尧图网站建设 
AgentScope 2.0 实操指南从单个智能体到可部署的多智能体服务【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 是一个面向生产环境的 Python 智能体开发框架要求 Python 3.11 及以上。它把模型调用、工具执行、权限确认、工作空间隔离做进同一套接口里你可以先在终端跑通一个智能体再把它扩展成带 Web 界面的多租户、多会话智能体服务并接入飞书、Discord、钉钉等 IM 渠道。如果你要构建可观测、可控的多智能体应用这个项目提供了一条从原型到服务的完整路径。本文按能力地图组织先看每一层各自解决什么问题再走三条真实的落地路径用典型任务模式验证效果最后给出边界与后续学习入口。官方架构图先建立模型—工具—工作空间—服务的整体印象再读细节。能力地图AgentScope 每一层解决什么问题最小能力Agent、工具包与模型层核心对象是Agent给它一个名字、系统提示词、模型和工具包内部跑推理—行动—观察循环并自带结构化输出、回复中途中断与恢复、工具调用串行或并行执行。Toolkit统一管理三类工具来源内置编码工具Bash、Read、Write、Edit、Grep、Glob、MCP 服务器、技能。模型层覆盖 LLM、向量、TTS 三类能力支持 OpenAI、Anthropic、Gemini、DashScope、DeepSeek、Moonshot、xAI、Ollama 等提供商各家的调用姿势在 scripts/model_examples/ 有对应脚本。可组合模块事件、中间件与长期记忆事件系统是一条统一总线推理内容、工具调用、文本与多模态内容都通过reply_stream以事件形式流出前端只负责渲染。中间件是可组合的钩子插入在回复、推理、行动、模型调用、权限检查、上下文压缩等节点不改主循环就能换入自定义逻辑。长期记忆支持 Agentic Memory、Mem0、ReMe 三种后端示例都在 examples/long_term_memory/。RAG 是独立模块解析→切块→向量化→入库→检索整条流水线开箱即用向量后端可在 Qdrant、Milvus Lite、MongoDB、Elasticsearch 之间选择。工作空间隔离与权限边界工具执行可以放进工作空间后端包括本地目录、Docker、Apple Container、Bubblewrap、E2B、OpenSandbox、Daytona、K8s每种后端通过 extras 选项按需安装依赖。权限系统负责人在回路这一环工具调用可以逐次确认可以授一条规则让同类调用后续放行也可以在绕过模式下全程免确认运行。绕过模式适合可信环境直观展示权限控制与执行效率之间的取舍。安装、环境依赖与最小验证基础包与功能模块按需分开安装uv pip install agentscope # 基础功能 uv pip install agentscope[service] # 智能体服务后端 uv pip install agentscope[rag] # RAG 功能 uv pip install agentscope[memory-reme] # ReMe 长期记忆下面这段代码在终端启动一个带 3 个工具的智能体流式渲染、工具确认、CtrlC 中断都由控制台自动处理from agentscope.agent import Agent from agentscope.console import launch_console from agentscope.model import DashScopeChatModel from agentscope.credential import DashScopeCredential from agentscope.tool import Toolkit, Bash, Read, Write import os, asyncio 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()]), ) asyncio.run(launch_console(agent))预期结果与验证点先让它列出当前目录的 Python 文件只读工具直接执行再让它写一个 note.md终端会要求确认回答a之后同类写入不再询问。两个行为都出现说明权限链路工作正常。完整演示见 examples/console/。从终端 Demo 到本地智能体服务路径一终端控制台launch_console是最轻的入口不启动服务、不写界面代码几分钟内验证模型调用、工具链与确认流程。examples/console/ 的示例还演示了记忆中间件把持久事实写成工作空间目录下的 Markdown 文件重启后依然可查。路径二服务后端加 Web UI需要多租户、多会话、持久化和网页界面时启动内置的智能体服务获取源码git clone https://gitcode.com/GitHub_Trending/ag/agentscope进入agentscope/examples/agent_service运行python main.py启动 FastAPI 后端官方示例以 Redis 作为存储后端另需 Node.js ≥ 20另开终端进入agentscope/examples/web_ui执行pnpm install和pnpm dev在网页中填入端点http://localhost:8000即可使用服务层在 SDK 之上增加的是部署级能力多租户与多会话隔离、SQL/NoSQL 持久化、定时任务、后台任务卸载、智能体团队编排、MCP 与技能市场可浏览 GitHub MCP Registry、ClawHub 并安装到工作空间。配置细节见 examples/agent_service/README.md。路径三RAG 与跨会话记忆examples/rag/ 用内存版 Qdrant 加 DashScope 向量模型演示数据流无需外部服务第一个脚本完成入库—检索第二个脚本通过RAGMiddleware把同一知识库挂到 Agent 上支持自动注入与工具驱动两种模式。