10分钟跑通 AgentScope 多智能体框架从单兵智能体到团队协作【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/agentscopeAgentScope 多智能体框架解决的核心问题是智能体跑起来之后你看不见它的执行过程、管不住它调的工具、也很难把它部署成别人能用的服务。读完这篇文章你会装好环境、跑通一个带工具调用的对话智能体并看懂从模型接入、智能体工具调用到多智能体消息交互这条数据流是怎么串起来的。先说痛点——你大概率遇到过这些场景智能体好心替你执行了一条 shell 命令等你发现时本来只想改一个文件的它已经把文件干没了全过程只有几行日志回滚无从谈起长对话聊到十几轮上下文越来越臃肿智能体忘了你第三轮给的约束条件最后回答开始跑偏而你说不清是哪一轮把关键信息挤掉的演示代码跑通了接下来想接飞书或钉钉、想让多个用户各有独立会话、想让长耗时任务不卡住对话——这些在示例代码里一个都没有AgentScope 的思路是把这三件事做成框架级能力权限系统管住每次智能体工具调用上下文自动压缩加结果卸载agent service 直接给你多租户会话和 IM 通道接入。环境准备一步到位要求不高Python 3.11 以上一个模型 API Key 就够。确认 Python 版本低于 3.11 会直接装不上先花一秒确认一下python --version一行命令安装用 uv 装pip 同理把uv pip换成pipuv pip install agentscope想从源码安装的话先执行git clone https://gitcode.com/GitHub_Trending/ag/agentscope进入仓库目录后运行uv pip install -e .。适合要改源码或追最新 main 分支的人。AgentScope 多智能体框架的核心机制按数据流拆解不看目录按一条消息在框架里走的顺序拆模型输入 → 推理执行 → 权限把关 → 多智能体输出。第一步是模型接入任何主流 LLM 即插即用OpenAI、Anthropic、DashScope、Gemini、DeepSeek、Ollama 等提供商统一走 credential model 的写法换模型只改构造参数。上下文管理也在这一层长对话自动压缩超大工具结果自动卸载到 workspace不用你手写 token 预算。然后是智能体工具调用推理-执行循环怎么转Agent 跑的是 reasoning-acting 循环模型决定调哪个工具Toolkit 负责执行——内置 Bash、Read、Write、Edit、Grep、Glob也能挂 MCP 服务器和技能——结果回流给模型继续下一轮。复杂任务会被它自己拆成一份可跟踪的计划边做边更新状态。中间有一道权限关卡高危操作先问人每次智能体工具调用都会过一遍权限引擎默认模式下危险操作暂停等人确认这是框架内置的人机协作HITLbypass 模式下端到端不停顿适合可信环境。规则和策略可以按工具、按资源粒度配置。最后是输出侧多智能体消息交互与团队协作agent service 里leader 智能体可以生成 worker 组成团队用内置的 team 工具分工协调长耗时工具会卸载到后台结果回来时唤醒智能体对话无缝接上。这一层同时给了你多租户、多会话隔离和 IM 通道接入。10分钟实战跑通 AgentScope 多智能体框架的第一个智能体上面拆的链路下面这段代码一次全用上。这段代码在做什么用 DashScope 模型加六个内置工具组装一个名为 Friday 的智能体然后启动终端控制台。️import os import asyncio from agentscope.agent import Agent from agentscope.console import launch_console from agentscope.credential import DashScopeCredential from agentscope.model import DashScopeChatModel from agentscope.tool import Toolkit, Bash, Read, Write, Edit, Grep, Glob async def main() - None: # 组装智能体模型 工具包其他都不用配 agent Agent( nameFriday, system_promptYoure a helpful assistant named Friday., modelDashScopeChatModel( credentialDashScopeCredential( api_keyos.environ[DASHSCOPE_API_KEY] ), modelqwen3.6-plus, ), toolkitToolkit( tools[Bash(), Read(), Write(), Edit(), Grep(), Glob()], ), ) # 启动终端控制台流式输出、工具调用确认、CtrlC 中断都包好了 await launch_console(agent) asyncio.run(main())跑之前先export DASHSCOPE_API_KEY你的key。运行后终端里会出现一个聊天控制台智能体流式输出思考过程调用 Bash 或写文件前会停下来等你确认按 CtrlC 可以随时打断它。往深处走这些方向值得试方向一句话适用场景Agent Service 自带 Web UI把智能体变成多租户、多会话的内部应用直接给同事开账号IM 通道飞书 / Discord / 钉钉在群聊里 智能体就能用消息路由和流式回复都现成RAG 服务 向量库让智能体检索你自己的文档库qdrant、Milvus、Elasticsearch 都能接沙箱 workspaceDocker / E2B / K8s执行不可信代码时把工具调用关进隔离环境宿主机零风险继续探索的资源examples/想先跑起来再看代码的agent service、console、RAG、长期记忆各有一个可直接运行的 main.pydocs/想跟进机制更新和 roadmap 的NEWS 和 changelog 在这里src/agentscope/想读源码的agent、tool、permission、app 各层都在对应包里打开 examples/console/main.py配上 API Key 跑起来10 分钟拿到一个能用的 Friday。【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 · 2026/9/4 13:37:16 · 阅读 1.2k 10分钟跑通 AgentScope 多智能体框架：从单兵智能体到团队协作
