AgentScope 2.05分钟构建可观测、可信任的智能体系统【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你是否曾想过让AI像人类一样思考、规划并执行复杂任务AgentScope 2.0为你提供了一个生产就绪、简单易用的智能体框架让你能够快速构建可观测、可理解和可信任的AI智能体。无论你是AI新手还是经验丰富的开发者都能在5分钟内搭建起第一个智能体应用。为什么选择AgentScope在AI智能体领域AgentScope 2.0带来了革命性的改变。它不仅仅是一个框架更是一个完整的智能体生态系统。与其他框架相比AgentScope的最大优势在于其可观测性和可信任性。你可以清晰地看到智能体的思考过程理解每个决策背后的逻辑确保AI的行为符合预期。从上图可以看到AgentScope 2.0采用了模块化设计集成了事件系统、权限控制、多租户支持等核心功能。这种设计让智能体开发变得前所未有的简单同时保证了系统的健壮性和可扩展性。快速开始构建你的第一个智能体环境准备AgentScope要求Python 3.11或更高版本。安装非常简单uv pip install agentscope[full]如果你希望从源码安装git clone https://gitcode.com/GitHub_Trending/ag/agentscope cd agentscope uv pip install -e .基础智能体创建让我们创建一个简单的智能体助手。只需几行代码你就能拥有一个能够理解自然语言、调用工具执行任务的AI助手from agentscope.agent import Agent from agentscope.tool import Toolkit, Bash, Grep, Glob, Read, Write, Edit from agentscope.credential import DashScopeCredential from agentscope.model import DashScopeChatModel from agentscope.message import UserMsg import os, asyncio async def main() - None: # 创建智能体 agent Agent( nameFriday, system_prompt你是一个名为Friday的有用助手。, modelDashScopeChatModel( credentialDashScopeCredential( api_keyos.environ[DASHSCOPE_API_KEY] ), modelqwen3.6-plus, ), toolkitToolkit( tools[ Bash(), # 执行Shell命令 Grep(), # 文本搜索 Glob(), # 文件匹配 Read(), # 文件读取 Write(), # 文件写入 Edit(), # 文件编辑 ] ), ) # 与智能体对话 while True: user_input input(你) if user_input.lower() exit: break response await agent(UserMsg(contentuser_input)) print(fFriday{response.get_text_content()}) if __name__ __main__: asyncio.run(main())这个简单的智能体已经具备了文件操作、代码执行等基础能力。你可以让它帮你分析日志、编写代码、甚至管理项目。核心功能深度解析事件系统智能体的神经系统AgentScope的事件系统就像智能体的神经系统它统一管理所有内部和外部通信。这个系统使得智能体能够实时响应状态变化支持人机协同交互。你可以通过事件系统监控智能体的每一步思考过程真正实现可观测的AI。权限系统安全第一安全性是智能体应用的生命线。AgentScope提供了细粒度的权限控制系统你可以精确控制每个智能体能够访问的工具和资源。无论是文件系统操作、网络请求还是API调用都能进行精细的权限管理。多租户与多会话支持AgentScope 2.0专为生产环境设计支持多租户和多会话隔离。这意味着你可以在同一系统中为不同用户或团队提供独立的智能体服务每个会话都有完全隔离的环境确保数据安全和隐私保护。工作空间隔离智能体在执行任务时可能会进行危险操作。AgentScope的工作空间系统提供了沙箱环境支持本地、Docker和E2B等多种后端。智能体可以在隔离的环境中安全地执行代码和工具调用不会影响主机系统。实战案例构建智能数据分析助手让我们看一个更实际的例子。假设你需要一个能够分析数据、生成报告的数据分析助手from agentscope.agent import Agent from agentscope.tool import Toolkit, Bash, Read, Write from agentscope.model import OpenAIModel from agentscope.credential import OpenAICredential import pandas as pd import matplotlib.pyplot as plt class DataAnalysisTool: 自定义数据分析工具 def analyze_csv(self, filepath: str) - str: 分析CSV文件并生成统计报告 try: df pd.read_csv(filepath) summary df.describe().to_string() # 生成可视化图表 plt.figure(figsize(10, 6)) numeric_cols df.select_dtypes(include[number]).columns if len(numeric_cols) 0: df[numeric_cols].hist(bins20) plt.tight_layout() plt.savefig(analysis_result.png) return f数据分析完成\n统计摘要\n{summary}\n图表已保存为analysis_result.png except Exception as e: return f分析失败{str(e)} # 创建智能体 data_agent Agent( nameDataAnalyst, system_prompt你是一个专业的数据分析师擅长使用Python进行数据分析和可视化。