examples/long_term_memory/reme/ 则用两个连续会话共享同一记忆工作空间直接观察跨会话回忆的效果。三种典型任务模式智能体团队一个领导者协调多个工作者智能体服务内置团队工具领导者智能体创建工作者、分配并协调任务每个工作者拥有独立上下文。对复杂请求它会先把工作拆成可追踪的计划再边执行边逐项更新进度。GoalPipeline执行者—验证者循环examples/pipeline/goal/ 里的GoalPipeline是固定逻辑多智能体流的例子执行者写代码验证者一个普通 Agent结论用结构化输出表达复核不通过时把意见原样回传给执行者重试最多max_iters次。两者共享同一工作空间验证者看到的是实际写下的内容而不是执行者的自述。后台卸载与权限绕过长时间运行的工具不必阻塞对话可以移入后台执行结果就绪后自动唤醒智能体继续对话。配合权限绕过模式可信任务可以端到端跑完配合确认模式敏感操作逐次把关。两种方式可按会话切换。边界与常见误区⚠️密钥是前提。正文示例以 DashScope 为例需要先设置DASHSCOPE_API_KEY其他模型提供商的调用方式查 scripts/model_examples/。可选依赖默认不安装。服务、RAG、各工作空间后端、各向量库都是 extrasimport报缺失模块时先检查对应 extras 是否已装。工作空间后端依赖环境。Docker、E2B、Daytona、K8s 等需要对应运行时或账户刚上手时建议先用本地后端。注意版本差异。2.0 与 1.x 的 API 不完全相同如 1.x 的DialogAgent、提示词式 ReAct 智能体已废弃参考旧教程时以 docs/changelog.md 为准。服务示例依赖 Redis。examples/agent_service/ 的main.py配置了 Redis 存储其 README 给出 macOS、Linux、Docker 三种安装方式。继续学习入口docs/NEWS、changelog、roadmap功能更新渠道接入、新工作空间后端、记忆支持都记录在这里examples/agent_service、console、rag、long_term_memory、pipeline 五类可运行示例每个目录的 README 说明验证点scripts/model_examples/各模型提供商的单智能体、多智能体与多模态调用样例配run_tests.py批量验证tests/140 多个测试用例需要确认某个功能行为时可从这里找断言项目采用 Apache-2.0 许可建议的下一步先跑通终端 console 示例体会确认—放行—绕过的权限差异再启动智能体服务用同一智能体开两个会话观察两个会话的隔离是否符合预期。【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 2.0 实操指南：从单个智能体到可部署的多智能体服务
AgentScope 2.0 实操指南从单个智能体到可部署的多智能体服务【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 是一个面向生产环境的 Python 智能体开发框架要求 Python 3.11 及以上。它把模型调用、工具执行、权限确认、工作空间隔离做进同一套接口里你可以先在终端跑通一个智能体再把它扩展成带 Web 界面的多租户、多会话智能体服务并接入飞书、Discord、钉钉等 IM 渠道。如果你要构建可观测、可控的多智能体应用这个项目提供了一条从原型到服务的完整路径。本文按能力地图组织先看每一层各自解决什么问题再走三条真实的落地路径用典型任务模式验证效果最后给出边界与后续学习入口。官方架构图先建立模型—工具—工作空间—服务的整体印象再读细节。能力地图AgentScope 每一层解决什么问题最小能力Agent、工具包与模型层核心对象是Agent给它一个名字、系统提示词、模型和工具包内部跑推理—行动—观察循环并自带结构化输出、回复中途中断与恢复、工具调用串行或并行执行。Toolkit统一管理三类工具来源内置编码工具Bash、Read、Write、Edit、Grep、Glob、MCP 服务器、技能。模型层覆盖 LLM、向量、TTS 三类能力支持 OpenAI、Anthropic、Gemini、DashScope、DeepSeek、Moonshot、xAI、Ollama 等提供商各家的调用姿势在 scripts/model_examples/ 有对应脚本。可组合模块事件、中间件与长期记忆事件系统是一条统一总线推理内容、工具调用、文本与多模态内容都通过reply_stream以事件形式流出前端只负责渲染。中间件是可组合的钩子插入在回复、推理、行动、模型调用、权限检查、上下文压缩等节点不改主循环就能换入自定义逻辑。长期记忆支持 Agentic Memory、Mem0、ReMe 三种后端示例都在 examples/long_term_memory/。RAG 是独立模块解析→切块→向量化→入库→检索整条流水线开箱即用向量后端可在 Qdrant、Milvus Lite、MongoDB、Elasticsearch 之间选择。工作空间隔离与权限边界工具执行可以放进工作空间后端包括本地目录、Docker、Apple Container、Bubblewrap、E2B、OpenSandbox、Daytona、K8s每种后端通过 extras 选项按需安装依赖。权限系统负责人在回路这一环工具调用可以逐次确认可以授一条规则让同类调用后续放行也可以在绕过模式下全程免确认运行。绕过模式适合可信环境直观展示权限控制与执行效率之间的取舍。