AgentScope：让 AI 智能体可见、可控，3 步跑通第一个能帮你干活的助手

AgentScope：让 AI 智能体可见、可控，3 步跑通第一个能帮你干活的助手

【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

你打开终端，把一段两百行的 prompt 贴给模型，它跑了两分钟，吐出一段你不敢直接用的结果，而且它中途调了什么工具、为什么那么做，你完全看不到。AgentScope 是一个 Python 智能体框架，解决的就是这类问题：让智能体的推理过程、工具调用和权限控制都摆在明面上，适合想亲手搭一个能执行任务的 AI 助手、又不想从零写循环和异常处理的开发者。

它到底做了什么

把 AgentScope 的智能体当成一个"看得见的同事"，几个最典型的工作方式：

• 输入一句模糊目标 → 它把复杂工作拆成一条条可追踪的计划 → 输出执行过程，并在每步后更新计划状态。
• 它要执行一条 shell 命令 → 权限系统先拦下来 → 你会看到确认提示，输入y临时放行一次，输入a记住这条规则，同类操作以后不再问。
• 工具要跑很久 → 它把任务转到后台 → 结果出来后自动唤醒智能体，对话接着往下走。

多智能体协作也是它的一部分：一个 leader 智能体派生出若干 worker，各自拿着工具在隔离的工作空间里干活，leader 用内置的团队工具协调它们。你会得到一个分工明确、进度可见的小团队，而不是一大团互相喊话的 prompt。

第一次打开你会经历什么

从零到跑通，最短路径是在终端里起一个 Console 智能体。下面这段代码做了四件事：装好工具集、接上模型、创建智能体、启动终端对话（完整可运行的版本在examples/console/main.py，可直接复制）：

import os 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( name="Friday", model=DashScopeChatModel( credential=DashScopeCredential(api_key=os.environ["DASHSCOPE_API_KEY"]), model="qwen3.6-plus", ), toolkit=Toolkit(tools=[Bash(), Grep(), Read(), Write()]), ) import asyncio asyncio.run(launch_console(agent))

运行后你会看到流式渲染的对话：智能体的回复逐字出现，每一次工具调用都会单独列出来，你能看到它调了什么、返回了什么。只读工具（比如列目录）直接执行；Write这类操作会弹出确认。Ctrl+C可以随时中断当前回复，exit退出。

它擅长什么、不擅长什么

做得好的三件事：

1. 任务规划：输入"帮我分析这个仓库的测试覆盖率"，它会先建任务清单，再逐个文件执行，你看到的是带状态变化的计划，而不是一坨一次性输出。
2. 权限把关：它要删文件时会停下来问你；选"记住规则"后，同类操作不再反复弹窗。你会得到一个既不失控也不烦人的确认机制，assets/images/permission_bypass.gif展示了 bypass 模式下全程无人工暂停的对照效果。
3. 多智能体分工：leader 派 worker 各干各的，任务、进度在界面上直接可看。适合项目调研、代码审查这种需要分工的活。

两个要说明的边界：

1. 它不替你选模型。OpenAI、Anthropic、Gemini、通义、Ollama 等主流厂商都有适配，但 API key 得你自己备，模型表现的上限取决于你选的模型。
2. 服务化部署有门槛。examples/agent_service的完整 Web 服务需要 Redis 做存储、Node 20+ 跑前端，还涉及权限模式和 MCP 配置。如果你只想在终端里试一个智能体，用 Console 示例就够了，别一上来就搭整套服务。

最短上手路径

只走一条路：pip 安装加终端 Console，不需要 Docker 和 Web 环境。下面依次是克隆仓库、安装依赖、设置模型密钥、启动终端示例：

git clone https://gitcode.com/GitHub_Trending/ag/agentscope cd agentscope uv pip install agentscope export DASHSCOPE_API_KEY=你的密钥 python examples/console/main.py

装好后不需要写配置文件，DASHSCOPE_API_KEY是唯一必改项；python examples/console/main.py --model 其他模型可以按需换模型。

接下来你可以做什么

• 入门：跑一遍examples/pipeline/goal/goal_pipeline.py，看一个执行者加一个验证者组成的流水线如何"干到合格为止"，再翻一遍examples/console/README.md里列的几个值得试的指令。
• 进阶：把examples/agent_service/main.py和examples/web_ui/跑起来，拿到带权限系统、定时任务、知识库的完整 Web 应用；examples/long_term_memory/展示了 ReMe、Mem0 两种长期记忆接法。
• 贡献：从docs/roadmap.md和CONTRIBUTING_zh.md入手，看哪些模块在招人。

如果你需要的是"看得见的智能体"——会拆任务、会要权限、会汇报过程——AgentScope 是个务实的起点；如果你只想要单轮问答，或者不想在本机搭 Python 环境跑服务，那它对你意义不大，直接用现成 API 更省事。从examples/console/main.py跑通第一个对话开始，是最省事的路线。

【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