企业官网建设流程全解析

AgentScope 2.0：带 8 种沙箱、4 档权限与现成服务的多智能体框架完整上手指南

【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

AgentScope 2.0 是阿里巴巴通义实验室开源的多智能体框架，内置沙箱工作区、权限系统与多租户智能体服务，原生支持 OpenAI、Anthropic、Gemini 等 9 家模型供应商。

它是什么：把工程精力留给执行环境的智能体框架

做智能体项目的人，大概率在三个地方翻过车：智能体能执行rm，没人敢放开手；对话超过几百轮，上下文膨胀，模型开始忘事；一上线就要自己搭多用户、持久化、定时任务的脚手架。AgentScope 2.0 面向的就是想把智能体跑进生产环境的开发者，新手也能用几行代码在终端跑通第一个智能体。它和主流编排框架最本质的差异在一句话：不靠复杂的工作流去约束模型，而是信任模型自身的推理和工具调用能力，把力气花在安全边界、执行环境和应用层上。

整体架构长这样：SDK 与服务两层，各管一段

仓库分两层。底层是 SDK：Agent、Toolkit、Model、Context、事件系统、权限、中间件、记忆、沙箱工作区，9 类积木拼装出一个 ReAct 智能体。上层是 Agent Service：FastAPI 后端加预置 Web UI，自带多租户会话、智能体团队、IM 频道、RAG、定时任务。服务层复用 SDK 组件，你用 SDK 写好的智能体可以直接交给服务层托管。

为什么这么设计：3 个与主流做法相反的选择

常见做法是把模型包进工作流或图编排，先定好流程再调模型。AgentScope 2.0 的核心就是一个 ReAct 推理-行动循环，框架只管循环的进出、中断与恢复。换来的是：换更强的模型智能体直接变强，9 家供应商的 SDK 在模型层统一封装，模型以 YAML 卡片注册，见 src/agentscope/model/。

常见做法是工具直接在宿主机跑，权限控制要自己另搭一套。它把这件事拆成两半：权限引擎按"工具 + 规则"做放行/拒绝判定，工作区提供 Local、Docker、K8s、E2B、Daytona、OpenSandbox、Apple Container、Bubblewrap 共 8 种后端。本地开发图快，无人值守放进容器，智能体代码一行不改。

常见做法是 SDK 只给一个库，多用户、持久化、调度全部自研。它直接带出 Agent Service：多租户隔离、SQL/Redis 持久化、后台任务卸载开箱就有，且各能力可组合，你在服务层之上组装自己的应用只需少量胶水代码。

AgentScope 2.0 的 5 个核心能力

终端控制台：最快跑通第一个智能体的方式

一句话定位：launch_console一行代码在终端对话，不用先搭服务、写界面。

• 流式输出、工具调用确认、Ctrl+C 中断与恢复由框架处理
• 只读工具如ls自动放行，写文件操作弹窗确认
• 回答a会把这条授权规则记住，同类操作不再追问

去哪里看：examples/console/ 最小示例，源码在 src/agentscope/console/。

工具箱 + 8 种沙箱后端：工具代码在哪跑你说了算

一句话定位：同一套工具，8 种执行环境可切换。

• 内置 Bash、Grep、Glob、Read、Write、Edit 六类编码工具，另有任务规划工具
• 支持 MCP 服务器接入与技能（Skill）动态加载
• 工作区后端共 8 种，开发用 LocalWorkspace，上线换 Docker 或 K8s 隔离

去哪里看：工具在 src/agentscope/tool/，后端实现在 src/agentscope/workspace_manager/。

权限系统：4 档模式对应 4 种信任程度

一句话定位：按工具粒度控制"智能体能干什么"，比每次人工点允许省事。

引擎按"工具 + 规则"判定，内置 4 种模式：

BYPASS 模式下你配置的拒绝规则依然有效，等于给无人值守留了护栏。

去哪里看：src/agentscope/permission/。

Agent Service：多租户、多会话、团队与 IM 频道

一句话定位：把智能体直接变成支持多租户、多会话的在线应用。

• 租户与会话之间数据互不可见，状态持久化到 SQL 或 Redis
• Leader 智能体按需生成 Worker，靠内置团队工具分工，并把复杂工作拆成可跟踪的计划
• 支持钉钉、飞书、Discord 频道接入；耗时工具调用自动转后台，结果返回后唤醒智能体继续对话

