阿里重磅開源AgentScope，多智能體應(yīng)用開發(fā)利器
阿里巴巴悄然發(fā)布了 AgentScope。這是一個用于構(gòu)建多代理 AI 應(yīng)用的開源 Python 框架。
老實說，如果你一直在玩 AI agents，這玩意兒挺酷的。
我花了點時間挖了挖它，我的收獲是：感覺終于有人試著做了一個不跟你對著干的 agents 框架。
大多數(shù)框架藏得太深，或者把你鎖死在一種工作方式里。
AgentScope 的賣點正好相反；一切都保持可見，你保持控制。
沒有黑箱魔法。
為什么它吸引了我的注意
AgentScope 背后的那些人似乎癡迷于一個想法：透明度。每件東西，prompts、API calls、memory、工作流，你都能看到并調(diào)整。這很少見。
還有幾點我喜歡的東西：
你可以實時中斷 agents，然后不破壞 memory 就撿起來繼續(xù)。 它是 model-agnostic 的，所以你不會被困在一個 LLM 上。 所有部分（memory、tools、prompts、工作流）像 LEGO 積木一樣 snap together。 它其實是為多代理對話設(shè)計的，不是事后想的。 感覺像一個 dev toolkit，想讓你別被它擋路。
圖片來自 — AgentScope
讓它運行起來
設(shè)置有點無聊但容易。你需要 Python 3.10 或以上。
如果你想走快捷路線：
pip install agentscope或者如果你喜歡活在邊緣（source build）：
git clone -b main https://github.com/agentscope-ai/agentscope.git
cd agentscope
pip install -e .就這么著。
第一個“Hello World”用一個叫 Friday 的 agent。
這是經(jīng)典的入門例子，啟動一個叫 Friday 的 agent，它能跟你聊天，記住上下文，甚至如果你允許的話運行 Python 或 shell 命令。
from agentscope.agent import ReActAgent, UserAgent
from agentscope.model import DashScopeChatModel
from agentscope.formatter import DashScopeChatFormatter
from agentscope.memory import InMemoryMemory
from agentscope.tool import Toolkit, execute_python_code, execute_shell_command
import os, asyncio
async def main():
toolkit = Toolkit()
toolkit.register_tool_function(execute_python_code)
toolkit.register_tool_function(execute_shell_command)
agent = ReActAgent(
name="Friday",
sys_prompt="You're a helpful assistant named Friday.",
model=DashScopeChatModel(
model_name="qwen-max",
api_key=os.environ["DASHSCOPE_API_KEY"],
stream=True,
),
memory=InMemoryMemory(),
formatter=DashScopeChatFormatter(),
toolkit=toolkit,
)
user = UserAgent(name="user")
msg = None
while True:
msg = await agent(msg)
msg = await user(msg)
if msg.get_text_content() == "exit":
break
asyncio.run(main())運行它，跟 Friday 聊天，輸入 exit 就完事。超級直截了當(dāng)。
實時 steering
一個突出的功能是他們叫 real-time steering 的東西。
假設(shè)你的 agent 正在進行推理鏈的中途，你突然意識到想改變方向。
通常，那游戲就結(jié)束了。
在這里，你可以隨時中斷它，保留它的 memory，然后不丟失上下文就繼續(xù)。
感覺更像和一個真正的助手聊天，而不是運行一個腳本。
MCP Control
AgentScope 也和 MCP (Model Context Protocol) 玩得很好。酷的部分？你可以抓一個 MCP endpoint，把它當(dāng)本地函數(shù)用。
from agentscope.mcp import HttpStatelessClient
from agentscope.tool import Toolkit
import os
async def fine_grained_mcp_control():
# Initialize the MCP client
client = HttpStatelessClient(
name="gaode_mcp",
transport="streamable_http",
url=f"https://mcp.amap.com/mcp?key={os.environ['GAODE_API_KEY']}",
)
# Obtain the MCP tool as a **local callable function**, and use it anywhere
func = await client.get_callable_function(func_name="maps_geo")
# Option 1: Call directly
await func(address="Tiananmen Square", city="Beijing")
# Option 2: Pass to agent as a tool
toolkit = Toolkit()
toolkit.register_tool_function(func)
# ...
# Option 3: Wrap into a more complex tool
# ...這意味著你每次想連接 MCP 服務(wù)時，不用每次都建 glue code。
多代理樂趣
真正的魔法發(fā)生在你讓 agents 互相聊天時。AgentScope 有這個叫 MsgHub 的東西，基本上是個多代理的消息路由器。
例子：
from agentscope.pipeline import MsgHub, sequential_pipeline
from agentscope.message import Msg
import asyncio
async def multi_agent_conversation():
# Create agents
agent1 = ...
agent2 = ...
agent3 = ...
agent4 = ...
# Create a message hub to manage multi-agent conversation
async with MsgHub(
participants=[agent1, agent2, agent3],
announcement=Msg("Host", "Introduce yourselves.", "assistant")
) as hub:
# Speak in a sequential manner
await sequential_pipeline([agent1, agent2, agent3])
# Dynamic manage the participants
hub.add(agent4)
hub.delete(agent3)
await hub.broadcast(Msg("Host", "Goodbye!", "assistant"))
asyncio.run(multi_agent_conversation())換句話說，你可以啟動小“agent societies”，它們互相拋想法。適合 brainstorm 系統(tǒng)或任務(wù)編排。
調(diào)試
Tracing 是內(nèi)置的。他們在 hood 下用 OpenTelemetry，你可以 plug into 像 Langfuse 或 Arize-Phoenix 這樣的平臺。
如果你想視覺化看發(fā)生了啥：
npm install -g @agentscope/studio
as_studio那會打開 AgentScope Studio，你可以 trace 和 visualise 你的 agent flows。讓調(diào)試沒那么痛苦。
Github地址：???https://github.com/agentscope-ai/agentscope??
本文轉(zhuǎn)載自????PyTorch研習(xí)社????，作者：AI研究生
