AI 分析 · 由大模型根据 README 与仓库数据生成 · 2026年11月17日
AgentScope 2.0 是一个生产可用的 Python Agent 框架,帮助开发者构建可观察、可理解、可信任的智能体。
AgentScope 2.0 是一个面向生产环境的 Agent 框架,提供构建智能体所需的核心抽象。它设计上顺应模型能力提升,利用模型的推理和工具调用能力,而不是用严格提示词和固定编排去限制模型。仓库简介强调“构建和运行你能看见、理解和信任的智能体”。
推荐指数
功能全面、社区活跃的生产级 Agent 框架,适合需要多智能体、多模态和语音能力的开发者。
近 7 天
+426
新增 Star
总 Star 排名
#177
雷达追踪的 3,931 个 AI 仓库中
创建于
2024
2024年1月12日
核心亮点
1生产可用框架
定位为 production-ready,提供核心抽象,适合构建实际应用。
2多智能体编排
支持 TeamPipeline 等模式,由 leader agent 向成员 agent 分派任务。
3实时语音能力
支持 RealtimeAgent 和 WebRTC 实时语音对话,文本与语音共享会话历史。
4多模型接入
支持 DashScope、OpenAI、Gemini、xAI、MiniMax 等多种模型服务。
5SOP 与模型路由
支持标准作业流程运行多步任务,并可通过中间件为每次回复选择合适模型。
适用场景
多智能体协作任务
例如:用 TeamPipeline 让 leader agent 把复杂任务拆给多个成员 agent 并行处理。
实时语音助手
例如:基于 RealtimeAgent 和 WebRTC 构建可语音对话、保留文本历史的客服助手。
标准化流程自动化
例如:用 SOP 把多步业务流程定义为标准作业程序,由 agent 按步骤执行。
多模型灵活调度
例如:通过 ModelRouterMiddleware 根据回复内容自动选择不同聊天模型。
它是怎么工作的
第 1 步
组合构建块
从 ReAct、工具、记忆等构建块出发,按需组装一个 agent。
第 2 步
接入模型服务
通过统一的 ChatModel 接口接入 DashScope、OpenAI、Gemini 等模型。
第 3 步
编排多智能体
使用 TeamPipeline 等管道让 leader agent 向成员 agent 分派任务。
第 4 步
运行与观察
框架提供结构化输出和可观察机制,便于理解 agent 的推理与行动。
快速上手
- 1
安装
要求 Python 3.11 及以上,使用 uv 从 PyPI 安装。
uv pip install agentscope - 2
从源码安装
克隆仓库后以可编辑模式安装。
git clone -b main https://github.com/agentscope-ai/agentscope.git && cd agentscope && uv pip install -e .
适合谁
- 需要构建生产级 Agent 应用的 Python 开发者
- 需要多智能体协作编排的团队
- 需要实时语音或多模态能力的开发者
- 希望灵活接入多种大模型服务的项目
不太适合
- 只想用简单脚本调用一次大模型的初学者
- 不熟悉 Python 3.11+ 环境的开发者
成熟度
- 活跃度最近一次推送在 2026-11,新闻持续更新到 2026-10,迭代频繁。
- 文档有独立文档站、中英文 README 和 arXiv 论文,但 README 只展示了部分内容。
- 社区约 3.6 万 star、近 3900 fork,有 Discord 和钉钉社区。
- 上手难度需要 Python 3.11+,概念和构建块较多,上手有一定门槛。
同类项目怎么选
- LangChain更偏通用 LLM 应用编排,AgentScope 更聚焦 Agent 抽象和多智能体、语音场景。
- AutoGen同样支持多智能体对话,AgentScope 额外强调实时语音、SOP 和模型路由。
- CrewAI以角色化多智能体协作为主,AgentScope 提供更底层的构建块和更广的模型接入。
使用前注意
- · 采用 Apache-2.0 许可,商用需保留版权和许可声明。
- · 要求 Python 3.11 及以上,旧环境需先升级。
- · 实时语音等部分功能标注为实验性,生产使用需评估稳定性。
- · 接入第三方模型服务可能产生 API 调用费用。
