AgentScope 智能体框架入门指南-港品优选

AgentScope 智能体框架入门指南

【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

想让 AI 助手不只是聊天，而是自己读写文件、执行命令、拆解任务，甚至组队协作完成一件复杂工作？AgentScope 智能体框架就是为此设计的。它基于 Python，把模型接入、工具调用、权限管控、事件流和 Web 界面整合成一套体系，让智能体的每一步决策都看得见、可干预。它主要解决三个问题：AI 执行过程不透明、工具调用不受控、多智能体协作缺少现成方案。

🚀 5分钟快速上手：从安装到第一次对话

安装 AgentScope 智能体框架

前提只有一个：Python 3.11 以上。

pip install agentscope

如果要用智能体服务、沙箱等完整能力，安装agentscope[full]即可。

在终端跑通第一个智能体

克隆仓库，进入 examples/console/ 示例（以通义千问为例，需要 DashScope 的 API Key）：

git clone https://gitcode.com/GitHub_Trending/ag/agentscope cd agentscope/examples/console export DASHSCOPE_API_KEY=sk-xxxx python main.py

运行后直接在终端对话：输出实时流式显示，工具调用前会暂停征求你的确认，Ctrl+C 随时中断。这个示例很短，是一个很好的阅读起点。

启动带 Web 界面的智能体服务

cd agentscope/examples/agent_service python main.py

再开一个终端启动前端（需要 Node.js 20+）：

cd agentscope/examples/web_ui pnpm install && pnpm dev

后端基于 FastAPI，依赖本地 Redis 做状态存储；把 Web UI 的 API 地址指向http://localhost:8000，你就能在一个图形界面里创建智能体、管理会话，并配置模型、MCP 服务器和工作区。

核心能力拆解：AgentScope 智能体框架到底提供什么

AgentScope 2.0 采用分层设计：底层是各家大模型的统一适配，往上是工具、权限、事件总线，最外层是可直接部署的智能体服务。每个模块都是独立的构建块，按需组装：

多智能体团队：一个 Leader 带一队 Worker

主智能体（leader）可以按需创建工作者（worker），通过内置的团队工具分配任务、汇总结果，你不用手写任何编排代码。适合项目调研、代码审查这类需要分工的复杂任务。

任务规划：复杂请求自动变成可跟踪的清单

Agent 收到大任务后，会先拆成一份可跟踪的计划，再逐项执行并更新状态。适合“整理数据并产出报告”这类多步骤交付。

权限系统：每个工具调用都能过一道安检

框架内置 HITL（人在回路，human-in-the-loop）机制：敏感操作执行前暂停等待你确认；也可以切换到 bypass 模式让 Agent 端到端自主执行，适合已经建立信任的场景。

后台任务卸载：长任务不再卡住对话

耗时较长的工具调用会自动挪到后台继续跑，结果就绪后唤醒 Agent，对话从中断处恢复。适合批量数据处理、大规模检索。

上面四个是服务层能力的切片，框架完整的能力面如下：

能力	一句话说明	代码位置
内置工具集	Bash、Read、Write、Edit、Grep、Glob 六个开箱即用	src/agentscope/tool/
模型层	适配 OpenAI、Anthropic、Gemini、千问、DeepSeek 等 8 家以上	src/agentscope/model/
RAG 知识库	文档解析、切块，接 Qdrant/Milvus/MongoDB/ES 四种向量库	src/agentscope/rag/
长期记忆	ReMe、Mem0 两套可插拔后端	src/agentscope/middleware/_longterm_memory/
工作区沙箱	本地、Docker、K8s、E2B 等 8 种隔离执行后端	src/agentscope/workspace/
IM 渠道	把 Agent 接进飞书、Discord、钉钉	src/agentscope/app/channel/

典型应用场景：谁在用、怎么用

场景一：个人代码审查助手

你（独立开发者）想让 Agent 扫描项目、找出可疑的低效代码。ReAct 循环（推理与行动交替进行的工作模式）驱动它自主选工具：Grep 搜索、Read 读文件，最后给出建议。全程只用内置工具，不用自己写一个：

# 伪代码：仅示意组装方式 agent = Agent( name="Friday", model=你的模型, toolkit=Toolkit(tools=[Bash(), Grep(), Read()]), ) await launch_console(agent)

场景二：多智能体竞品调研

产品团队需要收集三家竞品的资料并汇总成报告。Leader Agent 创建多个研究员 worker，各自负责一家，最后由 Leader 汇总输出。分工、传话、汇总都由内置团队工具完成，你只下达最终指令。

场景三：IM 平台值班机器人

运维团队通过 AgentScope 智能体框架的渠道层把 Agent 接入飞书或 Discord，值班时在群里发消息即可触发排查：Agent 调用日志查询工具给出初步结论，拿不准的再转人工。渠道、路由、消息分发都是服务层的现成模块。

进阶与扩展：跑通之后还能改什么

换模型：模型层用“凭据 + 模型名”两段式配置，各家调用示例在 scripts/model_examples/
加自定义工具：把 Python 函数挂进 Toolkit；外部能力通过 MCP 协议接入
上长期记忆：给 Agent 挂 ReMe 或 Mem0 中间件，跨会话保留用户偏好与事实
沙箱隔离：工作区后端可从本地切到 Docker/K8s/E2B，Agent 执行的代码碰不到宿主机
定时任务：服务层内置调度器，支持按计划唤醒 Agent

资源索引：接下来往哪看

可运行示例：examples/，含 console、agent service、web UI、RAG、长期记忆
模型调用示例：scripts/model_examples/
更新日志与路线图：docs/
贡献指南：CONTRIBUTING.md
单元测试：tests/，是了解各模块用法最快的材料

AgentScope 智能体框架把“AI 自主干活”从黑盒变成了看得见、可确认、可回溯的日常工具。如果你今天就想动手：克隆仓库，pip install agentscope，把 examples/console/ 里的示例跑起来，在终端和它聊第一句话。

【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

企业官网建设流程全解析