, modelOpenAIModel( credentialOpenAICredential(api_keyyour-openai-key), modelgpt-4 ), toolkitToolkit( tools[ Bash(), Read(), Write(), DataAnalysisTool().analyze_csv # 注册自定义工具 ] ) )现在你可以让这个智能体分析数据文件了请分析sales_data.csv文件找出销售额最高的产品和月份高级特性智能体团队协作AgentScope最强大的功能之一是智能体团队协作。你可以创建多个专业智能体让它们协同工作完成复杂任务。from agentscope.agent import Agent from agentscope.team import Team # 创建专家智能体 coder Agent( nameCoder, system_prompt你是专业的Python开发工程师擅长编写高质量代码。, model..., toolkit... ) tester Agent( nameTester, system_prompt你是专业的软件测试工程师擅长编写测试用例和调试。, model..., toolkit... ) reviewer Agent( nameReviewer, system_prompt你是代码审查专家能够发现代码中的问题和改进点。, model..., toolkit... ) # 创建团队 dev_team Team( nameDevelopmentTeam, members[coder, tester, reviewer], workflowcoder - tester - reviewer # 定义工作流程 ) # 团队协作完成任务 result await dev_team(请开发一个用户登录系统包含注册、登录、密码重置功能)部署与扩展部署为服务AgentScope支持将智能体部署为Web服务cd examples/agent_service python main.py然后启动Web UIcd examples/web_ui/ pnpm install pnpm dev自定义扩展AgentScope的中间件系统让你可以轻松扩展功能。例如添加一个日志中间件from agentscope.middleware import Middleware class LoggingMiddleware(Middleware): 日志中间件 async def before_agent_call(self, agent, message): print(f[LOG] 智能体 {agent.name} 收到消息{message.content}) return message async def after_agent_call(self, agent, message, response): print(f[LOG] 智能体 {agent.name} 返回响应{response.get_text_content()[:100]}...) return response # 使用中间件 agent Agent( nameLoggedAgent, model..., toolkit..., middlewares[LoggingMiddleware()] )最佳实践与技巧1. 工具设计原则单一职责每个工具只做一件事错误处理工具应该优雅地处理异常文档完善为工具编写清晰的文档字符串2. 提示工程系统提示明确智能体的角色和能力边界上下文管理合理控制对话历史长度工具描述为工具提供清晰的参数说明和示例3. 性能优化缓存机制对频繁使用的工具结果进行缓存并发处理利用异步编程提高响应速度资源管理及时释放不再需要的资源常见问题解答Q: AgentScope适合什么场景A: AgentScope特别适合需要智能体执行复杂任务、需要人机协同、需要权限控制和可观测性的场景如自动化客服、数据分析、代码生成、任务调度等。Q: 如何保证智能体的安全性A: AgentScope提供了多层安全防护工作空间隔离、细粒度权限控制、工具调用审计、输入输出验证等。Q: 支持哪些大语言模型A: AgentScope支持OpenAI、DashScope通义千问、Gemini、Claude、DeepSeek、Moonshot、Ollama等主流模型。Q: 学习曲线如何A: AgentScope设计简洁API直观。有Python基础的开发者通常可以在几小时内上手一天内就能构建出实用的智能体应用。开始你的智能体之旅现在你已经了解了AgentScope的核心功能和优势是时候开始实践了从简单的助手开始逐步构建更复杂的智能体系统。记住最好的学习方式就是动手实践。AgentScope的强大之处在于它的灵活性和可扩展性。无论你是想构建个人助手、企业级应用还是创新的AI产品AgentScope都能为你提供坚实的基础。开始探索吧让AI智能体成为你的得力助手更多示例和详细文档请查看 examples/ 目录和官方文档。遇到问题欢迎加入我们的社区讨论【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