去哪里看：完整服务在 examples/agent_service/，团队工具在 src/agentscope/app/_tool/。

模型层与长期记忆：换供应商，代码不用换

一句话定位：9 家供应商统一封装，聊天、Embedding、TTS 三类接口一套用法。

• 覆盖 OpenAI、Anthropic、Gemini、DashScope、DeepSeek、Moonshot、Volcengine、xAI、Ollama 共 9 家
• 模型以 YAML 卡片注册，加新模型不改调用代码
• 长期记忆支持 Agentic Memory、Mem0、ReMe 三种后端可切换，"用户偏好简洁中文"这类持久事实可跨会话记住

去哪里看：examples/long_term_memory/，模型卡片在 src/agentscope/model/。

拿它干什么：3 条从 demo 到生产的路径

• 智能代码助手：后端开发者 → 终端控制台 + LocalWorkspace，先用 EXPLORE 模式让智能体读懂代码库，再切 ACCEPT_EDITS 动手改；最小组合是 console + Bash/Edit/Grep 工具 + 权限两档模式。
• IM 里的企业客服：运维负责人 → Agent Service 挂到钉钉或飞书频道，配 RAG 知识库和人工确认兜底；最小组合是 Agent Service + 频道 + examples/rag/ + 权限规则。
• 多智能体质量把关：质量负责人 → 执行者写代码、验证者用结构化输出给"通过/不通过"，不通过带反馈重做、最多迭代 N 轮，两者共享同一工作区校验真实产物；完整演示在 examples/pipeline/goal/。

今天就能跑：从安装到 Web UI 的 3 步

环境要求：Python ≥ 3.11；Web UI 另需 Node.js ≥ 20。

第 1 步：安装（或从源码uv pip install -e .）

uv pip install agentscope

第 2 步：跑通终端智能体（先配好对应模型的 API Key 环境变量）

from agentscope.agent import Agent from agentscope.model import DashScopeChatModel from agentscope.credential import DashScopeCredential from agentscope.console import launch_console agent = Agent(name="Friday", model=DashScopeChatModel( credential=DashScopeCredential(api_key=os.environ["DASHSCOPE_API_KEY"]), model="qwen3.6-plus")) await launch_console(agent)

第 3 步：起完整服务与 Web UI（两个终端分别执行）

git clone https://gitcode.com/GitHub_Trending/ag/agentscope cd agentscope/examples/agent_service && python main.py

cd agentscope/examples/web_ui pnpm install && pnpm dev

页面把 API 地址指向http://localhost:8000，即可验证权限确认、工具调用、定时任务等完整交互。

上生产前先看：5 个风险检查点

• 先沙箱后放权：无人值守用 Bypass + 容器隔离，比人工逐个确认更稳
• 上下文做瘦身：Context 中间件自动压缩、卸载工具结果，长任务别裸奔
• 可观测性接 OTel：依赖内置 OpenTelemetry 导出，追踪指标直连监控
• 状态落库：会话与智能体状态持久化到 SQL 或 Redis，重启不丢进度
• 拒绝规则必配：BYPASS 下拒绝规则仍是护栏，先定"绝对禁止"清单
• 隔离要验证：租户与会话间数据互不可见，上线前先做隔离测试

去哪深挖：文档、源码与示例索引

• 仓库文档：docs/，含更新日志 docs/NEWS.md 与路线图 docs/roadmap.md
• 智能体核心：src/agentscope/agent/
• 工具系统：src/agentscope/tool/
• 权限控制：src/agentscope/permission/
• 工作区与沙箱：src/agentscope/workspace/
• 应用服务层：src/agentscope/app/
• 完整示例集：examples/，覆盖 console、agent_service、pipeline、rag、long_term_memory、a2a、realtime

按 docs/roadmap.md，团队当前重心是语音智能体：TTS 模型 → 多模态 → 实时多模态三步走，RealtimeAgent 已支持 DashScope、OpenAI、Gemini、xAI 四家实时 API；同时推进 Agent Skill 生产化与 A2UI / A2A 生态扩展。如果你正在做正经的智能体应用，这个仓库的演进方向值得长期跟踪。

【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