尧图网站建设 
AgentScope 多智能体框架教程5 分钟装好、跑通并部署你的第一个智能体【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一个能对话的智能体 demo 谁都能写出来但工具一接进来问题就来了智能体要跑 shell 命令你敢直接放行吗回复过程没有前端能看调试全靠打印日志上线后又没有地方管理多用户、多会话AgentScope 是一个面向生产环境的智能体开发框架Python 3.11当前版本 v2.0.7它把这些demo 之后的环节做成了现成组件权限确认、事件流、Web 服务、沙箱工作区、长期记忆和 RAG。先说清楚它是什么、适合谁AgentScope 2.0 分两层SDK 层用AgentToolkit 模型客户端几行代码组出一个带工具的智能体适合嵌进你自己的程序服务层一套 FastAPI 后端 预构建 Web UI直接把你的智能体变成多租户、多会话的线上应用。它适合两类人想把智能体做到能上线的开发者以及需要管理多智能体协作的搭建者。它的思路是信任模型的推理和工具调用能力而不是用写死的提示词模板和固化的编排去约束模型。不适合的场景也说一句如果你只是想调几次大模型 API 或做个单轮问答直接写几十行胶水代码更快不必引入一整个框架。如何安装 AgentScope 并跑通第一个智能体前置条件只有一个Python ≥ 3.11。两种方式安装# 方式一从 PyPI 安装 pip install agentscope# 方式二从源码安装 git clone https://gitcode.com/GitHub_Trending/ag/agentscope cd agentscope pip install -e .最小可运行示例下面这段代码创建一个叫 Friday 的智能体并发起一次对话跑完后你能在终端里看到智能体流式输出的回复from agentscope.agent import Agent from agentscope.model import DashScopeChatModel import os, asyncio async def main(): agent Agent( nameFriday, system_promptYoure a helpful assistant named Friday., modelDashScopeChatModel(modelqwen3.6-plus), ) async for event in agent.reply_stream(你好Friday): print(event.content) asyncio.run(main())如果要用官方 README 里的完整示例带百炼 API Key 凭证和终端控制台它通过launch_console(agent)在终端里开一个交互聊天界面流式输出、工具调用确认、CtrlC 中断都是内置的from agentscope.agent import Agent from agentscope.console import launch_console from agentscope.tool import Toolkit, Bash, Read, Write from agentscope.credential import DashScopeCredential from agentscope.model import DashScopeChatModel import os, asyncio async def main(): 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()]), ) await launch_console(agent) asyncio.run(main())注意换用其他厂商时只替换model这一行框架对 OpenAI、Anthropic、Gemini、DashScope、DeepSeek、Moonshot、xAI、Ollama 等都有现成客户端调用示例见 scripts/model_examples/。启动 Web 服务与 Web UI让智能体可管理命令行之外AgentScope 自带一套完整的服务端。依次执行git clone https://gitcode.com/GitHub_Trending/ag/agentscope cd agentscope/examples/agent_service python main.py # 启动 FastAPI 后端再开一个终端cd agentscope/examples/web_ui pnpm install pnpm dev # 启动 Web UI浏览器打开本地地址后你能看到一个可以创建智能体、管理模型凭证、发起多会话的界面。注意 examples/agent_service/main.py 的默认配置用了本机 Redislocalhost:6379运行前需要先起一个 Redis 服务并配好模型 API Key 环境变量。能力拆解团队编排、任务规划、权限与后台任务服务层有四个最常被问到的能力逐一说明它能做什么、你打开界面后能看到什么。智能体团队Leader 派活Worker 执行你只给一个总目标Leader 智能体会自己决定需要几个 Worker、各自负责什么再通过内置的团队工具如TeamSay分发任务并汇总结果。这套机制的完整配置可以直接读 examples/agent_service/main.py里面定义了子智能体模板SubAgentTemplate例如一个只读的 explorer 角色被允许读文件但不允许修改。任务规划复杂工作拆成可追踪的计划接到一个多步骤任务时智能体会先建一份计划执行过程中逐项更新状态。你在界面里能看到计划清单和每项的完成状态而不是只看到一整段输出。权限控制工具调用可以被拦截确认默认情况下敏感工具调用会暂停并弹出确认由你来决定放行或拒绝如果环境可信也可以切成 bypass 模式智能体从接到任务到跑完不再停下来等确认。对应代码是PermissionContextPermissionMode如BYPASS实现位于 src/agentscope/permission/。后台任务卸载长任务不再卡住对话一个要跑 10 分钟的命令如果在前台执行整场对话就干等着。开启后台任务卸载后这类工具会被移到后台任务完成时自动唤醒智能体把结果接回当前对话继续说。串成一条工作流让团队分析数据并出报告单独看每个功能是一回事组合起来是另一回事。