AgentScope 2.0 完整教程多智能体框架从安装到部署的最小路径【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 2.0 是一个面向生产环境的多智能体开发框架它提供智能体、工具、模型、权限、沙箱工作空间这一整套构建块并内置可多租户部署的 FastAPI 智能体服务与配套 Web UI。本文只讲最短上手路径和真正用得到的能力不堆砌 API。项目定位它是什么、解决什么问题单个大模型智能体能回答问题但做不完一件完整的事它没有隔离的执行环境没有权限边界没有记忆也接不进钉钉、飞书这类实际工作入口。AgentScope 要解决的就是这些缺口。它的定位可以概括为两层SDK 层把智能体拆成可组合的构建块——ReAct 推理循环、Toolkit 工具管理、多厂商模型封装OpenAI、Anthropic、Gemini、DashScope、DeepSeek、Moonshot、xAI、Ollama、事件总线、权限与人工确认HITL、中间件、长期记忆、沙箱工作空间。源码入口在 src/agentscope/每个能力域一个子包可以按需取用。服务层一套开箱即用的 FastAPI 智能体服务把上面的构建块组装成多租户、多会话隔离的应用前端是一个预置的 Web UIexamples/web_ui/。适合人群需要用大模型跑真实任务执行命令、读写文件、检索知识库而不仅是聊天的开发者痛点是自建这类系统时权限、隔离、多会话状态这几件事往往要占掉一半工期。三分钟跑起来安装与第一个实例前提是Python 3.11。安装只有一条命令uv pip install agentscope # 或 pip install agentscope下面这段代码创建一个带 shell、文件读写工具的智能体然后在终端里流式对话含工具确认和 CtrlC 中断处理是验证环境是否可用的最小样例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) # 在终端中与智能体对话 asyncio.run(main())想要图形界面再补两条启动命令即可克隆仓库后git clone https://gitcode.com/GitHub_Trending/ag/agentscope在 examples/agent_service/ 下执行python main.py启动后端另开终端在 examples/web_ui/ 下执行pnpm install pnpm dev启动 Web UI。能力地图协作、工具、知识三个域不按模块逐条罗列把能力按三个域归组方便你对号入座域一多智能体协作智能体团队领导型智能体用内置团队工具TeamCreate、TeamSay等见 src/agentscope/app/_tool/创建、调度工人智能体无需手写编排代码。任务规划智能体把复杂工作拆成带状态的计划并随执行进度更新任务工具在 src/agentscope/tool/_task/。Pipeline用一条事件流按固定逻辑串联多个智能体适合流程可预知的场景示例见 examples/pipeline/。域二工具与沙箱安全Toolkit 内置工具shell、文件编辑、Glob/Grep 搜索等编码工具开箱即用还支持挂载 MCP 服务器和 Skill代码在 src/agentscope/tool/。权限与 HITL对每次工具调用做细粒度决策——允许、询问、拒绝支持 bypass 模式让流程端到端跑完不停顿。工作空间隔离工具与代码在沙箱里执行后端覆盖 local、Docker、Apple Container、Bubblewrap、E2B、OpenSandbox、Daytona、K8s 八种实现在 src/agentscope/workspace_manager/。域三知识与记忆RAG内置解析、切块、向量库Qdrant、Milvus Lite、MongoDB、Elasticsearch到检索的完整链路多租户检索见 src/agentscope/app/rag/。长期记忆Agentic Memory、Mem0、ReMe 三种可切换后端示例在 examples/long_term_memory/。上下文管理自动压缩、工具结果卸载、系统提示注入由中间件完成长会话不爆上下文。