10分钟跑通 AgentScope 多智能体框架从单兵智能体到团队协作【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/agentscopeAgentScope 多智能体框架解决的核心问题是智能体跑起来之后你看不见它的执行过程、管不住它调的工具、也很难把它部署成别人能用的服务。读完这篇文章你会装好环境、跑通一个带工具调用的对话智能体并看懂从模型接入、智能体工具调用到多智能体消息交互这条数据流是怎么串起来的。先说痛点——你大概率遇到过这些场景智能体好心替你执行了一条 shell 命令等你发现时本来只想改一个文件的它已经把文件干没了全过程只有几行日志回滚无从谈起长对话聊到十几轮上下文越来越臃肿智能体忘了你第三轮给的约束条件最后回答开始跑偏而你说不清是哪一轮把关键信息挤掉的演示代码跑通了接下来想接飞书或钉钉、想让多个用户各有独立会话、想让长耗时任务不卡住对话——这些在示例代码里一个都没有AgentScope 的思路是把这三件事做成框架级能力权限系统管住每次智能体工具调用上下文自动压缩加结果卸载agent service 直接给你多租户会话和 IM 通道接入。环境准备一步到位要求不高Python 3.11 以上一个模型 API Key 就够。确认 Python 版本低于 3.11 会直接装不上先花一秒确认一下python --version一行命令安装用 uv 装pip 同理把uv pip换成pipuv pip install agentscope想从源码安装的话先执行git clone https://gitcode.com/GitHub_Trending/ag/agentscope进入仓库目录后运行uv pip install -e .。适合要改源码或追最新 main 分支的人。AgentScope 多智能体框架的核心机制按数据流拆解不看目录按一条消息在框架里走的顺序拆模型输入 → 推理执行 → 权限把关 → 多智能体输出。第一步是模型接入任何主流 LLM 即插即用OpenAI、Anthropic、DashScope、Gemini、DeepSeek、Ollama 等提供商统一走 credential model 的写法换模型只改构造参数。上下文管理也在这一层长对话自动压缩超大工具结果自动卸载到 workspace不用你手写 token 预算。然后是智能体工具调用推理-执行循环怎么转Agent 跑的是 reasoning-acting 循环模型决定调哪个工具Toolkit 负责执行——内置 Bash、Read、Write、Edit、Grep、Glob也能挂 MCP 服务器和技能——结果回流给模型继续下一轮。复杂任务会被它自己拆成一份可跟踪的计划边做边更新状态。中间有一道权限关卡高危操作先问人每次智能体工具调用都会过一遍权限引擎默认模式下危险操作暂停等人确认这是框架内置的人机协作HITLbypass 模式下端到端不停顿适合可信环境。规则和策略可以按工具、按资源粒度配置。最后是输出侧多智能体消息交互与团队协作agent service 里leader 智能体可以生成 worker 组成团队用内置的 team 工具分工协调长耗时工具会卸载到后台结果回来时唤醒智能体对话无缝接上。这一层同时给了你多租户、多会话隔离和 IM 通道接入。10分钟实战跑通 AgentScope 多智能体框架的第一个智能体上面拆的链路下面这段代码一次全用上。这段代码在做什么用 DashScope 模型加六个内置工具组装一个名为 Friday 的智能体然后启动终端控制台。️import os import asyncio from agentscope.agent import Agent from agentscope.console import launch_console from agentscope.credential import DashScopeCredential from agentscope.model import DashScopeChatModel from agentscope.tool import Toolkit, Bash, Read, Write, Edit, Grep, Glob async def main() - None: # 组装智能体模型 工具包其他都不用配 agent Agent( nameFriday, system_promptYoure a helpful assistant named Friday., modelDashScopeChatModel( credentialDashScopeCredential( api_keyos.environ[DASHSCOPE_API_KEY] ), modelqwen3.6-plus, ), toolkitToolkit( tools[Bash(), Read(), Write(), Edit(), Grep(), Glob()], ), ) # 启动终端控制台流式输出、工具调用确认、CtrlC 中断都包好了 await launch_console(agent) asyncio.run(main())跑之前先export DASHSCOPE_API_KEY你的key。运行后终端里会出现一个聊天控制台智能体流式输出思考过程调用 Bash 或写文件前会停下来等你确认按 CtrlC 可以随时打断它。往深处走这些方向值得试方向一句话适用场景Agent Service 自带 Web UI把智能体变成多租户、多会话的内部应用直接给同事开账号IM 通道飞书 / Discord / 钉钉在群聊里 智能体就能用消息路由和流式回复都现成RAG 服务 向量库让智能体检索你自己的文档库qdrant、Milvus、Elasticsearch 都能接沙箱 workspaceDocker / E2B / K8s执行不可信代码时把工具调用关进隔离环境宿主机零风险继续探索的资源examples/想先跑起来再看代码的agent service、console、RAG、长期记忆各有一个可直接运行的 main.pydocs/想跟进机制更新和 roadmap 的NEWS 和 changelog 在这里src/agentscope/想读源码的agent、tool、permission、app 各层都在对应包里打开 examples/console/main.py配上 API Key 跑起来10 分钟拿到一个能用的 Friday。【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