、Moonshot、Ollama、xAI 等提供商的适配。跑通这个之后我们来看看框架整体能做什么。️ 能力全景你想做 X它给 YAgentScope 2.0 分两层SDK 层负责组装一个智能体Agent Service 层负责把智能体变成服务。按用户视角整理如下你想做的事AgentScope 提供的能力在终端里调试智能体Console 控制台流式输出、工具确认、CtrlC 中断示例在 examples/console/让智能体用工具Toolkit内置 Bash、文件读写编辑、搜索等编码工具也能挂 MCP 服务器和 Skills让智能体安全地跑代码Workspace 沙箱本地、Docker、E2B、Daytona、K8s 等多种隔离后端让智能体记住你长期记忆中间件可切换 ReMe、Mem0 等后端示例在 examples/long_term_memory/接入文档做检索RAG 服务文档解析、分块、多租户检索向量库支持 Qdrant、Milvus、MongoDB、Elasticsearch把智能体接到 IMChannels飞书、Discord、钉钉的消息路由与会话管理多个智能体协作Agent Team领导-工人编排、内置团队工具、任务规划固定逻辑的多智能体流水线见 examples/pipeline/模型适配是横向贯穿的能力src/agentscope/model/里每个提供商一个目录切换提供商基本只改构造参数。这些能力都不是全有或全无按需组合即可。下面用一个完整场景把其中几条串起来。 一个完整场景走通从终端调试到 Web 服务假设Friday这个 Agent 在终端里验证可用现在要让团队同事在浏览器里用上它。官方给的路线是起一个 Agent Servicegit clone -b main https://gitcode.com/GitHub_Trending/ag/agentscope cd agentscope/examples/agent_service python main.py再开一个终端启动前端cd agentscope/examples/web_ui pnpm install pnpm devexamples/agent_service/main.py是一个完整可改的 FastAPI 应用样板用create_app把 Redis 存储、内存消息总线、MCP 客户端、长期记忆工厂装配在一起。服务层直接带来多租户、多会话隔离以及 Agent Team、RAG、调度等能力——比如领导者智能体派生工人并协调任务这类场景开箱就有长任务也不会卡住会话官方演示里耗时工具会被卸载到后台结果返回后再唤醒智能体继续对话examples/中可复现。到这里你已经有了一个能给人用的 Web 应用但直接上生产前有几个坑值得先知道。⚠️ 常见坑与避坑建议Python 版本3.11 是硬门槛3.10 及以下装不上。升级解释器或换 venv 再装。能力拆在可选依赖里Redis 存储、Docker 沙箱、IM 通道、RAG 解析器等都是 extras基础安装不含。按需加agentscope[storage-redis]、agentscope[workspace-docker]这类后缀或者一次性agentscope[full]装全。Agent Service 示例依赖本地 Redismain.py默认连localhost:6379。本机没起 Redis 就跑不起来先docker run redis或装一个。多进程部署要换消息总线示例默认用InMemoryMessageBus源码注释明确建议多进程/生产环境换成 Redis 版消息总线否则各进程状态不通。避开这些之后部署路径其实很清晰从本机一路到集群是渐进式的。 从笔记本到生产本地Console 调试或直接跑 FastAPI 应用。可观测性不用另接opentelemetry-api/sdk/exporter-otlp是框架的基础依赖src/agentscope/middleware/_tracing/提供追踪中间件把 span 导出到你的后端即可。容器智能体的代码执行建议放进沙箱后端Docker、E2B、Daytona 等命令和文件操作隔离在容器里不落在宿主机上。集群工作区有 K8s 后端workspace-k8s持久化侧用 Redis 或 SQL 存储storage-sql带 Alembic 自动迁移消息总线换成 Redis 版即可水平扩。从个人脚本到团队服务中间不需要换框架换的是组件配置。最后说说什么情况下不必选它。⚖️ 选型参考适合用你要做的不是调一次 API而是可被多人、多会话使用的智能体应用智能体会执行 shell、改文件你需要权限确认和人在环兜底需要在多个模型提供商之间切换且不想为每家写一套胶水代码需要把智能体接入 IM 渠道、RAG、调度或者多智能体协作。不太适合只是单轮/少轮对话调用一个 LLM任何轻量 SDK 十几行就够引入完整框架是负担你的开发模式是先定死流程图再让模型填格子。AgentScope 的 Pipeline 虽支持固定逻辑但主路径是模型自主的 ReAct 循环流程优先的项目匹配度有限运行环境被锁死在 Python 3.11 以下则暂时装不上。AgentScope 2.0 目前是 Beta 状态Apache-2.0 协议能力还在快速迭代。更多细节可以看仓库内的 docs/ 更新日志和各主题的 examples/ 示例代码边跑边看源码是了解它最快的方式。【免费下载链接】agentscopeBuild and run agents you can see, understand and trust.项目地址: https://gitcode.com/GitHub_Trending/ag/agentscope创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考