尧图网站建设 
AgentScope 多智能体框架半小时跑通一个带工具的 Agent【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让 Agent 连续干上半小时的活你大概率会撞上两类问题它半夜跑出一条危险命令或者长对话把模型自己的记忆撑丢了。这类问题靠换更强的模型解决不了得靠给工具上锁、给对话压缩记忆的工程机制。AgentScope 是一个面向生产场景的多智能体框架把 ReAct 循环模型先想一步、再调一次工具的循环、工具权限审查、沙箱工作区打包成现成积木开发者拿来拼装不用自己搭安全网。30 秒装好并验证版本环境要求只有一条Python 3.11 及以上。一条命令安装pip install agentscope装了uv的话换成uv pip install agentscope然后在终端执行python -c import agentscope; print(agentscope.__version__)能打印出版本号即安装成功。需要改源码做二次开发的话clone 仓库https://gitcode.com/GitHub_Trending/ag/agentscope后执行uv pip install -e .以可编辑模式装好这里不细说。29 行最小示例先跑通再拆原理import asyncio import os from agentscope.agent import Agent from agentscope.console import launch_console from agentscope.credential import DashScopeCredential from agentscope.model import DashScopeChatModel from agentscope.tool import Toolkit from agentscope.workspace import LocalWorkspace async def main() - None: async with LocalWorkspace(workdir./workspace) as workspace: agent Agent( nameFriday, system_promptYoure a helpful assistant named Friday., modelDashScopeChatModel( credentialDashScopeCredential( api_keyos.environ[DASHSCOPE_API_KEY], ), modelqwen3.7-max, streamTrue, ), toolkitToolkit(toolsawait workspace.list_tools()), offloaderworkspace, ) await launch_console(agent) asyncio.run(main())这段代码里每块各司其职Agent负责把模型、工具、工作区组装成一个会推理也会动手的智能体工具调用支持批量顺序或并发执行模型侧只填凭据和模型名换 OpenAI、Gemini 等其他厂商改个类名即可LocalWorkspace提供文件系统工具Toolkit则限定 Agent 只能用这批工具offloaderworkspace让超大工具结果外移到工作区目录launch_console把整个交互接到终端上流式输出、工具确认、CtrlC 中断都是现成的。跑之前记得 export 好DASHSCOPE_API_KEY环境变量。三个内置机制各挡一种翻车权限引擎工具调用先过审再执行堵的坑模型幻觉杜绝不了在提示词里写别生成危险命令并不保险可靠的办法是在执行层拦一道。落在哪每次工具调用都会先过agentscope/permission/里的权限引擎按你配的规则三选一——放行、拒绝、或者弹窗问人。内置 DEFAULT逐次确认、ACCEPT_EDITS工作目录内的文件读写自动放行、EXPLORE只读等模式。红线⚠️BYPASS 模式会跳过所有确认连危险命令警告都不拦rm -rf /也拦不住只在容器、虚拟机这类隔离环境里开并用 deny 规则保护关键路径想无人值守又留安全垫用 DONT_ASK它会把一切需确认直接转成拒绝。上下文自动压缩长对话撑不爆窗口堵的坑对话越长 token 堆得越多窗口一满模型要么报错要么忘掉前半程的发现。落在哪agentscope/agent/_config.py里的ContextConfig盯着 token 占用占满模型窗口八成时自动启动——旧对话被重写成五段式摘要任务概述、当前状态、重要发现、下一步、需保留的上下文超大工具结果交给 offloader 外移成文件工具结果默认还有 50000 token 的截断上限。红线写摘要时要求落笔即绝对化文件给完整路径、时间给具体日期那个文件上午说的方案这种说法不允许出现换窗口续跑才不依赖旧对话想改compression_prompt或summary_template别动里面的占位符trigger_ratio默认 0.8上限只能调到 0.9。工作区工具跑在沙箱里不跑在你机器上堵的坑Bash、Read、Write 这批内置工具若直接挂在宿主机上Agent 等于可以随意读写你的系统。落在哪工具统一绑在agentscope/workspace/的 Workspace 上本地目录、Docker、E2B、K8s 都是可切换的后端工具从哪来也由工作区决定——await workspace.list_tools()拉出的就是当前后端允许用的那一批后端一换受控的文件与命令环境整体跟着换。红线LocalWorkspace 只是宿主机上的普通目录不想让 Agent 碰宿主就换容器后端跨会话的长期记忆要再挂AgenticMemoryMiddleware才会写入工作区目录不挂则会话结束即失忆。三个能直接上手的落地场景做什么用到哪些能力预期得到什么跨文件改造需求让 Agent 连续工作 30 分钟如迁移鉴权模块上下文自动压缩 内置任务规划工具TaskCreate/TaskList工作被拆成带状态的计划并实时更新对话再长也不丢前半程的发现复杂需求由 leader Agent 动态生成多个 worker 并行推进Agent Service 的 team 工具leader 拆任务、派活、验收分工与消息流转全程在 Web UI 可见随时可回溯生成的代码交付前由独立验证者 Agent 读同一工作区检查GoalPipelineexecutor verifier BYPASS 权限模式不达标自动打回返工产出比单次生成更稳任务规划与团队分工的实际效果文档、示例与社区入口文档更新日志中文版 NEWS_zh、changelog版本细节、roadmap后续方向示例终端对话 demo最小可跑对话、Agent Service Web UI可视化多智能体服务、执行者-验证者流水线互审返工流水线社区中文 README中文速览、贡献指南如何提交代码最后一步交给你export 好DASHSCOPE_API_KEY打开 examples/console/main.py 执行python main.py今天就跑起来。【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：半小时跑通一个带工具的 Agent
