企业官网建设流程全解析

AgentScope 快速上手：从零构建可观测的多智能体应用

【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

写完一个智能体，最折磨人的往往不是调 prompt，而是运行时：工具调用失控只能干瞪眼，长任务卡住看不到中间状态，单个智能体又扛不住复杂任务。AgentScope 2.0 为多智能体应用开发补上了这块短板：ReAct 推理循环、工具权限管控、事件流实时推送、多智能体编排全部开箱即用，帮你构建看得见、能理解、可信赖的智能体系统。

快速安装：一条命令装好 AgentScope

环境要求只有一个：Python 3.11 或更高版本。

uv pip install agentscope

习惯 pip 的话把uv pip换成pip即可。想改源码调试，先执行git clone https://gitcode.com/GitHub_Trending/ag/agentscope，进入agentscope目录后再uv pip install -e .装成可编辑模式。

核心能力：它到底能做什么

SDK 层把智能体拆成了一组清晰的构件——Agent、Toolkit、Model、Workspace、Event System，各自独立、组合使用。下面挑三个最影响日常开发的来讲。

ReAct 引擎与内置工具集

当智能体需要调外部 API、改本地文件时，你不必手写调度逻辑。Agent 内部跑的是 ReAct 循环：先推理，再调用工具，把工具结果喂回下一轮推理，全程支持结构化输出、批量并行调用工具，以及运行中随时打断和恢复。工具统一挂在 Toolkit 上，Bash、Grep、Read、Write、Edit 这类编码工具开箱即用，MCP 服务器和技能文件也能直接挂进来。模型层覆盖了 OpenAI、Anthropic、Gemini、DashScope、DeepSeek、Ollama 等主流厂商，embedding 和 TTS 一并提供。

Agent Team 多智能体协作

单个智能体干不完的活，交给 Leader–Worker 模式。Leader 智能体按需生成 worker，通过内置的 team 工具分派任务、传递消息、汇总结果，整条链路走统一事件总线，前端的每一次消息和工具调用都能回溯。下面这张动图就是 leader 实时协调 worker 干活的现场。

任务规划、权限与上下文管理

长任务要被拆开来做：智能体把复杂工作分解成可跟踪的计划，边执行边勾选更新。涉及敏感命令时权限系统逐道把关，你可以选择每次工具调用都人工确认，也可以用 bypass 模式放行全自动执行。上下文压缩和工具结果卸载是自动完成的，长对话不会把上下文撑爆。

最小可运行示例：终端里对话第一个 Agent

下面这段代码创建一个带全套编码工具的 Friday 智能体，并在终端里启动交互控制台，只需提前设置DASHSCOPE_API_KEY环境变量。

import os, asyncio 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 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())

跑起来后终端会进入流式对话模式：输入问题，你能实时看到 Friday 的推理过程和每次工具调用，工具执行前还会提示确认，随时 Ctrl+C 可中断。两个容易卡住的点——想换模型时，只要替换 credential 和 model 两处；想让智能体多一项能力，就往Toolkit(tools=[...])里加一个工具类。

进阶玩法：可以继续探索的三种方向

部署多租户 Agent 服务

仓库里的 Agent Service 是 FastAPI 后端加现成 Web UI，多租户、多会话隔离、定时任务、状态持久化都配好了。实际运行你会看到，跑一下 examples/agent_service/ 里的main.py，再开一个终端起 examples/web_ui/，就是一个能对外服务的智能体平台。

接入 IM 渠道与资源中心

Channels 让智能体接进钉钉、飞书、Discord，团队成员直接在群里 @ 它干活。MCP & Skill Hub 则支持从 GitHub MCP Registry、ClawHub 浏览并安装 MCP 服务器和技能，一键加进工作空间，省去逐个配环境的麻烦。

沙箱执行与后台任务

Workspace 提供 Docker、E2B、K8s、Daytona 等隔离执行环境，工具与代码执行不会碰到宿主机。长耗时工具还能整体卸载到后台，结果产出后自动唤醒智能体，对话无缝续上。

继续深入：资源入口

• 多租户服务后端示例：examples/agent_service/
• Web UI 前端：examples/web_ui/
• Pipeline 流水线编排示例：examples/pipeline/
• 项目路线图：docs/roadmap.md
• 更新日志：docs/changelog.md

翻一遍 examples 目录，你的第一个多智能体应用已经在路上了。

【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