5 分钟跑通 AgentScope从零到能执行命令的 ReAct 智能体【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敲一句「统计当前目录有多少个 .py 文件」一个能调 shell 的助手替你执行命令、读回输出、再把数字报给你。这就是 ReAct 智能体。本文带你用 AgentScope 把它真正跑起来新手也能照着敲完。思考 → 行动 → 观察ReAct 到底循环了什么ReAct Reasoning Acting。传统对话模型只会「说」ReAct 智能体多了一个「做」的动作思考模型判断当前需要什么信息、该做什么行动发起一次工具调用执行 shell、读文件、调 API……观察把工具返回的结果喂回上下文继续思考基于新信息决定下一步直到任务完成在 AgentScope 里这个循环由Agent配合ReActConfig内置驱动你不用手写循环逻辑只负责给它工具、模型和系统提示词。最小代码跑通一个 ReActAgent先克隆仓库并装好依赖git clone https://link.gitcode.com/i/84e5deae109f7a03e3066ccc4fc75498 cd agentscope pip install -e . export DASHSCOPE_API_KEY你的密钥然后一个文件跑通初始化 对话import os, asyncio from agentscope.agent import Agent, ReActConfig from agentscope.tool import Toolkit, Bash from agentscope.model import DashScopeChatModel toolkit Toolkit() toolkit.register_tool(Bash()) # 注册内置 shell 工具 model DashScopeChatModel( api_keyos.environ[DASHSCOPE_API_KEY], model_nameqwen-max, streamTrue, ) agent Agent( nameFriday, system_prompt你是乐于助人的助手可以调用工具完成用户任务。, modelmodel, toolkittoolkit, react_configReActConfig(max_iters10), ) async def main(): while True: text input(你: ) if text exit: break reply await agent(UserMsg(user, text)) print(Friday:, reply.get_text_content()) asyncio.run(main())运行后输入ls -la你会看到它思考需要执行 shell→ 调用Bash→ 观察输出 → 回复结果。整个「观察-思考-行动」闭环已经在你本地跑起来了。自定义工具怎么注册、模型后端怎么切换、记忆怎么选扩展工具把普通 Python 函数注册进Toolkitdocstring 就是给模型看的工具说明from agentscope.tool import FunctionTool def weather(city: str) - str: 查询指定城市的天气city 为城市名 return f{city} 今天 22°C 多云 toolkit.register_tool(FunctionTool(weather))切换模型模型是可替换的换成 OpenAI 只需把model换成OpenAIChatModel(api_key..., model_namegpt-4o)。仓库里 DashScope / OpenAI / Gemini / Anthropic / Ollama 等后端都在 src/agentscope/model/ 下接口一致直接 import 替换即可。记忆选型演示 / 单会话默认内存态就够AgentState会帮你维护上下文生产 / 跨会话换持久化记忆。src/agentscope/middleware/_longterm_memory/ 下有 Mem0、Agentic Memory、ReMe 等长期记忆中间件examples/long_term_memory/ 有完整示例现在就能试的 3 个场景数据分析「分析 data.csv统计各列均值并导出摘要」→ 它用Bash Python 跑完并把结果贴回文件审计「找出项目里所有超过 500 行的文件」→ 触发Glob/Grep遍历并给出清单代码排错「main.py 报 ModuleNotFoundError帮我定位」→ 读取源码、检查依赖、给出修复建议想再进一步可以看 src/agentscope/pipeline/ 里的多智能体编排或把长期记忆中间件挂上让 ReAct 智能体跨会话记住你。【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 11:37:54 · 阅读 1.2k 5 分钟跑通 AgentScope：从零到能执行命令的 ReAct 智能体
5 分钟跑通 AgentScope从零到能执行命令的 ReAct 智能体【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敲一句「统计当前目录有多少个 .py 文件」一个能调 shell 的助手替你执行命令、读回输出、再把数字报给你。这就是 ReAct 智能体。本文带你用 AgentScope 把它真正跑起来新手也能照着敲完。思考 → 行动 → 观察ReAct 到底循环了什么ReAct Reasoning Acting。传统对话模型只会「说」ReAct 智能体多了一个「做」的动作思考模型判断当前需要什么信息、该做什么行动发起一次工具调用执行 shell、读文件、调 API……观察把工具返回的结果喂回上下文继续思考基于新信息决定下一步直到任务完成在 AgentScope 里这个循环由Agent配合ReActConfig内置驱动你不用手写循环逻辑只负责给它工具、模型和系统提示词。最小代码跑通一个 ReActAgent先克隆仓库并装好依赖git clone https://link.gitcode.com/i/84e5deae109f7a03e3066ccc4fc75498 cd agentscope pip install -e . export DASHSCOPE_API_KEY你的密钥然后一个文件跑通初始化 对话import os, asyncio from agentscope.agent import Agent, ReActConfig from agentscope.tool import Toolkit, Bash from agentscope.model import DashScopeChatModel toolkit Toolkit() toolkit.register_tool(Bash()) # 注册内置 shell 工具 model DashScopeChatModel( api_keyos.environ[DASHSCOPE_API_KEY], model_nameqwen-max, streamTrue, ) agent Agent( nameFriday, system_prompt你是乐于助人的助手可以调用工具完成用户任务。, modelmodel, toolkittoolkit, react_configReActConfig(max_iters10), ) async def main(): while True: text input(你: ) if text exit: break reply await agent(UserMsg(user, text)) print(Friday:, reply.get_text_content()) asyncio.run(main())运行后输入ls -la你会看到它思考需要执行 shell→ 调用Bash→ 观察输出 → 回复结果。整个「观察-思考-行动」闭环已经在你本地跑起来了。自定义工具怎么注册、模型后端怎么切换、记忆怎么选扩展工具把普通 Python 函数注册进Toolkitdocstring 就是给模型看的工具说明from agentscope.tool import FunctionTool def weather(city: str) - str: 查询指定城市的天气city 为城市名 return f{city} 今天 22°C 多云 toolkit.register_tool(FunctionTool(weather))切换模型模型是可替换的换成 OpenAI 只需把model换成OpenAIChatModel(api_key..., model_namegpt-4o)。仓库里 DashScope / OpenAI / Gemini / Anthropic / Ollama 等后端都在 src/agentscope/model/ 下接口一致直接 import 替换即可。记忆选型演示 / 单会话默认内存态就够AgentState会帮你维护上下文生产 / 跨会话换持久化记忆。src/agentscope/middleware/_longterm_memory/ 下有 Mem0、Agentic Memory、ReMe 等长期记忆中间件examples/long_term_memory/ 有完整示例现在就能试的 3 个场景数据分析「分析 data.csv统计各列均值并导出摘要」→ 它用Bash Python 跑完并把结果贴回文件审计「找出项目里所有超过 500 行的文件」→ 触发Glob/Grep遍历并给出清单代码排错「main.py 报 ModuleNotFoundError帮我定位」→ 读取源码、检查依赖、给出修复建议想再进一步可以看 src/agentscope/pipeline/ 里的多智能体编排或把长期记忆中间件挂上让 ReAct 智能体跨会话记住你。【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