落地场景输入→输出用两个典型场景说明它到底交付什么格式是「你给什么 → 它产出什么」场景你的输入它的产出代码库分析一句话如「找出本仓库所有 TODO 并评估优先级」智能体在沙箱里跑 grep/read 工具、生成带行号依据的分析结论全程事件流可回放文档问答服务上传一组 PDF/Word/ExcelRAG 服务完成解析、切块、建索引智能体回答时附来源片段支持多租户隔离访问IM 里的智能体在钉钉/飞书群里 它提需求通过 Channel 层src/agentscope/app/channel/路由到对应会话智能体执行工具后把结果发回群里共同点是这些都不是 demo 脚本而是服务层直接提供的能力接入成本是配置而非开发。进阶能力让智能体更可用跑通对话之后真正决定能否上线的是这三件事记忆持久化。接入 ReMe 或 Mem0 后智能体跨会话记住偏好与历史结论后端可切换示例入口 examples/long_term_memory/reme/reme_demo.py。知识注入。RAG 支持文本与图像等多模态文档索引由独立 worker 进程完成src/agentscope/app/rag/index_worker/检索服务可分布式部署。隔离与调度。敏感操作放进 Docker 或云沙箱执行长任务通过后台任务卸载机制移到后台完成后自动唤醒智能体续跑配合定时任务scheduler可以做出到点自动干活的机器人。持续跟进文档、示例与更新示例examples/ 覆盖 agent_service、web_ui、pipeline、RAG、长期记忆全部主线各模型调用样例在 scripts/model_examples/每家厂商都有单智能体/多智能体/多模态三档脚本。更新日志docs/NEWS.md 是唯一的版本事实源。近几个月的关键节点2026-05 发布 2.02026-06 起连续加入 RAG、分布式多租户 RAG、Mem0、Agentic Memory2026-07 增加 Daytona、K8s、OpenSandbox 工作空间与 ReMe 记忆2026-08 加入 Console 终端调试、IM Channel钉钉/飞书/Discord、MCP 与 Skill Hub。社区官方 Discord 与钉钉群仓库遵循 CONTRIBUTING.md 接受贡献许可证为 Apache 2.0。想动手的话从三分钟跑起来那一段开始装完依赖把第一个智能体跑进终端——能打断、能确认、能执行工具的智能体才是这个框架真正值得看的地方。【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 完整教程：多智能体框架从安装到部署的最小路径
AgentScope 2.0 完整教程多智能体框架从安装到部署的最小路径【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 2.0 是一个面向生产环境的多智能体开发框架它提供智能体、工具、模型、权限、沙箱工作空间这一整套构建块并内置可多租户部署的 FastAPI 智能体服务与配套 Web UI。本文只讲最短上手路径和真正用得到的能力不堆砌 API。项目定位它是什么、解决什么问题单个大模型智能体能回答问题但做不完一件完整的事它没有隔离的执行环境没有权限边界没有记忆也接不进钉钉、飞书这类实际工作入口。AgentScope 要解决的就是这些缺口。它的定位可以概括为两层SDK 层把智能体拆成可组合的构建块——ReAct 推理循环、Toolkit 工具管理、多厂商模型封装OpenAI、Anthropic、Gemini、DashScope、DeepSeek、Moonshot、xAI、Ollama、事件总线、权限与人工确认HITL、中间件、长期记忆、沙箱工作空间。源码入口在 src/agentscope/每个能力域一个子包可以按需取用。服务层一套开箱即用的 FastAPI 智能体服务把上面的构建块组装成多租户、多会话隔离的应用前端是一个预置的 Web UIexamples/web_ui/。适合人群需要用大模型跑真实任务执行命令、读写文件、检索知识库而不仅是聊天的开发者痛点是自建这类系统时权限、隔离、多会话状态这几件事往往要占掉一半工期。三分钟跑起来安装与第一个实例前提是Python 3.11。安装只有一条命令uv pip install agentscope # 或 pip install agentscope下面这段代码创建一个带 shell、文件读写工具的智能体然后在终端里流式对话含工具确认和 CtrlC 中断处理是验证环境是否可用的最小样例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) # 在终端中与智能体对话 asyncio.run(main())想要图形界面再补两条启动命令即可克隆仓库后git clone https://gitcode.com/GitHub_Trending/ag/agentscope在 examples/agent_service/ 下执行python main.py启动后端另开终端在 examples/web_ui/ 下执行pnpm install pnpm dev启动 Web UI。