AgentScope 2.0 多智能体框架从安装到生产部署的完整上手指南【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/agentscopeAgentScope 2.0 是阿里巴巴通义实验室开源的生产级多智能体框架基于 Python 3.11 开发统一接入 8 家主流大模型内置沙箱工作区、权限系统和多租户智能体服务。想把大模型聊天机器人变成能真正干活的智能体它是为这类开发者准备的。它的核心思路不是用更复杂的编排去管住模型而是信任模型的推理和工具调用能力把工程精力花在安全边界、执行环境和服务层上。整个框架分两层SDK 层用积木式组件智能体、工具箱、模型、事件、权限、中间件、记忆、沙箱组装智能体Agent Service 层基于 FastAPI把智能体直接变成支持多租户、多会话的在线应用。 先跑起来两条最小路径路径一终端控制台5 分钟对话调试。不用搭服务、不用写界面uv pip install agentscope export DASHSCOPE_API_KEYsk-... python examples/console/main.py打开后就能流式对话只读工具自动放行写文件会弹窗确认回答a会把这条授权规则记住之后同类操作不再追问CtrlC 可随时中断。这个示例还挂了本地工作区和 Markdown 长期记忆重跑一次问你记得我什么偏好它会答上来。路径二智能体服务直接变成产品。需要 Redis 和 Node.js ≥ 20git clone https://gitcode.com/GitHub_Trending/ag/agentscope cd agentscope uv pip install -e .[full] cd examples/agent_service python main.py另开终端启动 Web UI把 API 地址指向http://localhost:8000权限确认、定时任务、工具调用等完整交互立刻可玩cd examples/web_ui pnpm install ppm dev 能力地图按它解决的问题看问题代码在哪跑你说了不算。同一个工具箱可以绑定 8 种执行后端LocalWorkspace、Docker、E2B、Daytona、K8s、Apple Container、Bubblewrap、OpenSandbox。本地开发图快用本地后端上线换容器隔离工具代码一行不改。按需装依赖如uv pip install agentscope[workspace-docker]。源码在 src/agentscope/workspace/。问题不敢放开手让它调工具。权限引擎按工具 规则细粒度控制4 种模式对应 4 种信任程度模式行为适合场景DEFAULT逐个确认命中放行规则才免问日常开发最稳妥ACCEPT_EDITS工作目录内读写自动放行人在场快速迭代EXPLORE只读禁止一切修改探索代码库、做方案BYPASS跳过确认仍受拒绝规则约束沙箱内无人值守实现见 src/agentscope/permission/。问题对话一长就崩。上下文中间件负责自动压缩和工具结果卸载超长日志不会把窗口塞爆智能体支持把offloader指向工作区压缩产物落盘不丢。长期记忆有 Agentic Memory持久事实存成 Markdown 文件、Mem0、ReMe 三种后端可切换examples/long_term_memory/ 下各有跑通的示例。问题换供应商等于换项目。模型层统一封装聊天、Embedding、TTS 三类接口覆盖 OpenAI、Anthropic、Gemini、DashScope、DeepSeek、Moonshot、xAI、Ollama 共 8 家各模型以 YAML 卡片注册在 src/agentscope/model/ 各厂商子目录的_models/里换模型只改构造参数。问题demo 上线要重搭脚手架。Agent Service 一套解决多租户隔离、会话持久化Redis 或 SQL、IM 频道钉钉/飞书/Discord、智能体团队和后台任务卸载。服务配置集中在 examples/agent_service/main.py存储、工作区管理器、MCP 服务器、知识库、频道都是构造函数里的显式参数想改哪里改哪里。 场景演练场景一终端里的代码助手。你要干什么先让智能体读懂代码库再让它动手改。组合examples/console/main.py的LocalWorkspace 权限模式从EXPLORE切到ACCEPT_EDITS。示例自带工作区说明跑起来即可复现只读探索 → 确认修改的完整流程。场景二IM 里的企业客服。你要干什么一个能查知识库、有人工确认兜底的客服入口。组合Agent Service channels参数挂钉钉/飞书频道 examples/rag/ 的知识库。频道消息路由和交互在服务层处理agent 本身不用改。场景三多智能体质量把关。你要干什么让产出可验证。组合examples/pipeline/goal/ 的GoalPipeline——执行者写代码验证者用结构化输出给通过/不通过及理由不通过就带反馈重做最多迭代 N 轮。两个智能体共享同一个工作区验证者校验的是真实产物而不是口头汇报。 上生产检查清单先关进沙箱再放权无人值守任务用BYPASS模式 Docker/K8s 容器隔离 明确的拒绝规则比默认模式加人工盯守更安全长任务别裸奔开启上下文自动压缩与工具结果卸载offloader指向持久化工作区状态落库存储切到RedisStorage或 SQL 后端服务重启不丢会话进度多进程部署换总线把InMemoryMessageBus换成RedisMessageBusexamples/agent_service/main.py里有现成注释接上可观测性依赖已内置 OpenTelemetry 导出组件追踪和指标直接对接现有监控体系。去哪找路智能体核心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/更新日志与路线图docs/docs/NEWS.md、docs/roadmap.md完整示例集examples/console、agent_service、pipeline、rag、long_term_memory、a2a、realtime按 docs/roadmap.md 的规划团队接下来的重心是语音智能体TTS 模型 → 多模态 → 实时多模态三步走、Agent Skill 生产化集成以及 A2A 生态扩展。如果你正准备认真做一个智能体应用这个方向的演进值得持续盯着。【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 多智能体框架：从安装到生产部署的完整上手指南
