AgentScope 多智能体框架实战：5 分钟跑通你的第一个智能体应用
【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
AgentScope 是一个开源的多智能体应用开发框架（multi-agent framework），把大模型智能体变成看得见、可理解、可信任的工程应用：从单智能体的推理与工具调用，到多智能体协作、权限控制和服务化部署，都提供现成的抽象。
本文面向刚接触多智能体开发的新手。读完后你能安装 AgentScope，在终端跑起第一个智能体，并启动一个带团队协作与权限控制的智能体 Web 服务。
它解决了什么问题
- 复杂任务单智能体扛不住：跨多文件、多步骤的长任务超出单个智能体的上下文与执行能力。AgentScope 内置团队工具和“领导—工人”协调机制，把一个任务拆给多个智能体分工完成。
- 多模型接入繁琐：OpenAI、Anthropic、Gemini、DashScope、DeepSeek 等各家 API 格式不同。AgentScope 在统一的 Model 层做了抽象，同一套智能体代码可以切换不同的大模型提供方。
- 工具调用缺乏隔离：智能体直接在本机跑命令、改文件，风险不可控。AgentScope 的工作空间机制让工具在本地、Docker、E2B、K8s 等隔离环境里执行。
架构一图看懂
- 事件系统：统一的事件总线，把推理过程、工具调用、多模态内容流式推给前端。你需要在 Web UI 里实时展示智能体执行过程、或做人机确认交互时用到。
- 权限系统：对工具和资源做细粒度管控，支持逐次确认和 bypass（免确认）两种模式。你需要决定哪些危险操作必须人工把关时用到。
- 工作空间：工具和代码的隔离执行环境，提供本地、Docker、Apple Container、E2B、OpenSandbox、Daytona、K8s 等后端。你需要防止智能体影响宿主机或互相干扰时用到。
- 中间件系统：挂在“推理—行动”循环各阶段的可组合钩子，覆盖回复、模型调用、工具执行、上下文压缩等环节。你需要在不改主循环的前提下注入长期记忆、RAG 或日志时用到。
5 分钟跑通第一个智能体
一键安装步骤
要求 Python 3.11 及以上，从 PyPI 安装：
uv pip install agentscope # 或 pip install agentscope最小可运行示例
下面这段代码创建带编码工具的智能体，并在终端里开启对话：
from agentscope.agent import Agent from agentscope.console import launch_console from agentscope.tool import Toolkit, Bash, Grep, Glob, Read, Write, Edit from agentscope.credential import DashScopeCredential from agentscope.model import DashScopeChatModel import os, asyncio async def main() -> None: agent = Agent( name="Friday", system_prompt="You're a helpful assistant named Friday.", model=DashScopeChatModel( credential=DashScopeCredential(api_key=os.environ["DASHSCOPE_API_KEY"]), model="qwen3.6-plus", ), toolkit=Toolkit(tools=[Bash(), Grep(), Glob(), Read(), Write(), Edit()]), ) await launch_console(agent) asyncio.run(main())运行前设置DASHSCOPE_API_KEY环境变量即可；流式输出、工具调用确认、Ctrl+C 中断都由 console 处理。
启动智能体服务
智能体服务是 FastAPI 后端加现成的 Web UI，天然支持多租户、多会话：
git clone https://gitcode.com/GitHub_Trending/ag/agentscope cd agentscope/examples/agent_service python main.py # 再开一个终端启动 Web UI cd ../web_ui pnpm install pnpm dev核心能力清单
- 多智能体协作：领导智能体创建工人智能体，通过内置团队工具分配任务并汇总结果。适合调研、撰写、评审这类天然可拆分的任务。
- 任务规划：智能体把复杂工作拆成可追踪的计划，并随执行实时更新进度。适合需要明确里程碑的长任务，例如端到端跑一份数据报告。
- 权限控制：按规则对工具调用做允许、询问或 bypass 三种处置。适合在无人值守环境（如 CI）里跑智能体，或严格限制它能碰的资源。
- 后台任务卸载：长时间运行的工具转入后台，完成后自动唤醒智能体继续对话。适合单次调用要跑几十分钟的工具，例如大批量数据处理。
- 消息渠道：把智能体接入飞书、钉钉、Discord 等 IM 平台并做消息路由。适合把智能体做成群聊里能 @ 的机器人。
- 定时调度：支持定时任务与智能体唤醒。适合周期性巡检、定时报表这类固定节奏的工作。
三个落地场景
数据分析流水线
把一次完整的数据分析拆成串行的环节，每个环节由一个角色智能体负责：
- 数据收集智能体：从多个数据源拉取原始数据
- 清洗智能体：去重、补缺、统一格式
- 分析智能体：统计建模、异常识别
- 报告智能体：汇总结果，输出结构化报告
环节之间按固定逻辑传递，可参考 examples/pipeline/ 中的流水线示例。
自动化代码审查
- 语法智能体：检查规范与明显错误
- 安全智能体：扫描常见漏洞模式
- 性能智能体：定位热点并给出优化建议
- 文档智能体：生成或补齐文档
领导智能体负责分派文件和汇总结论，各工人智能体只看一个维度，互不干扰。
智能客服系统
- 意图识别智能体：判断用户问题属于哪类
- 知识检索智能体：基于 RAG 从知识库取相关文档
- 答复智能体：依据检索结果生成回复
- 转人工智能体：低置信度时升级给人工
入口可通过渠道能力直接挂在 IM 平台里，用户无需切换应用。
进阶能力速览
长期记忆：支持可切换的记忆后端，智能体可以跨会话记住历史交互。示例：examples/long_term_memory/，覆盖 Agentic Memory、Mem0、ReMe 三种方案。
RAG 检索增强生成：内置文档解析、切分器与多种向量库适配器（Elasticsearch、Milvus Lite、MongoDB、Qdrant），并有多租户检索服务。示例：examples/rag/。
工作空间隔离：同一套智能体代码可以切换本地、Docker、云沙箱等执行后端，开发调试用本地、上线换容器即可。示例：examples/workspace/。
去哪继续
- 仓库内文档：docs/，动态更新见 docs/NEWS.md
- 示例代码：examples/，各模型调用示例见 scripts/model_examples/
- 社区渠道：Discord 群组、钉钉群（入口见仓库 README 的社区区块）、GitCode 仓库 issue
建议先跑 examples/console/ 看单个智能体的完整推理—行动过程，再打开 examples/agent_service/ 看服务化形态。卡住时优先翻对应示例目录的 README 和源码注释，路径都指向上文列出的真实目录，方便对照。
【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
