AgentScope 快速上手从零构建可观测的多智能体应用【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写完一个智能体最折磨人的往往不是调 prompt而是运行时工具调用失控只能干瞪眼长任务卡住看不到中间状态单个智能体又扛不住复杂任务。AgentScope 2.0 为多智能体应用开发补上了这块短板ReAct 推理循环、工具权限管控、事件流实时推送、多智能体编排全部开箱即用帮你构建看得见、能理解、可信赖的智能体系统。快速安装一条命令装好 AgentScope环境要求只有一个Python 3.11 或更高版本。uv pip install agentscope习惯 pip 的话把uv pip换成pip即可。想改源码调试先执行git clone https://gitcode.com/GitHub_Trending/ag/agentscope进入agentscope目录后再uv pip install -e .装成可编辑模式。核心能力它到底能做什么SDK 层把智能体拆成了一组清晰的构件——Agent、Toolkit、Model、Workspace、Event System各自独立、组合使用。下面挑三个最影响日常开发的来讲。ReAct 引擎与内置工具集当智能体需要调外部 API、改本地文件时你不必手写调度逻辑。Agent 内部跑的是 ReAct 循环先推理再调用工具把工具结果喂回下一轮推理全程支持结构化输出、批量并行调用工具以及运行中随时打断和恢复。工具统一挂在 Toolkit 上Bash、Grep、Read、Write、Edit 这类编码工具开箱即用MCP 服务器和技能文件也能直接挂进来。模型层覆盖了 OpenAI、Anthropic、Gemini、DashScope、DeepSeek、Ollama 等主流厂商embedding 和 TTS 一并提供。Agent Team 多智能体协作单个智能体干不完的活交给 Leader–Worker 模式。Leader 智能体按需生成 worker通过内置的 team 工具分派任务、传递消息、汇总结果整条链路走统一事件总线前端的每一次消息和工具调用都能回溯。下面这张动图就是 leader 实时协调 worker 干活的现场。任务规划、权限与上下文管理长任务要被拆开来做智能体把复杂工作分解成可跟踪的计划边执行边勾选更新。涉及敏感命令时权限系统逐道把关你可以选择每次工具调用都人工确认也可以用 bypass 模式放行全自动执行。上下文压缩和工具结果卸载是自动完成的长对话不会把上下文撑爆。最小可运行示例终端里对话第一个 Agent下面这段代码创建一个带全套编码工具的 Friday 智能体并在终端里启动交互控制台只需提前设置DASHSCOPE_API_KEY环境变量。import os, asyncio from agentscope.agent import Agent from agentscope.console import launch_console from agentscope.tool import Toolkit, Bash, Grep, Glob, Read, Write, Edit from agentscope.credential import DashScopeCredential from agentscope.model import DashScopeChatModel async def main() - None: 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(), Glob(), Read(), Write(), Edit()]), ) await launch_console(agent) asyncio.run(main())跑起来后终端会进入流式对话模式输入问题你能实时看到 Friday 的推理过程和每次工具调用工具执行前还会提示确认随时 CtrlC 可中断。两个容易卡住的点——想换模型时只要替换 credential 和 model 两处想让智能体多一项能力就往Toolkit(tools[...])里加一个工具类。进阶玩法可以继续探索的三种方向部署多租户 Agent 服务仓库里的 Agent Service 是 FastAPI 后端加现成 Web UI多租户、多会话隔离、定时任务、状态持久化都配好了。实际运行你会看到跑一下 examples/agent_service/ 里的main.py再开一个终端起 examples/web_ui/就是一个能对外服务的智能体平台。接入 IM 渠道与资源中心Channels 让智能体接进钉钉、飞书、Discord团队成员直接在群里 它干活。MCP Skill Hub 则支持从 GitHub MCP Registry、ClawHub 浏览并安装 MCP 服务器和技能一键加进工作空间省去逐个配环境的麻烦。沙箱执行与后台任务Workspace 提供 Docker、E2B、K8s、Daytona 等隔离执行环境工具与代码执行不会碰到宿主机。长耗时工具还能整体卸载到后台结果产出后自动唤醒智能体对话无缝续上。继续深入资源入口多租户服务后端示例examples/agent_service/Web UI 前端examples/web_ui/Pipeline 流水线编排示例examples/pipeline/项目路线图docs/roadmap.md更新日志docs/changelog.md翻一遍 examples 目录你的第一个多智能体应用已经在路上了。【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 
