AgentScope 2.0 多智能体框架快速上手从跑通到上线的完整指南【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你给老板演示多智能体协作回放时发现产物是错的执行者坚称写了文件审查者却说没看见日志搅成一团没人说得清哪句话是谁说的。AgentScope 2.0是一个面向生产环境的多智能体框架它把推理、工具调用、协作过程全部变成可流式观察的事件流并内置细粒度权限控制和沙箱隔离让每一步都看得见、查得到、信得过。快速上手30 秒起一个能动手的智能体 结论不用搭任何中间层装好、建一个 Agent、接上控制台就能聊。前提只有一个Python 3.11 以上低于这个版本装不上也跑不稳。git clone https://gitcode.com/GitHub_Trending/ag/agentscope cd agentscope uv pip install -e . # 或直接 uv pip install agentscope最简可运行片段一个智能体加一套内置工具from agentscope.agent import Agent from agentscope.model import DashScopeChatModel from agentscope.credential import DashScopeCredential from agentscope.tool import Toolkit, Bash, Grep, Read, Write from agentscope.console import launch_console agent Agent( nameFriday, system_promptYoure a helpful assistant., modelDashScopeChatModel( credentialDashScopeCredential(api_keysk-...), modelqwen3.6-plus), toolkitToolkit(tools[Bash(), Grep(), Read(), Write()]), ) await launch_console(agent) # 终端里直接开聊launch_console把终端交互全包了流式输出、工具调用前弹确认、CtrlC 随时中断。你只管看它干活不用写一行渲染代码。定位速览它不是工作流引擎是智能体搭建套件一句话定性AgentScope 2.0 不拿固化模板和死流程去框住模型而是信任现代大模型的推理和工具调用能力框架只负责递积木。它分两层按需取用层你拿到什么适合场景SDK 层Agent、Toolkit、Model、权限引擎、中间件、事件系统、Workspace 等积木在代码里自由组合智能体Agent Service 层FastAPI 后端 现成 Web UI多租户多会话开箱即用把智能体直接变成线上应用SDK 层的核心积木ReAct 推理循环支持结构化输出、中断恢复、批量工具执行、ToolkitPython 工具 MCP 技能自带 shell、文件编辑、搜索、统一 Model 接口OpenAI、Anthropic、Gemini、DashScope、DeepSeek、Moonshot、xAI、Ollama 等一套写法、事件系统、权限引擎、可组合中间件、可换后端的长期记忆ReMe、Mem0、本地 / Docker / E2B / K8s / Daytona 沙箱工作区。积木摆好了先回答一个关键问题自主性怎么给。自主性一个 ReAct 循环加一套工具就够了结论你只负责圈定工具范围怎么干让它自己定。三个值得注意的细节批量执行。模型一轮里同时发出多个工具调用时框架会分组后顺序或并发跑完而不是傻等一个接一个。实现在src/agentscope/agent/_agent.py的_batch_tool_calls想抠细节直接读这里。结构化输出。reply支持structured_schema参数直接声明一个 Pydantic 模型智能体就按结构返回省掉解析自由文本的全部苦活。可中断可恢复。reply_stream是事件生成器用户确认、外部中断都能作为事件喂回去智能体从断点继续不从头重跑。自主不等于放羊——放羊之前得先装刹车。权限规则怎么配每次工具调用前先过一道闸结论权限不是事后补丁而是引擎内置的一环每次工具执行请求都要先判定。PermissionEngine持有一个PermissionContext模式 规则集对每次调用给出三档行为ALLOW 放行、DENY 拦截、ASK 暂停等人确认。from agentscope.permission import ( PermissionEngine, PermissionContext, PermissionMode, PermissionRule, PermissionBehavior, ) engine PermissionEngine( PermissionContext(modePermissionMode.ACCEPT_EDITS)) engine.add_rule(PermissionRule( tool_nameBash, rule_contentgit:*, # 只放行 git 开头的命令 behaviorPermissionBehavior.ALLOW, ))模式从松到紧几档ACCEPT_EDITS自动放行工作目录内的文件读写BYPASS跳过所有确认、让智能体端到端跑完适合沙箱里的无人值守任务。一个容易忽略的坑规则匹配按工具类型分语义。Bash 走命令的前缀通配所以写git:*Read/Write/Edit 这类文件工具走路径 glob。写法配错工具类型规则会静默失效后文坑清单里再细说。事件流可观测把黑盒变成可回放的录像结论在 AgentScope 里黑盒基本不存在因为一切皆是事件。智能体不是一口气甩给你最终答案。