能力地图协作、工具、知识三个域不按模块逐条罗列把能力按三个域归组方便你对号入座域一多智能体协作智能体团队领导型智能体用内置团队工具TeamCreate、TeamSay等见 src/agentscope/app/_tool/创建、调度工人智能体无需手写编排代码。任务规划智能体把复杂工作拆成带状态的计划并随执行进度更新任务工具在 src/agentscope/tool/_task/。Pipeline用一条事件流按固定逻辑串联多个智能体适合流程可预知的场景示例见 examples/pipeline/。域二工具与沙箱安全Toolkit 内置工具shell、文件编辑、Glob/Grep 搜索等编码工具开箱即用还支持挂载 MCP 服务器和 Skill代码在 src/agentscope/tool/。权限与 HITL对每次工具调用做细粒度决策——允许、询问、拒绝支持 bypass 模式让流程端到端跑完不停顿。工作空间隔离工具与代码在沙箱里执行后端覆盖 local、Docker、Apple Container、Bubblewrap、E2B、OpenSandbox、Daytona、K8s 八种实现在 src/agentscope/workspace_manager/。域三知识与记忆RAG内置解析、切块、向量库Qdrant、Milvus Lite、MongoDB、Elasticsearch到检索的完整链路多租户检索见 src/agentscope/app/rag/。长期记忆Agentic Memory、Mem0、ReMe 三种可切换后端示例在 examples/long_term_memory/。上下文管理自动压缩、工具结果卸载、系统提示注入由中间件完成长会话不爆上下文。落地场景输入→输出用两个典型场景说明它到底交付什么格式是「你给什么 → 它产出什么」场景你的输入它的产出代码库分析一句话如「找出本仓库所有 TODO 并评估优先级」智能体在沙箱里跑 grep/read 工具、生成带行号依据的分析结论全程事件流可回放文档问答服务上传一组 PDF/Word/ExcelRAG 服务完成解析、切块、建索引智能体回答时附来源片段支持多租户隔离访问IM 里的智能体在钉钉/飞书群里 它提需求通过 Channel 层src/agentscope/app/channel/路由到对应会话智能体执行工具后把结果发回群里共同点是这些都不是 demo 脚本而是服务层直接提供的能力接入成本是配置而非开发。进阶能力让智能体更可用跑通对话之后真正决定能否上线的是这三件事记忆持久化。接入 ReMe 或 Mem0 后智能体跨会话记住偏好与历史结论后端可切换示例入口 examples/long_term_memory/reme/reme_demo.py。知识注入。RAG 支持文本与图像等多模态文档索引由独立 worker 进程完成src/agentscope/app/rag/index_worker/检索服务可分布式部署。隔离与调度。敏感操作放进 Docker 或云沙箱执行长任务通过后台任务卸载机制移到后台完成后自动唤醒智能体续跑配合定时任务scheduler可以做出到点自动干活的机器人。持续跟进文档、示例与更新示例examples/ 覆盖 agent_service、web_ui、pipeline、RAG、长期记忆全部主线各模型调用样例在 scripts/model_examples/每家厂商都有单智能体/多智能体/多模态三档脚本。更新日志docs/NEWS.md 是唯一的版本事实源。近几个月的关键节点2026-05 发布 2.02026-06 起连续加入 RAG、分布式多租户 RAG、Mem0、Agentic Memory2026-07 增加 Daytona、K8s、OpenSandbox 工作空间与 ReMe 记忆2026-08 加入 Console 终端调试、IM Channel钉钉/飞书/Discord、MCP 与 Skill Hub。社区官方 Discord 与钉钉群仓库遵循 CONTRIBUTING.md 接受贡献许可证为 Apache 2.0。想动手的话从三分钟跑起来那一段开始装完依赖把第一个智能体跑进终端——能打断、能确认、能执行工具的智能体才是这个框架真正值得看的地方。【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
