企业官网建设流程全解析

AgentScope 2.0 完整指南：从终端到生产级多智能体服务

【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

AgentScope 2.0 是一个 Python 多智能体框架，把 ReAct 推理-行动循环、工具权限、沙箱工作空间、长期记忆和 FastAPI 多租户智能体服务做成了可组合模块。适合两类人：想先在终端里跑通一个带工具的智能体来验证想法的开发者，以及想把智能体部署成多会话、多租户应用的工程团队。

一条依赖装完，从终端启动第一个智能体

环境要求是 Python 3.11 及以上。从 PyPI 安装只需一行，也可以克隆源码装：

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 .

装好后，最小可用的智能体就是下面这段（完整可运行版本在 examples/console/main.py，默认模型是qwen3.7-max）：

from agentscope.agent import Agent from agentscope.console import launch_console from agentscope.model import DashScopeChatModel from agentscope.credential import DashScopeCredential import os agent = Agent( name="Friday", system_prompt="You're a helpful assistant named Friday.", model=DashScopeChatModel( credential=DashScopeCredential(api_key=os.environ["DASHSCOPE_API_KEY"]), model="qwen3.7-max", ), ) await launch_console(agent)

launch_console把终端交互全部接管了：流式渲染文本和工具调用结果、Ctrl+C 中断当前回复、exit退出。如果不想用交互式控制台，脚本里可以用ConsoleRenderer被动渲染agent.reply_stream的事件流，输入和确认逻辑由调用方自己控制。

模型、工具集从哪里换

Agent的每个部分都是独立模块：模型层覆盖 OpenAI、Anthropic、Gemini、DashScope、DeepSeek、Moonshot、Ollama、xAI 等厂商，放在src/agentscope/model/下；内置编码工具（Bash、Read、Write、Edit、Grep、Glob）在src/agentscope/tool/_builtin/下，通过Toolkit(tools=[...])传入。换模型只改model=参数，换工具只改Toolkit参数，其余不动。

工具执行前的权限闸门：五种模式各管什么场景

智能体能执行 shell 命令和写文件，不能默认全放行。AgentScope 的权限引擎（src/agentscope/permission/_types.py）定义了五种PermissionMode，每个模式的适用场景写得很明确：

• DEFAULT：每个操作都要确认，除非命中你配置的允许规则；ls、git status这类只读命令由 Bash 工具自动放行。
• ACCEPT_EDITS：工作目录内的读写自动允许，适合人在旁边看着的快速迭代。
• EXPLORE：只读模式，一切修改操作直接拒绝，适合先让智能体摸底代码库。
• BYPASS：跳过全部安全询问，只认用户显式配置的 deny/ask 规则，适合容器等沙箱内的无人值守运行。
• DONT_ASK：把所有"询问"转成"拒绝"，定时任务、后台执行时默认安全。

在终端控制台里，工具调用弹出确认时，按y本次放行，按a则连建议的权限规则一起接受，之后匹配的规则不再询问。

长时间运行的工具：卸载到后台，完成后唤醒智能体

一个跑几分钟的工具（比如批量爬取、大文件转换）如果同步执行，对话就会卡死。服务端的处理方式是把它卸载到后台任务管理器（src/agentscope/app/_manager/_background_task_manager.py），工具在后台进程里继续跑，结果产出后由唤醒调度器（_wakeup_dispatcher.py）重新拉起智能体，在同一个会话里继续往下走。对使用方来说，体验是"任务发出去、对话没断、结果回来时智能体自动接着说"。

从终端脚本到多租户服务：两条命令起服务

把单个智能体变成可对外提供的服务，走 examples/agent_service/main.py 这个示例。它基于 FastAPI，用create_app组装存储、消息总线、MCP、知识库管理器等组件，后端默认用本地 Redis（localhost:6379）做会话和状态持久化。

# 终端 1：启动智能体服务后端 cd examples/agent_service python main.py # 终端 2：启动配套 Web UI cd examples/web_ui pnpm install pnpm dev

Web UI 启动后，把 API 端点指向http://localhost:8000即可开始对话。服务本身是多租户、多会话隔离的，main.py里还能看到默认挂载的 MCP（如browser-use）、长期记忆中间件和 Qdrant 内存向量库。

团队、调度与 Hub 在服务的哪里

服务层的能力都挂在同一个 FastAPI 应用上：Agent Team 用 Leader-Worker 编排，内置团队工具（src/agentscope/app/_tool/下的 create/say/delete）让 leader 智能体派生并协调 worker；调度支持定时任务与智能体唤醒；MCP & Skill Hub 对接 GitHub MCP Registry 和 ClawHub，流程是浏览 hub、安装到个人库、再添加到工作空间。消息频道则把智能体接进即时通讯平台，内置钉钉、飞书、Discord 三种渠道（src/agentscope/app/channel/）。

知识库接入：两个脚本跑通 RAG，四个向量后端任选

RAG 的库模式示例在 examples/rag/，没有 FastAPI，手动把解析器、分块器、嵌入模型、向量库接起来，数据流全程可见：

uv pip install "agentscope[rag]" export DASHSCOPE_API_KEY=sk-... python examples/rag/index_and_search.py # 解析→分块→嵌入→入库→检索 python examples/rag/integrate_with_agent.py # 把知识库挂到 Agent 上

第二个脚本演示两种挂载方式：static模式由中间件自动注入检索结果，agentic模式把检索做成工具由智能体自己决定何时查。默认用 Qdrant 内存库（location=":memory:"）加 DashScopetext-embedding-v4，不需要任何外部服务；需要持久化时换MilvusLiteStore(uri="./rag_demo.db")，已有 MongoDB 或 Elasticsearch 的团队则通过agentscope[vdb-mongodb]、agentscope[vdb-elasticsearch]扩展接入。

工作空间沙箱：让代码执行不落在宿主机上

智能体跑 Bash 和 Python 时，执行落在哪里由工作空间决定，同一套接口支持八种后端（src/agentscope/workspace_manager/）：local（直接跑在本地，开发最快）、Docker、Apple Container、Bubblewrap、E2B、OpenSandbox、Daytona、K8s。每个后端按需安装扩展依赖，例如agentscope[workspace-docker]、agentscope[workspace-e2b]。示例里的LocalWorkspace同时提供文件系统工具和技能分区，长期记忆中间件（Agentic Memory，基于 Markdown 文件落盘）也绑定在工作空间目录上，重启后仍然可读。

深入路径：按这三步读代码和文档

• 先跑 examples/console/ 看单个智能体的完整交互，再跑 examples/rag/ 看检索链路，两者都不需要外部服务。
• 要改服务行为，从 examples/agent_service/main.py 入手，存储、消息总线、MCP、中间件都是显式参数。
• 按目录读源码：src/agentscope/agent/（推理循环）、src/agentscope/middleware/（上下文压缩、RAG、长期记忆钩子）、src/agentscope/app/（服务层路由与调度）。动态更新记录在 docs/NEWS_zh.md。

下一步建议：设好DASHSCOPE_API_KEY，执行python examples/console/main.py，用"列出当前目录的 Python 文件"验证只读工具免确认，再用"创建一个 note.md"触发写操作确认。跑通这两步后，按上一节顺序接 RAG 和服务端。

【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