安装、环境依赖与最小验证基础包与功能模块按需分开安装uv pip install agentscope # 基础功能 uv pip install agentscope[service] # 智能体服务后端 uv pip install agentscope[rag] # RAG 功能 uv pip install agentscope[memory-reme] # ReMe 长期记忆下面这段代码在终端启动一个带 3 个工具的智能体流式渲染、工具确认、CtrlC 中断都由控制台自动处理from agentscope.agent import Agent from agentscope.console import launch_console from agentscope.model import DashScopeChatModel from agentscope.credential import DashScopeCredential from agentscope.tool import Toolkit, Bash, Read, Write import os, asyncio 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()]), ) asyncio.run(launch_console(agent))预期结果与验证点先让它列出当前目录的 Python 文件只读工具直接执行再让它写一个 note.md终端会要求确认回答a之后同类写入不再询问。两个行为都出现说明权限链路工作正常。完整演示见 examples/console/。从终端 Demo 到本地智能体服务路径一终端控制台launch_console是最轻的入口不启动服务、不写界面代码几分钟内验证模型调用、工具链与确认流程。examples/console/ 的示例还演示了记忆中间件把持久事实写成工作空间目录下的 Markdown 文件重启后依然可查。路径二服务后端加 Web UI需要多租户、多会话、持久化和网页界面时启动内置的智能体服务获取源码git clone https://gitcode.com/GitHub_Trending/ag/agentscope进入agentscope/examples/agent_service运行python main.py启动 FastAPI 后端官方示例以 Redis 作为存储后端另需 Node.js ≥ 20另开终端进入agentscope/examples/web_ui执行pnpm install和pnpm dev在网页中填入端点http://localhost:8000即可使用服务层在 SDK 之上增加的是部署级能力多租户与多会话隔离、SQL/NoSQL 持久化、定时任务、后台任务卸载、智能体团队编排、MCP 与技能市场可浏览 GitHub MCP Registry、ClawHub 并安装到工作空间。配置细节见 examples/agent_service/README.md。路径三RAG 与跨会话记忆examples/rag/ 用内存版 Qdrant 加 DashScope 向量模型演示数据流无需外部服务第一个脚本完成入库—检索第二个脚本通过RAGMiddleware把同一知识库挂到 Agent 上支持自动注入与工具驱动两种模式。examples/long_term_memory/reme/ 则用两个连续会话共享同一记忆工作空间直接观察跨会话回忆的效果。三种典型任务模式智能体团队一个领导者协调多个工作者智能体服务内置团队工具领导者智能体创建工作者、分配并协调任务每个工作者拥有独立上下文。对复杂请求它会先把工作拆成可追踪的计划再边执行边逐项更新进度。GoalPipeline执行者—验证者循环examples/pipeline/goal/ 里的GoalPipeline是固定逻辑多智能体流的例子执行者写代码验证者一个普通 Agent结论用结构化输出表达复核不通过时把意见原样回传给执行者重试最多max_iters次。两者共享同一工作空间验证者看到的是实际写下的内容而不是执行者的自述。后台卸载与权限绕过长时间运行的工具不必阻塞对话可以移入后台执行结果就绪后自动唤醒智能体继续对话。配合权限绕过模式可信任务可以端到端跑完配合确认模式敏感操作逐次把关。两种方式可按会话切换。边界与常见误区⚠️密钥是前提。正文示例以 DashScope 为例需要先设置DASHSCOPE_API_KEY其他模型提供商的调用方式查 scripts/model_examples/。可选依赖默认不安装。服务、RAG、各工作空间后端、各向量库都是 extrasimport报缺失模块时先检查对应 extras 是否已装。工作空间后端依赖环境。Docker、E2B、Daytona、K8s 等需要对应运行时或账户刚上手时建议先用本地后端。注意版本差异。2.0 与 1.x 的 API 不完全相同如 1.x 的DialogAgent、提示词式 ReAct 智能体已废弃参考旧教程时以 docs/changelog.md 为准。服务示例依赖 Redis。examples/agent_service/ 的main.py配置了 Redis 存储其 README 给出 macOS、Linux、Docker 三种安装方式。继续学习入口docs/NEWS、changelog、roadmap功能更新渠道接入、新工作空间后端、记忆支持都记录在这里examples/agent_service、console、rag、long_term_memory、pipeline 五类可运行示例每个目录的 README 说明验证点scripts/model_examples/各模型提供商的单智能体、多智能体与多模态调用样例配run_tests.py批量验证tests/140 多个测试用例需要确认某个功能行为时可从这里找断言项目采用 Apache-2.0 许可建议的下一步先跑通终端 console 示例体会确认—放行—绕过的权限差异再启动智能体服务用同一智能体开两个会话观察两个会话的隔离是否符合预期。【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