以分析上季度的销售数据出一份报告为例在 AgentScope 服务里的实际流转是这样的你把目标发给 Leader。它把任务拆成计划读数据、清洗、分析、写报告计划面板开始实时更新需要看原始文件的子步骤派给只读 explorer 子智能体它读完用TeamSay把结论回传给 Leader全程无写权限遇到耗时较长的处理工具调用被卸到后台会话不阻塞完成后智能体被唤醒接着往下做所有工具调用按你设置的权限模式执行敏感操作逐次确认最终报告落在工作区目录里。整个过程你不需要自己写调度循环——团队编排、计划跟踪、任务卸载都是服务层的现成组件。进阶能力速览记忆、RAG、沙箱与多模型这几项按需开启简述加路径细节看文档长期记忆三种后端可选——智能体自主管理的 Agentic Memory、Mem0、ReMe都以中间件形式挂到智能体上。示例examples/long_term_memory/RAG服务层是分布式、多租户、多会话的 RAG支持 PDF/Word/Excel/PPT/图片等多种格式解析向量库可选 Qdrant、Milvus Lite、MongoDB、Elasticsearch。不想起服务也有库模式examples/rag/index_and_search.py 演示了 解析 → 切块 → 建索引 → 检索 的完整链路跑完会打印检索结果工作区 / 沙箱隔离工具和代码执行可放进 8 种后端——本地、Docker、Apple Container、Bubblewrap、E2B、OpenSandbox、Daytona、K8s实现位于 src/agentscope/workspace/多模型与多模态LLM、Embedding、TTS 三类模型统一抽象脚本示例在 scripts/model_examples/消息渠道服务层支持把智能体接入飞书、Discord、钉钉示例在 examples/agent_service/main.py 的channels配置处。资源导航文档、示例与社区仓库内文档docs/其中 docs/NEWS.md 和 docs/changelog.md 记录了 2026-05 AgentScope 2.0 发布以来的功能迭代示例目录examples/覆盖 agent_service、console、long_term_memory、rag、pipeline 等场景examples/console/ 是终端调试入口社区入口README.md 的 Community 一节列有 Discord 与钉钉群钉钉群二维码见 assets/images/dingtalk_qr_code.png。接下来你可以做的 3 件事在本机终端跑通最小可运行示例拿到智能体的第一次流式回复起examples/agent_service后端 examples/web_ui前端在网页里创建自己的第一个智能体会话挑一个进阶开关试试给智能体挂长期记忆、接一个 RAG 知识库或把工作区切到 Docker 沙箱——三选一个就能体会到 demo 和生产之间的距离被填掉了多少。【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 AgentScope 多智能体框架教程：5 分钟装好、跑通并部署你的第一个智能体
AgentScope 多智能体框架教程5 分钟装好、跑通并部署你的第一个智能体【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一个能对话的智能体 demo 谁都能写出来但工具一接进来问题就来了智能体要跑 shell 命令你敢直接放行吗回复过程没有前端能看调试全靠打印日志上线后又没有地方管理多用户、多会话AgentScope 是一个面向生产环境的智能体开发框架Python 3.11当前版本 v2.0.7它把这些demo 之后的环节做成了现成组件权限确认、事件流、Web 服务、沙箱工作区、长期记忆和 RAG。先说清楚它是什么、适合谁AgentScope 2.0 分两层SDK 层用AgentToolkit 模型客户端几行代码组出一个带工具的智能体适合嵌进你自己的程序服务层一套 FastAPI 后端 预构建 Web UI直接把你的智能体变成多租户、多会话的线上应用。它适合两类人想把智能体做到能上线的开发者以及需要管理多智能体协作的搭建者。它的思路是信任模型的推理和工具调用能力而不是用写死的提示词模板和固化的编排去约束模型。不适合的场景也说一句如果你只是想调几次大模型 API 或做个单轮问答直接写几十行胶水代码更快不必引入一整个框架。如何安装 AgentScope 并跑通第一个智能体前置条件只有一个Python ≥ 3.11。两种方式安装# 方式一从 PyPI 安装 pip install agentscope# 方式二从源码安装 git clone https://gitcode.com/GitHub_Trending/ag/agentscope cd agentscope pip install -e .最小可运行示例下面这段代码创建一个叫 Friday 的智能体并发起一次对话跑完后你能在终端里看到智能体流式输出的回复from agentscope.agent import Agent from agentscope.model import DashScopeChatModel import os, asyncio async def main(): agent Agent( nameFriday, system_promptYoure a helpful assistant named Friday., modelDashScopeChatModel(modelqwen3.6-plus), ) async for event in agent.reply_stream(你好Friday): print(event.content) asyncio.run(main())如果要用官方 README 里的完整示例带百炼 API Key 凭证和终端控制台它通过launch_console(agent)在终端里开一个交互聊天界面流式输出、工具调用确认、CtrlC 中断都是内置的from agentscope.agent import Agent from agentscope.console import launch_console from agentscope.tool import Toolkit, Bash, Read, Write from agentscope.credential import DashScopeCredential from agentscope.model import DashScopeChatModel import os, asyncio async def main(): 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()]), ) await launch_console(agent) asyncio.run(main())注意换用其他厂商时只替换model这一行框架对 OpenAI、Anthropic、Gemini、DashScope、DeepSeek、Moonshot、xAI、Ollama 等都有现成客户端调用示例见 scripts/model_examples/。