AgentScope 多智能体框架半小时跑通一个带工具的 Agent【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让 Agent 连续干上半小时的活你大概率会撞上两类问题它半夜跑出一条危险命令或者长对话把模型自己的记忆撑丢了。这类问题靠换更强的模型解决不了得靠给工具上锁、给对话压缩记忆的工程机制。AgentScope 是一个面向生产场景的多智能体框架把 ReAct 循环模型先想一步、再调一次工具的循环、工具权限审查、沙箱工作区打包成现成积木开发者拿来拼装不用自己搭安全网。30 秒装好并验证版本环境要求只有一条Python 3.11 及以上。一条命令安装pip install agentscope装了uv的话换成uv pip install agentscope然后在终端执行python -c import agentscope; print(agentscope.__version__)能打印出版本号即安装成功。需要改源码做二次开发的话clone 仓库https://gitcode.com/GitHub_Trending/ag/agentscope后执行uv pip install -e .以可编辑模式装好这里不细说。29 行最小示例先跑通再拆原理import asyncio import os from agentscope.agent import Agent from agentscope.console import launch_console from agentscope.credential import DashScopeCredential from agentscope.model import DashScopeChatModel from agentscope.tool import Toolkit from agentscope.workspace import LocalWorkspace async def main() - None: async with LocalWorkspace(workdir./workspace) as workspace: agent Agent( nameFriday, system_promptYoure a helpful assistant named Friday., modelDashScopeChatModel( credentialDashScopeCredential( api_keyos.environ[DASHSCOPE_API_KEY], ), modelqwen3.7-max, streamTrue, ), toolkitToolkit(toolsawait workspace.list_tools()), offloaderworkspace, ) await launch_console(agent) asyncio.run(main())这段代码里每块各司其职Agent负责把模型、工具、工作区组装成一个会推理也会动手的智能体工具调用支持批量顺序或并发执行模型侧只填凭据和模型名换 OpenAI、Gemini 等其他厂商改个类名即可LocalWorkspace提供文件系统工具Toolkit则限定 Agent 只能用这批工具offloaderworkspace让超大工具结果外移到工作区目录launch_console把整个交互接到终端上流式输出、工具确认、CtrlC 中断都是现成的。跑之前记得 export 好DASHSCOPE_API_KEY环境变量。三个内置机制各挡一种翻车权限引擎工具调用先过审再执行堵的坑模型幻觉杜绝不了在提示词里写别生成危险命令并不保险可靠的办法是在执行层拦一道。落在哪每次工具调用都会先过agentscope/permission/里的权限引擎按你配的规则三选一——放行、拒绝、或者弹窗问人。内置 DEFAULT逐次确认、ACCEPT_EDITS工作目录内的文件读写自动放行、EXPLORE只读等模式。红线⚠️BYPASS 模式会跳过所有确认连危险命令警告都不拦rm -rf /也拦不住只在容器、虚拟机这类隔离环境里开并用 deny 规则保护关键路径想无人值守又留安全垫用 DONT_ASK它会把一切需确认直接转成拒绝。上下文自动压缩长对话撑不爆窗口堵的坑对话越长 token 堆得越多窗口一满模型要么报错要么忘掉前半程的发现。落在哪agentscope/agent/_config.py里的ContextConfig盯着 token 占用占满模型窗口八成时自动启动——旧对话被重写成五段式摘要任务概述、当前状态、重要发现、下一步、需保留的上下文超大工具结果交给 offloader 外移成文件工具结果默认还有 50000 token 的截断上限。红线写摘要时要求落笔即绝对化文件给完整路径、时间给具体日期那个文件上午说的方案这种说法不允许出现换窗口续跑才不依赖旧对话想改compression_prompt或summary_template别动里面的占位符trigger_ratio默认 0.8上限只能调到 0.9。工作区工具跑在沙箱里不跑在你机器上堵的坑Bash、Read、Write 这批内置工具若直接挂在宿主机上Agent 等于可以随意读写你的系统。落在哪工具统一绑在agentscope/workspace/的 Workspace 上本地目录、Docker、E2B、K8s 都是可切换的后端工具从哪来也由工作区决定——await workspace.list_tools()拉出的就是当前后端允许用的那一批后端一换受控的文件与命令环境整体跟着换。红线LocalWorkspace 只是宿主机上的普通目录不想让 Agent 碰宿主就换容器后端跨会话的长期记忆要再挂AgenticMemoryMiddleware才会写入工作区目录不挂则会话结束即失忆。三个能直接上手的落地场景做什么用到哪些能力预期得到什么跨文件改造需求让 Agent 连续工作 30 分钟如迁移鉴权模块上下文自动压缩 内置任务规划工具TaskCreate/TaskList工作被拆成带状态的计划并实时更新对话再长也不丢前半程的发现复杂需求由 leader Agent 动态生成多个 worker 并行推进Agent Service 的 team 工具leader 拆任务、派活、验收分工与消息流转全程在 Web UI 可见随时可回溯生成的代码交付前由独立验证者 Agent 读同一工作区检查GoalPipelineexecutor verifier BYPASS 权限模式不达标自动打回返工产出比单次生成更稳任务规划与团队分工的实际效果文档、示例与社区入口文档更新日志中文版 NEWS_zh、changelog版本细节、roadmap后续方向示例终端对话 demo最小可跑对话、Agent Service Web UI可视化多智能体服务、执行者-验证者流水线互审返工流水线社区中文 README中文速览、贡献指南如何提交代码最后一步交给你export 好DASHSCOPE_API_KEY打开 examples/console/main.py 执行python main.py今天就跑起来。【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