​简介​

​​AgentScope​​ 是由阿里巴巴团队开发的开源智能体编程框架，专注于多智能体系统（Multi-Agent Systems）​​ 的开发与应用。其核心理念是"智能体导向编程"，通过模块化设计实现LLM应用的透明可控、实时引导和高度可定制化。项目已被计算机顶会收录，支持从学术研究到工业部署的全流程开发。

🔗 ​GitHub 地址​：

GitHub - agentscope-ai/agentscope: AgentScope: Agent-Oriented Programming for Building LLM Applications

📚 ​官方文档​：

https://doc.agentscope.io

---

​核心架构与功能​

关键创新点

1. ​透明开发范式​

   • 所有组件（提示工程/API调用/工作流）完全可见可控

   • 无黑箱封装，支持调试级洞察

2. ​实时引导系统​

   • 运行中动态干预智能体决策

   • 记忆状态无损保存与恢复

3. ​智能体LEGO化​

   ​模块​	​功能​
   ReAct智能体	推理+工具调用一体化
   MCP控制器	模型调用平台细粒度管理
   记忆钩子	自定义记忆存储/检索策略

4. ​全异步引擎​

   • 支持并行工具调用（如同时查询天气+股价）

   • 流式响应加速交互体验

---

​安装与配置​

基础环境

• Python ≥ 3.10

• PyPI 或源码安装

快速安装

# PyPI安装  
pip install agentscope  

# 或源码安装  
git clone https://github.com/agentscope-ai/agentscope  
cd agentscope  
pip install -e .

配置示例（.env）

# OpenAI 服务  
OPENAI_API_KEY=sk-xxx  
OPENAI_MODEL=gpt-4o  

# 阿里云模型服务  
DASHSCOPE_API_KEY=your_dashscope_key  
DASHSCOPE_MODEL=qwen-max

---

​使用指南​

1. 创建ReAct智能体

from agentscope.agent import ReActAgent  
from agentscope.model import OpenAIChatModel  

# 初始化天气查询工具  
async def get_weather(city: str):  
    return f"{city} 25°C Sunny"  

# 构建智能体  
weather_agent = ReActAgent(  
    name="WeatherBot",  
    model=OpenAIChatModel(model="gpt-4o"),  
    tools=[get_weather]  # 绑定工具  
)

2. 多智能体协作

from agentscope.pipeline import MsgHub  

async def debate():  
    # 创建辩论智能体  
    agent_pro = ReActAgent("ProSide")  
    agent_con = ReActAgent("ConSide")  
      
    # 建立辩论场  
    async with MsgHub(participants=[agent_pro, agent_con]) as hub:  
        await hub.broadcast("AI是否威胁人类就业？")  
        await sequential_pipeline([agent_pro, agent_con, agent_pro])

3. 实时干预实战

# 运行中中断智能体  
current_task = asyncio.create_task(weather_agent("北京天气如何？"))  

# 用户干预（5秒后中断）  
await asyncio.sleep(5)  
current_task.cancel()  

# 保存状态并输出  
print(weather_agent.memory.dump())  
# 输出： {'history': [用户问北京天气...]}

---

​应用场景实例​

1. ​智能客服中枢​

   

   ​效果​：阿里云部署处理2000+ QPS，响应延迟<500ms

2. ​分布式决策系统​

   • ​场景​：物流路径优化

   • ​架构​：

     agents = [
         RoutePlannerAgent("华东区"),
         TrafficPredictorAgent("实时路况"),
         CostOptimizerAgent("油费模型")
     ]
     await parallel_pipeline(agents, input_data)

     ​成果​：路径规划效率提升3倍，成本降低15%

3. ​游戏NPC生态​

   • ​项目​：九人狼人杀AI

   • ​技术点​：

     • 长时记忆记录玩家行为模式

     • 实时情感状态影响决策权重

     • 语音驱动表情生成

4. ​科研实验平台​

   • ​研究​：多智能体辩论对模型真理性的影响

   • ​工具链​：

     from agentscope.evaluation import ACEBench
     ACEBench.run_debate_test(agent1, agent2, topic="量子纠缠")

---

​生态工具​

1. ​AgentScope Studio​

   • 可视化跟踪智能体决策路径

   • 实时记忆状态监控

   https://github.com/agentscope-ai/agentscope-studio

   npm install -g @agentscope/studio
   as_studio  # 启动监控台

2. ​AgentScope Runtime​

   • 生产级智能体沙箱部署

   • 支持Kubernetes集群调度

   https://github.com/agentscope-ai/agentscope-runtime

   docker run -p 8080:8080 agentscope-runtime

---

​性能基准​

​任务​	​单智能体延迟​	​多智能体加速比​
天气查询	320ms	-
多智能体辩论（3节点）	-	1.8x (vs 顺序执行)
物流路径优化	2.1s	3.2x
狼人杀决策	450ms	-

---

📜 ​开源协议​：Apache 2.0

​核心论文​：

@article{agentscope2025,
  title={AgentScope 1.0: A Developer-Centric Framework for Building Agentic Applications},
  author={Gao, Dawei et al.},
  journal={arXiv:2508.16279},
  year={2025}
}

​AgentScope 正在重塑LLM应用开发范式——通过将"智能体作为一等公民"的设计理念，它让开发者能够像搭积木一样构建复杂系统。正如框架宣言所述：

​​“真正的智能不在单个模型，而在智能体间的协同与进化。”​​

通过其透明的架构和强大的工具链，AgentScope已成为多智能体系统开发的首选框架，在阿里巴巴内部支撑日均10亿级调用量的智能客服、物流优化等核心业务。