AgentScope 快速上手指南三步跑通可信任的多智能体应用【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/agentscopeAgentScope 2.0 是阿里通义实验室开源的多智能体框架它把推理循环、工具沙箱、权限确认和事件流封装成现成积木让智能体的每个动作都看得见、管得住。它适合两类人想在自己的代码里组装智能体的开发者以及想直接上线多租户智能体 Web 应用的团队。 一分钟定位它是智能体框架不是流程编排器一句话AgentScope 是给模型提供基础设施的框架而不是替模型写剧本的编排器——它不做死板提示词和固化流程而是把推理、工具、权限这些能力原样交给你。它擅长的事ReAct 循环推理与行动反复迭代支持结构化输出、实时打断与恢复工具与沙箱内置 Bash、文件读写、搜索工具执行环境可选本地、Docker、E2B、K8s 等多厂商模型OpenAI、Anthropic、Gemini、DashScope、DeepSeek、Moonshot、Ollama 等统一接入服务化多租户多会话、智能体团队、IM 渠道、RAG、定时任务开箱即用 三步跑通安装并运行第一个智能体先说结论环境要求只有一个——Python 3.11其余全在 PyPI 里。第一步安装。两种方式任选uv pip install agentscope # 或从源码安装 git clone -b main https://gitcode.com/GitHub_Trending/ag/agentscope cd agentscope uv pip install -e .第二步配置模型密钥。示例用 DashScope换其他厂商同理export DASHSCOPE_API_KEYsk-xxx第三步跑起来。最简写法是建一个Agent交给launch_consoleimport asyncio, os from agentscope.agent import Agent from agentscope.console import launch_console from agentscope.credential import DashScopeCredential from agentscope.model import DashScopeChatModel from agentscope.tool import Toolkit, Bash, Read, Write agent Agent( nameFriday, system_promptYoure a helpful assistant named Friday., modelDashScopeChatModel( credentialDashScopeCredential(api_keyos.environ[DASHSCOPE_API_KEY]), modelqwen3.6-plus, ), toolkitToolkit(tools[Bash(), Read(), Write()]), ) asyncio.run(launch_console(agent))运行后直接在终端里聊流式输出、工具调用确认、CtrlC 中断都自带。你可以直接跑 examples/console/ 下的官方示例python examples/console/main.py它还演示了如何把工作区文件和长期记忆挂上。 骨架三件套三个核心概念一次讲清跑通之后框架的骨架其实就三个词Agent、Workspace、事件流与权限。Agent 像一个导航 App。你只给目的地它自己规划路线、实际行驶、遇到封路就重新算路——推理→行动的循环里每做完一步都会回头看结果再决定下一步你还能随时让它靠边停。Toolkit 是工具箱Workspace 决定工具箱能在哪摆开。Bash、文件编辑、搜索这些工具统一挂在Toolkit里工具实际在哪执行则由Workspace决定——本地目录、Docker、E2B 都行。工具箱不变换个工作面就能获得不同程度的隔离。事件流加权限是看得见、管得住的来源。智能体的每次推理和工具调用都作为事件实时流给前端高风险操作先过权限系统——确认、规则放行或BYPASS三档可调。像飞机黑匣子加空管所有动作实时广播进危险空域前必须先要一次许可。 一个完整例子执行者-验证者流水线单智能体能干活了接下来解决它说自己干好了的问题。examples/pipeline/goal/ 给了个现成场景一个智能体写代码另一个验收不通过就把意见打回循环到通过或达到上限。关键设计有三点两个智能体共享同一个LocalWorkspace所以验证者看的是实际写进文件的东西不是执行者的口头汇报验证结论是结构化输出通过与否 缺失说明验证者需要读文件、跑命令时用的和执行者完全一样的工具。目标不写在构造参数里而是流水线第一次被问做什么时确定——验证者拿这个目标当裁判标准。核心接线只有几行from agentscope.pipeline import GoalPipeline pipe GoalPipeline(executorexecutor, verifierverifier) await launch_console(agentpipe)运行python examples/pipeline/goal/goal_pipeline.py终端里会交替显示两个智能体的流式输出谁在写、谁在挑毛病一目了然。这个产出-验收模式可以平移到写报告-审报告、生成数据-校验数据等任何场景。️ 从玩到用拉起 Agent Service想要多人用的应用就不用手写服务端了。Agent Service是一个自带 Web UI 的 FastAPI 后端把智能体直接变成多租户、多会话的在线应用examples/agent_service/ 就是起点uv pip install agentscope[service,storage-redis] cd examples/agent_service python main.py # 另开终端启动 Web UI cd examples/web_ui pnpm install pnpm dev在页面里填http://localhost:8000就能以聊天方式体验全部能力。扩展时只动三处在main.py里加自己的MCP服务器、中间件、工作区管理器用custom_subagent_templates定义团队里不同角色的子智能体换存储后端示例默认 RedisSDK 场景完全不需要。另外长任务转后台这类细节也内置了——耗时工具调用自动卸载到后台结果回来再唤醒智能体前端不会干等。❓ 踩坑前先知道问没有 DashScope 的 Key 怎么办不是必须。src/agentscope/credential/下 OpenAI、Anthropic、Gemini、Ollama 等每家都有凭证类换到对应的 Model 类即可scripts/model_examples/ 里还有每家厂商可独立运行的样例改个环境变量就能跑。问智能体拿着 Bash 会不会把机器搞乱这正是权限系统的存在意义。默认模式下调危险工具会弹确认y只放行一次a顺带批准它建议的权限规则后续同类调用不再询问。建议先跑熟默认确认模式、按规则逐步放行确认安全后再切BYPASS。问本地开发一定要起 Docker 或 Redis 吗不需要。SDK 场景用LocalWorkspace在本地目录干活就行Redis 只是 agent_service 示例的默认存储。生产再上 src/agentscope/workspace_manager/ 里的沙箱后端和 SQL/NoSQL 持久化都是 pyproject 里的可选 extras。问怎么排查智能体卡住了或行为不对两件事控制台跑--verbosity debug看完整生命周期事件流框架已内置 OpenTelemetry 集成把 span 导出到 Jaeger 等现有平台即可端到端追踪不用自己埋点。 深入入口跑通只是起点真正值得花时间的是权限规则和工作区选型——那是可观测、可信任理念真正落地的地方。按这个顺序往下挖示例examples/console 调试、agent_service 服务化、pipeline 流水线、rag、long_term_memory核心源码src/agentscope/agent/智能体、src/agentscope/tool/工具、src/agentscope/permission/权限更新日志docs/NEWS.md社区Discord 与钉钉交流群入口见仓库 README 的 Community 章节【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