长河君 · 2026/9/3 9:27:12 · 阅读 1.2k AgentScope 快速上手：从零构建可观测的多智能体应用
AgentScope 快速上手从零构建可观测的多智能体应用【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写完一个智能体最折磨人的往往不是调 prompt而是运行时工具调用失控只能干瞪眼长任务卡住看不到中间状态单个智能体又扛不住复杂任务。AgentScope 2.0 为多智能体应用开发补上了这块短板ReAct 推理循环、工具权限管控、事件流实时推送、多智能体编排全部开箱即用帮你构建看得见、能理解、可信赖的智能体系统。快速安装一条命令装好 AgentScope环境要求只有一个Python 3.11 或更高版本。uv pip install agentscope习惯 pip 的话把uv pip换成pip即可。想改源码调试先执行git clone https://gitcode.com/GitHub_Trending/ag/agentscope进入agentscope目录后再uv pip install -e .装成可编辑模式。核心能力它到底能做什么SDK 层把智能体拆成了一组清晰的构件——Agent、Toolkit、Model、Workspace、Event System各自独立、组合使用。下面挑三个最影响日常开发的来讲。ReAct 引擎与内置工具集当智能体需要调外部 API、改本地文件时你不必手写调度逻辑。Agent 内部跑的是 ReAct 循环先推理再调用工具把工具结果喂回下一轮推理全程支持结构化输出、批量并行调用工具以及运行中随时打断和恢复。工具统一挂在 Toolkit 上Bash、Grep、Read、Write、Edit 这类编码工具开箱即用MCP 服务器和技能文件也能直接挂进来。模型层覆盖了 OpenAI、Anthropic、Gemini、DashScope、DeepSeek、Ollama 等主流厂商embedding 和 TTS 一并提供。Agent Team 多智能体协作单个智能体干不完的活交给 Leader–Worker 模式。Leader 智能体按需生成 worker通过内置的 team 工具分派任务、传递消息、汇总结果整条链路走统一事件总线前端的每一次消息和工具调用都能回溯。下面这张动图就是 leader 实时协调 worker 干活的现场。任务规划、权限与上下文管理长任务要被拆开来做智能体把复杂工作分解成可跟踪的计划边执行边勾选更新。涉及敏感命令时权限系统逐道把关你可以选择每次工具调用都人工确认也可以用 bypass 模式放行全自动执行。上下文压缩和工具结果卸载是自动完成的长对话不会把上下文撑爆。最小可运行示例终端里对话第一个 Agent下面这段代码创建一个带全套编码工具的 Friday 智能体并在终端里启动交互控制台只需提前设置DASHSCOPE_API_KEY环境变量。import os, asyncio from agentscope.agent import Agent from agentscope.console import launch_console from agentscope.tool import Toolkit, Bash, Grep, Glob, Read, Write, Edit from agentscope.credential import DashScopeCredential from agentscope.model import DashScopeChatModel async def main() - None: 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(), Glob(), Read(), Write(), Edit()]), ) await launch_console(agent) asyncio.run(main())跑起来后终端会进入流式对话模式输入问题你能实时看到 Friday 的推理过程和每次工具调用工具执行前还会提示确认随时 CtrlC 可中断。两个容易卡住的点——想换模型时只要替换 credential 和 model 两处想让智能体多一项能力就往Toolkit(tools[...])里加一个工具类。进阶玩法可以继续探索的三种方向部署多租户 Agent 服务仓库里的 Agent Service 是 FastAPI 后端加现成 Web UI多租户、多会话隔离、定时任务、状态持久化都配好了。实际运行你会看到跑一下 examples/agent_service/ 里的main.py再开一个终端起 examples/web_ui/就是一个能对外服务的智能体平台。接入 IM 渠道与资源中心Channels 让智能体接进钉钉、飞书、Discord团队成员直接在群里 它干活。MCP Skill Hub 则支持从 GitHub MCP Registry、ClawHub 浏览并安装 MCP 服务器和技能一键加进工作空间省去逐个配环境的麻烦。沙箱执行与后台任务Workspace 提供 Docker、E2B、K8s、Daytona 等隔离执行环境工具与代码执行不会碰到宿主机。长耗时工具还能整体卸载到后台结果产出后自动唤醒智能体对话无缝续上。继续深入资源入口多租户服务后端示例examples/agent_service/Web UI 前端examples/web_ui/Pipeline 流水线编排示例examples/pipeline/项目路线图docs/roadmap.md更新日志docs/changelog.md翻一遍 examples 目录你的第一个多智能体应用已经在路上了。【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