为什么需要
做 AI Agent 应用的独立开发者常被这些问题困住：单 Agent 跑通了但上生产不稳定、Agent 之间协作难写、多模型切换麻烦、出了问题不知道哪一步错。AgentScope 2.0 直接把这些生产级能力做成了开箱即用的组件。
它是阿里 2024 年开源的 Agent 框架，到 2.0 版本时已经服务了蚂蚁集团内部多个业务线。框架设计目标是「模型能力涨一级，应用就能涨一级」，所以抽象层做得比较薄，跟模型演进节奏匹配。
核心价值在多 Agent 协同：内置 ReAct、ReBel 等多种推理模式，Agent 之间可以串行、并行、嵌套调度。配套的可视化追踪工具把每一步的 prompt、工具调用、token 消耗都画出来，调试 Agent 行为不再是黑盒。
怎么用
Python 3.11+ 环境一行安装：
bash
pip install agentscope
最简的多 Agent 对话：
python
import agentscope
model = agentscope.ModelFactory.create(
model_name="qwen-plus",
api_key="your-dashscope-key"
)
alice = agentscope.ReActAgent(
name="Alice",
model=model,
sys_prompt="你是一个产品经理"
)
bob = agentscope.ReActAgent(
name="Bob",
model=model,
sys_prompt="你是一个工程师"
)
msg = agentscope.Msg("user", "设计一个 todo 应用", "user")
alice_reply = alice(msg)
bob_reply = bob(alice_reply)
可视化追踪会自动记录每一步，跑到 agentscope studio 命令打开本地 Web 端看完整链路。
注意事项
- 完全开源，Apache 2.0 协议
- 主要绑定国内模型（通义千问、DeepSeek），OpenAI/Claude 也能接但配置稍多
- 文档中英文双语都有，英文版本更新更及时
- 多 Agent 场景下 token 消耗增长快，建议先用 Haiku 这类便宜模型验证流程
- 生产部署需要考虑 Agent 之间的状态隔离，独立开发者建议用 Docker 单实例起步