前言
人工智能技术飞速发展的今天，大语言模型（LLM）正变得越来越具备自主性。为了更好地驾驭这种能力，我们需要一个能够与其共同进化的框架。一个专为日益自主的 LLM 设计的、生产就绪且易于使用的智能体框架。
与那些试图通过严格的提示词和固化的流程来"束缚"模型的做法不同，AgentScope 2.0 的核心理念是"赋能"。它提供了一套与模型能力相匹配的核心抽象，旨在充分发挥模型自身的推理和工具调用能力。同时，框架原生内置了对模型微调的支持，让应用的优化和迭代更加顺畅。
为什么选择 AgentScope 2.0？
AgentScope 2.0 的设计哲学体现在其三大核心优势上，让构建智能体应用变得前所未有的简单、灵活且可靠。
简单：5 分钟快速上手
AgentScope 2.0 将许多复杂的功能都变成了开箱即用的模块，让你能将精力集中在创意和逻辑上，而不是底层实现。它内置了包括 ReAct 智能体、常用工具集、技能库、人机协作干预机制、记忆管理、规划能力、实时语音、评估系统以及模型微调支持在内的一系列功能。得益于这些丰富的内置组件，你可以在短短 5 分钟内，就启动并运行你的第一个智能体。
可扩展：灵活的生态系统集成
面对复杂的业务场景，扩展性至关重要。AgentScope 2.0 拥有丰富的生态系统，可以轻松集成各种工具、记忆存储和可观测性方案。它原生支持 MCP（Model Context Protocol）和 A2A（Agent-to-Agent）协议，并通过其核心的消息中心（MsgHub）实现了极其灵活的多智能体编排和工作流管理，无论是简单的串行任务还是复杂的网状协作都能轻松应对。
生产就绪：多种部署方式与可观测性
从开发到上线，AgentScope 2.0 考虑了应用的整个生命周期。它支持多种部署方式，无论是本地开发、云端 Serverless 架构，还是企业级的 K8s 集群部署，都能完美支持。同时，框架内置了 OpenTelemetry (OTel) 支持，为应用提供了强大的可观测性，让你在生产环境中也能对智能体的运行状态了如指掌。
项目功能
功能类别 | 核心功能 | 功能描述 |
| 智能体核心 | 内置 ReAct 智能体、自定义 Agent | 提供基础智能体实现，也支持用户根据需求创建个性化智能体。 |
| 工具与技能 | 丰富的工具集、技能库、MCP 支持 | 内置 Bash、文件读写等常用工具，并支持通过 MCP 集成外部能力。 |
| 人机协作 | 人机协作干预、实时语音 | 允许在关键节点介入人工决策，并支持实时语音交互，增强体验。 |
| 记忆与规划 | 记忆管理、规划能力 | 为智能体提供短期和长期记忆，并赋予其拆解和规划复杂任务的能力。 |
| 评估与微调 | 内置评估、模型微调支持 | 提供评估管道和可视化工具，并原生支持对模型进行微调以优化性能。 |
| 服务与部署 | 多租户服务、多种部署方案 | 基于 FastAPI 提供多租户、多会话服务，并支持本地、Serverless、K8s 部署。 |
项目技术
异步优先（Async-First）：整个框架的设计基于 Python 的 asyncio，通过 reply_stream 等接口提供事件流处理能力。这使得智能体能够以非阻塞的方式运行，高效处理模型调用、工具执行等耗时操作，并能实时响应和更新状态，非常适合构建需要实时交互的流式应用。
消息中心（MsgHub）：这是多智能体协作的神经中枢。通过 MsgHub，不同的智能体可以方便地发送和接收消息，实现信息共享和任务协同。它解耦了智能体之间的直接依赖，使得编排复杂的多智能体工作流变得清晰而简单。
可观测性（Observability）：原生集成 OpenTelemetry (OTel) 是其一大亮点。在生产环境中，每一次模型调用、工具使用、消息传递都会生成详细的链路追踪数据。这为性能分析、问题排查和效果评估提供了坚实的数据基础。
模块化与扩展性：框架采用了高度模块化的设计。无论是模型后端（如 DashScope、OpenAI 等）、工具、记忆存储还是评估方法，都设计为可插拔的模块。这种设计极大地降低了扩展成本，方便用户集成新的技术和组件。
项目效果
使用 AgentScope 2.0，你可以快速构建出功能强大的智能体应用。一个最简单的 "Hello World" 级别应用，就可以创建一个名为 "Friday" 的智能体助手，它不仅能进行自然语言对话，还具备了执行 Bash 命令、读写和编辑文件等工具调用能力。
更进一步，通过启动其内置的 agent_service，你将获得一个基于 FastAPI 的、具备多租户和多会话能力的完整后端服务，并配合预构建的 Web UI，可以立即拥有一个类似 ChatGPT 的聊天式交互界面。在这个界面上，你可以直观地看到智能体思考和行动的过程，甚至可以在智能体执行某些操作（如文件写入）前，通过界面进行人工确认和干预，极大地增强了应用的可控性和安全性。
项目源码
AgentScope 2.0 是一个开源项目，你可以通过以下方式快速获取并开始使用。
1、安装框架
AgentScope 2.0 需要 Python 3.11 或更高版本。
从 PyPI 安装
uv pip install agentscope# 或者使用 pippip install agentscope从源码安装
# 从 GitHub 克隆源码git clone -b main https://github.com/agentscope-ai/agentscope.gitcd agentscope# 以可编辑模式安装uv pip install -e .2、你的第一个智能体
以下代码展示了如何创建一个能够使用工具的智能体：
from agentscope.agent import Agentfrom agentscope.tool import Toolkit, Bash, Writefrom agentscope.model import DashScopeChatModelfrom agentscope.credential import DashScopeCredentialfrom agentscope.message import UserMsgimport os, asyncioasyncdef main(): # 1. 定义模型 model = DashScopeChatModel( credential=DashScopeCredential(api_key=os.environ["DASHSCOPE_API_KEY"]), model="qwen3.6-plus", ) # 2. 定义工具集 toolkit = Toolkit(tools=[Bash(), Write()]) # 3. 创建智能体 agent = Agent( name="Friday", system_prompt="You're a helpful assistant.", model=model, toolkit=toolkit, ) # 4. 与智能体进行流式对话 asyncfor response in agent.reply_stream(UserMsg("User", "创建一个文件，内容为'Hello from AgentScope!'")): print(response)asyncio.run(main())总结
一个面向未来的智能体应用开发框架。它不仅降低了入门门槛，让新手能够快速构建出具备复杂能力的智能体，同时也提供了强大的扩展性和生产级的可靠性，能够满足专业团队构建大规模、高复杂度应用的需求。其"赋能而非束缚"的设计理念，使其能够很好地适应大模型技术的快速迭代。
关键词
作者：小码编匠
出处：gitee.com/smallcore/DotNetCore
声明：网络内容，仅供学习，尊重版权，侵权速删，歉意致谢！
方便大家交流、资源共享和共同成长
纯技术交流群、需要的小伙伴请扫码
有收获？不妨分享让更多人受益
关注「程序员开源栈」，共同提升技术实力
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！
下一主题
