AgentScope ReAct 智能体搭建教程一个文件跑起会自主调工具的助手【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你敲下分析当前目录的文件结构普通聊天模型只能复述通用方法论而用 AgentScope 搭的 ReAct 智能体会先调 Grep、Read 工具扫目录拿到结果后再组织结论。整个过程就是几次想一步、做一步、看结果、再想的循环——这套 ReActReasoning and Acting逻辑已经内置在 src/agentscope/agent/_agent.py 的Agent类里你不需要手写任何编排代码。下面用一个 Python 文件完成从选工具、换模型到加长期记忆的完整搭建。先跑起来终端里 10 分钟见到会干活的智能体 仓库源码可以直接克隆后以可编辑模式安装也可以从 PyPI 直接装git clone https://gitcode.com/GitHub_Trending/ag/agentscope cd agentscope uv pip install -e .核心代码就一段。Agent同时接收模型和工具集launch_console负责把智能体挂到终端对话循环上流式输出、工具调用确认、CtrlC 中断都帮你处理好了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(), Read(), Write()]), ) await launch_console(agent) 运行前设置好DASHSCOPE_API_KEY环境变量。想跑完整可运行的版本直接看 examples/console/里面是带main.py的完整示例目录。拆开那一次回答ReAct 循环到底在干什么智能体每收到一条消息就进入一轮推理-行动循环模型先输出思考、给出工具调用工具执行完把结果写回上下文模型再据此决定下一步直到给出最终回答。每一轮都会走model_config、react_config这些配置项其中控制循环的 src/agentscope/agent/_config.py 里的ReActConfig最值得认识max_iters单次回答允许的推理-行动最大轮数默认 50stop_on_reject工具调用被拒绝时是否直接停下等人工介入默认 False你随时可以收紧它比如ReActConfig(max_iters20, stop_on_rejectTrue)。循环里每个动作都会变成事件广播出来ToolCallStartEvent、ToolResultEndEvent等定义在 src/agentscope/event/终端里你看到的逐行输出就是ConsoleRenderer在消费这条事件流。这意味着你在任何 UI 里都能实时看到智能体在想什么、在调哪个工具而不是只等一个黑盒结果。工具怎么挑Toolkit 内置工具一次讲清Toolkit是智能体注册工具、MCP 客户端和 Skill 的唯一入口源码在 src/agentscope/tool/_toolkit.py。对能读写代码的智能体来说内置工具基本够用见 src/agentscope/tool/工具用途Bash/PowerShell执行 shell 命令Read/Write/Edit读、写、改文本文件Grep/Glob内容搜索、按模式找文件TaskCreate/TaskList等把复杂工作拆成可追踪的任务清单任务工具配合上下文注入使用效果明显智能体先把改 3 个文件、跑 2 组测试落成计划再逐项执行并更新状态中途不会丢步骤。要接入自己的 Python 函数src/agentscope/tool/_adapters.py 里的FunctionTool负责把普通函数包装成工具接外部 MCP 服务则用MCPTool。切换大模型后端改构造参数就行模型层在 src/agentscope/model/覆盖 DashScope、OpenAIChat/Response 两套接口、Anthropic、Gemini、DeepSeek、Moonshot、Ollama、xAI各家都是独立的*ChatModel类。切换后端 换一个model参数其他代码不动。️ 生产上建议再叠一层兜底ModelConfig支持fallback_model和max_retries主模型超时时自动切备用模型不用在业务代码里写 try/except。从会话内记忆到跨会话长期记忆 单会话里AgentState管理对话状态上下文快撑爆时ContextConfig会触发自动压缩——默认到最大上下文 80%trigger_ratio0.8就启动超长的工具结果按tool_result_limit截断。跨会话的记忆则交给中间件src/agentscope/middleware/_longterm_memory/Mem0MiddlewareMem0 后端记忆持久化ReMeMiddlewareReMe 后端AgenticMemoryMiddleware自研 Agentic Memory对应的完整可跑示例在 examples/long_term_memory/ 下的 mem0、reme、agentic_memory 三个子目录。想让回答基于你的私有文档再挂 RAGexamples/rag/ 给了索引检索接入智能体的完整流程。常见踩坑三个最容易被卡住的点⚠️循环不收尾、答不完智能体一直在调工具不给结论时先看react_config的max_iters是否放太宽同时检查工具描述是否含糊导致模型反复试探同一工具连续失败 3 次框架会主动注入提示让它换思路。⚠️工具调用被确认卡住终端默认会对敏感工具调用弹确认。自动化场景要么放开权限规则走 bypass 模式要么设stop_on_rejectTrue让它被拒时安静等待而不是硬试。⚠️API Key 报错DashScopeCredential从环境变量取 key忘设DASHSCOPE_API_KEY时会在第一次模型调用就失败别怀疑智能体本身。下一步可以做什么把智能体接入飞书、Discord 等消息渠道跑 examples/agent_service/挂上预构建 Web UI 做多会话应用examples/web_ui/用 Docker、E2B 等沙箱隔离工具执行src/agentscope/app/workspace_manager/跟版本演进和功能更新docs/changelog.md 与 docs/roadmap.md多智能体流水线编排examples/pipeline/【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 12:06:02 · 阅读 1.2k AgentScope ReAct 智能体搭建教程：一个文件跑起会自主调工具的助手