AgentScope 2.0 多智能体框架从安装到生产部署的完整上手指南【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/agentscopeAgentScope 2.0 是阿里巴巴通义实验室开源的生产级多智能体框架基于 Python 3.11 开发统一接入 8 家主流大模型内置沙箱工作区、权限系统和多租户智能体服务。想把大模型聊天机器人变成能真正干活的智能体它是为这类开发者准备的。它的核心思路不是用更复杂的编排去管住模型而是信任模型的推理和工具调用能力把工程精力花在安全边界、执行环境和服务层上。整个框架分两层SDK 层用积木式组件智能体、工具箱、模型、事件、权限、中间件、记忆、沙箱组装智能体Agent Service 层基于 FastAPI把智能体直接变成支持多租户、多会话的在线应用。 先跑起来两条最小路径路径一终端控制台5 分钟对话调试。不用搭服务、不用写界面uv pip install agentscope export DASHSCOPE_API_KEYsk-... python examples/console/main.py打开后就能流式对话只读工具自动放行写文件会弹窗确认回答a会把这条授权规则记住之后同类操作不再追问CtrlC 可随时中断。这个示例还挂了本地工作区和 Markdown 长期记忆重跑一次问你记得我什么偏好它会答上来。路径二智能体服务直接变成产品。需要 Redis 和 Node.js ≥ 20git clone https://gitcode.com/GitHub_Trending/ag/agentscope cd agentscope uv pip install -e .[full] cd examples/agent_service python main.py另开终端启动 Web UI把 API 地址指向http://localhost:8000权限确认、定时任务、工具调用等完整交互立刻可玩cd examples/web_ui pnpm install ppm dev 能力地图按它解决的问题看问题代码在哪跑你说了不算。同一个工具箱可以绑定 8 种执行后端LocalWorkspace、Docker、E2B、Daytona、K8s、Apple Container、Bubblewrap、OpenSandbox。本地开发图快用本地后端上线换容器隔离工具代码一行不改。按需装依赖如uv pip install agentscope[workspace-docker]。源码在 src/agentscope/workspace/。问题不敢放开手让它调工具。权限引擎按工具 规则细粒度控制4 种模式对应 4 种信任程度模式行为适合场景DEFAULT逐个确认命中放行规则才免问日常开发最稳妥ACCEPT_EDITS工作目录内读写自动放行人在场快速迭代EXPLORE只读禁止一切修改探索代码库、做方案BYPASS跳过确认仍受拒绝规则约束沙箱内无人值守实现见 src/agentscope/permission/。问题对话一长就崩。上下文中间件负责自动压缩和工具结果卸载超长日志不会把窗口塞爆智能体支持把offloader指向工作区压缩产物落盘不丢。长期记忆有 Agentic Memory持久事实存成 Markdown 文件、Mem0、ReMe 三种后端可切换examples/long_term_memory/ 下各有跑通的示例。问题换供应商等于换项目。模型层统一封装聊天、Embedding、TTS 三类接口覆盖 OpenAI、Anthropic、Gemini、DashScope、DeepSeek、Moonshot、xAI、Ollama 共 8 家各模型以 YAML 卡片注册在 src/agentscope/model/ 各厂商子目录的_models/里换模型只改构造参数。问题demo 上线要重搭脚手架。Agent Service 一套解决多租户隔离、会话持久化Redis 或 SQL、IM 频道钉钉/飞书/Discord、智能体团队和后台任务卸载。服务配置集中在 examples/agent_service/main.py存储、工作区管理器、MCP 服务器、知识库、频道都是构造函数里的显式参数想改哪里改哪里。 场景演练场景一终端里的代码助手。你要干什么先让智能体读懂代码库再让它动手改。组合examples/console/main.py的LocalWorkspace 权限模式从EXPLORE切到ACCEPT_EDITS。示例自带工作区说明跑起来即可复现只读探索 → 确认修改的完整流程。场景二IM 里的企业客服。你要干什么一个能查知识库、有人工确认兜底的客服入口。组合Agent Service channels参数挂钉钉/飞书频道 examples/rag/ 的知识库。频道消息路由和交互在服务层处理agent 本身不用改。场景三多智能体质量把关。你要干什么让产出可验证。组合examples/pipeline/goal/ 的GoalPipeline——执行者写代码验证者用结构化输出给通过/不通过及理由不通过就带反馈重做最多迭代 N 轮。两个智能体共享同一个工作区验证者校验的是真实产物而不是口头汇报。 上生产检查清单先关进沙箱再放权无人值守任务用BYPASS模式 Docker/K8s 容器隔离 明确的拒绝规则比默认模式加人工盯守更安全长任务别裸奔开启上下文自动压缩与工具结果卸载offloader指向持久化工作区状态落库存储切到RedisStorage或 SQL 后端服务重启不丢会话进度多进程部署换总线把InMemoryMessageBus换成RedisMessageBusexamples/agent_service/main.py里有现成注释接上可观测性依赖已内置 OpenTelemetry 导出组件追踪和指标直接对接现有监控体系。去哪找路智能体核心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/更新日志与路线图docs/docs/NEWS.md、docs/roadmap.md完整示例集examples/console、agent_service、pipeline、rag、long_term_memory、a2a、realtime按 docs/roadmap.md 的规划团队接下来的重心是语音智能体TTS 模型 → 多模态 → 实时多模态三步走、Agent Skill 生产化集成以及 A2A 生态扩展。如果你正准备认真做一个智能体应用这个方向的演进值得持续盯着。【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