启动 Web 服务与 Web UI让智能体可管理命令行之外AgentScope 自带一套完整的服务端。依次执行git clone https://gitcode.com/GitHub_Trending/ag/agentscope cd agentscope/examples/agent_service python main.py # 启动 FastAPI 后端再开一个终端cd agentscope/examples/web_ui pnpm install pnpm dev # 启动 Web UI浏览器打开本地地址后你能看到一个可以创建智能体、管理模型凭证、发起多会话的界面。注意 examples/agent_service/main.py 的默认配置用了本机 Redislocalhost:6379运行前需要先起一个 Redis 服务并配好模型 API Key 环境变量。能力拆解团队编排、任务规划、权限与后台任务服务层有四个最常被问到的能力逐一说明它能做什么、你打开界面后能看到什么。智能体团队Leader 派活Worker 执行你只给一个总目标Leader 智能体会自己决定需要几个 Worker、各自负责什么再通过内置的团队工具如TeamSay分发任务并汇总结果。这套机制的完整配置可以直接读 examples/agent_service/main.py里面定义了子智能体模板SubAgentTemplate例如一个只读的 explorer 角色被允许读文件但不允许修改。任务规划复杂工作拆成可追踪的计划接到一个多步骤任务时智能体会先建一份计划执行过程中逐项更新状态。你在界面里能看到计划清单和每项的完成状态而不是只看到一整段输出。权限控制工具调用可以被拦截确认默认情况下敏感工具调用会暂停并弹出确认由你来决定放行或拒绝如果环境可信也可以切成 bypass 模式智能体从接到任务到跑完不再停下来等确认。对应代码是PermissionContextPermissionMode如BYPASS实现位于 src/agentscope/permission/。后台任务卸载长任务不再卡住对话一个要跑 10 分钟的命令如果在前台执行整场对话就干等着。开启后台任务卸载后这类工具会被移到后台任务完成时自动唤醒智能体把结果接回当前对话继续说。串成一条工作流让团队分析数据并出报告单独看每个功能是一回事组合起来是另一回事。以分析上季度的销售数据出一份报告为例在 AgentScope 服务里的实际流转是这样的你把目标发给 Leader。它把任务拆成计划读数据、清洗、分析、写报告计划面板开始实时更新需要看原始文件的子步骤派给只读 explorer 子智能体它读完用TeamSay把结论回传给 Leader全程无写权限遇到耗时较长的处理工具调用被卸到后台会话不阻塞完成后智能体被唤醒接着往下做所有工具调用按你设置的权限模式执行敏感操作逐次确认最终报告落在工作区目录里。整个过程你不需要自己写调度循环——团队编排、计划跟踪、任务卸载都是服务层的现成组件。进阶能力速览记忆、RAG、沙箱与多模型这几项按需开启简述加路径细节看文档长期记忆三种后端可选——智能体自主管理的 Agentic Memory、Mem0、ReMe都以中间件形式挂到智能体上。示例examples/long_term_memory/RAG服务层是分布式、多租户、多会话的 RAG支持 PDF/Word/Excel/PPT/图片等多种格式解析向量库可选 Qdrant、Milvus Lite、MongoDB、Elasticsearch。不想起服务也有库模式examples/rag/index_and_search.py 演示了 解析 → 切块 → 建索引 → 检索 的完整链路跑完会打印检索结果工作区 / 沙箱隔离工具和代码执行可放进 8 种后端——本地、Docker、Apple Container、Bubblewrap、E2B、OpenSandbox、Daytona、K8s实现位于 src/agentscope/workspace/多模型与多模态LLM、Embedding、TTS 三类模型统一抽象脚本示例在 scripts/model_examples/消息渠道服务层支持把智能体接入飞书、Discord、钉钉示例在 examples/agent_service/main.py 的channels配置处。资源导航文档、示例与社区仓库内文档docs/其中 docs/NEWS.md 和 docs/changelog.md 记录了 2026-05 AgentScope 2.0 发布以来的功能迭代示例目录examples/覆盖 agent_service、console、long_term_memory、rag、pipeline 等场景examples/console/ 是终端调试入口社区入口README.md 的 Community 一节列有 Discord 与钉钉群钉钉群二维码见 assets/images/dingtalk_qr_code.png。接下来你可以做的 3 件事在本机终端跑通最小可运行示例拿到智能体的第一次流式回复起examples/agent_service后端 examples/web_ui前端在网页里创建自己的第一个智能体会话挑一个进阶开关试试给智能体挂长期记忆、接一个 RAG 知识库或把工作区切到 Docker 沙箱——三选一个就能体会到 demo 和生产之间的距离被填掉了多少。【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