AgentScope ReAct 智能体搭建教程一个文件跑起会自主调工具的助手【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你敲下分析当前目录的文件结构普通聊天模型只能复述通用方法论而用 AgentScope 搭的 ReAct 智能体会先调 Grep、Read 工具扫目录拿到结果后再组织结论。整个过程就是几次想一步、做一步、看结果、再想的循环——这套 ReActReasoning and Acting逻辑已经内置在 src/agentscope/agent/_agent.py 的Agent类里你不需要手写任何编排代码。下面用一个 Python 文件完成从选工具、换模型到加长期记忆的完整搭建。先跑起来终端里 10 分钟见到会干活的智能体 仓库源码可以直接克隆后以可编辑模式安装也可以从 PyPI 直接装git clone https://gitcode.com/GitHub_Trending/ag/agentscope cd agentscope uv pip install -e .核心代码就一段。Agent同时接收模型和工具集launch_console负责把智能体挂到终端对话循环上流式输出、工具调用确认、CtrlC 中断都帮你处理好了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(), Read(), Write()]), ) await launch_console(agent) 运行前设置好DASHSCOPE_API_KEY环境变量。想跑完整可运行的版本直接看 examples/console/里面是带main.py的完整示例目录。拆开那一次回答ReAct 循环到底在干什么智能体每收到一条消息就进入一轮推理-行动循环模型先输出思考、给出工具调用工具执行完把结果写回上下文模型再据此决定下一步直到给出最终回答。每一轮都会走model_config、react_config这些配置项其中控制循环的 src/agentscope/agent/_config.py 里的ReActConfig最值得认识max_iters单次回答允许的推理-行动最大轮数默认 50stop_on_reject工具调用被拒绝时是否直接停下等人工介入默认 False你随时可以收紧它比如ReActConfig(max_iters20, stop_on_rejectTrue)。循环里每个动作都会变成事件广播出来ToolCallStartEvent、ToolResultEndEvent等定义在 src/agentscope/event/终端里你看到的逐行输出就是ConsoleRenderer在消费这条事件流。这意味着你在任何 UI 里都能实时看到智能体在想什么、在调哪个工具而不是只等一个黑盒结果。工具怎么挑Toolkit 内置工具一次讲清Toolkit是智能体注册工具、MCP 客户端和 Skill 的唯一入口源码在 src/agentscope/tool/_toolkit.py。对能读写代码的智能体来说内置工具基本够用见 src/agentscope/tool/工具用途Bash/PowerShell执行 shell 命令Read/Write/Edit读、写、改文本文件Grep/Glob内容搜索、按模式找文件TaskCreate/TaskList等把复杂工作拆成可追踪的任务清单任务工具配合上下文注入使用效果明显智能体先把改 3 个文件、跑 2 组测试落成计划再逐项执行并更新状态中途不会丢步骤。要接入自己的 Python 函数src/agentscope/tool/_adapters.py 里的FunctionTool负责把普通函数包装成工具接外部 MCP 服务则用MCPTool。切换大模型后端改构造参数就行模型层在 src/agentscope/model/覆盖 DashScope、OpenAIChat/Response 两套接口、Anthropic、Gemini、DeepSeek、Moonshot、Ollama、xAI各家都是独立的*ChatModel类。切换后端 换一个model参数其他代码不动。️ 生产上建议再叠一层兜底ModelConfig支持fallback_model和max_retries主模型超时时自动切备用模型不用在业务代码里写 try/except。从会话内记忆到跨会话长期记忆 单会话里AgentState管理对话状态上下文快撑爆时ContextConfig会触发自动压缩——默认到最大上下文 80%trigger_ratio0.8就启动超长的工具结果按tool_result_limit截断。跨会话的记忆则交给中间件src/agentscope/middleware/_longterm_memory/Mem0MiddlewareMem0 后端记忆持久化ReMeMiddlewareReMe 后端AgenticMemoryMiddleware自研 Agentic Memory对应的完整可跑示例在 examples/long_term_memory/ 下的 mem0、reme、agentic_memory 三个子目录。想让回答基于你的私有文档再挂 RAGexamples/rag/ 给了索引检索接入智能体的完整流程。常见踩坑三个最容易被卡住的点⚠️循环不收尾、答不完智能体一直在调工具不给结论时先看react_config的max_iters是否放太宽同时检查工具描述是否含糊导致模型反复试探同一工具连续失败 3 次框架会主动注入提示让它换思路。⚠️工具调用被确认卡住终端默认会对敏感工具调用弹确认。自动化场景要么放开权限规则走 bypass 模式要么设stop_on_rejectTrue让它被拒时安静等待而不是硬试。⚠️API Key 报错DashScopeCredential从环境变量取 key忘设DASHSCOPE_API_KEY时会在第一次模型调用就失败别怀疑智能体本身。下一步可以做什么把智能体接入飞书、Discord 等消息渠道跑 examples/agent_service/挂上预构建 Web UI 做多会话应用examples/web_ui/用 Docker、E2B 等沙箱隔离工具执行src/agentscope/app/workspace_manager/跟版本演进和功能更新docs/changelog.md 与 docs/roadmap.md多智能体流水线编排examples/pipeline/【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