reply_stream持续吐出细粒度事件模型调用开始/结束、文本增量、思考块、工具调用块、工具结果增量还有文本、图片、音频这类多模态内容。你的终端或前端拿到的是一条完整事件流谁在推理、调了哪个工具、结果是什么全程可回放。想留档就把事件流落盘。生产环境还有两层Tracing 中间件仓库内置 OpenTelemetry 兼容追踪模块src/agentscope/middleware/下的_tracing/挂上之后每个智能体操作都能进你的 Jaeger / Zipkin 链路系统。中间件钩子回复、推理、行动、模型调用、权限检查、上下文压缩、系统提示注入每个环节都有可组合接口。想在哪一步埋点或拦截就在哪一步挂不动核心逻辑。过程透明了再让两个智能体互相把关。双智能体协作怎么让执行者接受审查者验收结论一个写、一个验验不过就打回循环到通过为止。官方示例在 examples/pipeline/goal/可以直接跑。关键点一共享一个LocalWorkspace。审查者判断的是磁盘上真实写下的东西而不是执行者声称自己写了什么。async with LocalWorkspace(workdirworkspace) as ws: tools await ws.list_tools() executor Agent( nameExecutor, modelDashScopeChatModel(...), toolkitToolkit(toolstools), offloaderws, stateAgentState(permission_contextPermissionContext( modePermissionMode.BYPASS)), # 沙箱里才开 ) # verifier 同款构造它就是个普通 Agent关键点二审查者不是什么特殊类它的验收结论走结构化输出——一个passed加一条说明缺什么的message。需要查文件、跑命令时用的和执行者同一套工具。from agentscope.pipeline import GoalPipeline pipe GoalPipeline(executorexecutor, verifierverifier, max_iters10) await launch_console(agentpipe)控制台里两条事件流交替滚动过程全透明。还有个隐藏好处目标不是构造时写死的而是这条流水线第一次被要求做什么。同一个 pipeline 换个任务审查标准自动跟着换。个人脚本到此够用要上线下面这套直接端给你。上线用 Agent Service 把智能体变成多租户服务 结论不用从零写框架FastAPI 后端加现成 Web UI开箱就是线上形态。本地完整示例在 examples/agent_service/。开箱能力包括多租户多会话隔离、智能体团队leader 派活给 worker团队工具内置、IM 渠道接入飞书、Discord、钉钉、RAG 服务、MCP 与技能市场浏览、安装、挂进工作区、SQL/NoSQL 持久化、定时任务与后台任务卸载。本地启动路径起一个 Redis 做存储后端python main.py拉起后端另开终端pnpm install pnpm dev起 Web UI把前端 API 指到http://localhost:8000就能用。定制点全在main.py——挂你自己的 MCP、中间件、工作区管理器即可一行框架级代码都不用写。上线之前先把下面几个坑过一遍。上线前必看的 6 个坑 ⚠️Python 版本先查。只支持 3.11老环境直接装不上或行为异常先升级再排查别的。BYPASS 只给沙箱用。前文两个智能体都开了 BYPASS因为它们跑在受控 workspace 里。在本地裸机全放行等于把 shell 交到了模型手上。规则模式写错 静默失效。记住分工具语义Bash 是git:*式前缀通配文件工具是路径 glob。上线前拿一条必定触发的规则做冒烟测试别等线上才发现闸是空的。别用 if-else 复刻编排。框架哲学是信任模型推理手写死每一步流程反而把模型能力阉割了。固定逻辑交给GoalPipeline这类 pipeline 表达开放部分让模型自己想办法。长任务要卸载别阻塞事件流。耗时工具调用可以通过 offloader 丢到后台结果回来再唤醒智能体继续对话事件流全程不断。恢复时别自己记轮到谁。需要人工确认时reply_stream会停恢复事件自带reply_id标明挂起的是哪个智能体照用即可自己维护状态只会越记越乱。坑避开了剩下的就是按自己的节奏深入。学习路径新手和进阶各走一条新手线半天能走完按上文跑通 goal pipeline → 改 examples/console/ 玩控制台交互 → 换一家模型厂商试试统一接口。目标只有一个先亲眼看到完整事件流建立过程可观测的直觉。进阶线给智能体挂权限规则 tracing 中间件 → 把工作区从 Local 切到 Docker / E2B / K8s 沙箱src/agentscope/workspace_manager/里是全部实现→ 上 Agent Service 做多租户应用 → 需要记忆和知识库时再看examples/下的 rag/ 与 long_term_memory/ 子目录。三处入口按需取用官方文档与新闻docs/全部示例examples/pipeline、agent_service、web_ui、rag、long_term_memory 都在里面核心源码src/agentscope/其中agent、permission、pipeline、middleware、workspace_manager这几块最值得通读传统编排框架替你画好流程图走到哪一步都是预设的AgentScope 2.0 的做法相反——自主交给模型权限、事件流和沙箱留给你盯。先把最简片段跑起来看到第一条事件流滚动的那一刻你就知道这套积木值不值得搬回家。【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