AgentScope是阿里巴巴开源的多智能体应用框架2.0版本专注于生产级工程能力包括模型稳定性、环境隔离、权限控制和上下文管理。框架采用“推理内核工程能力”架构支持Python、Java、TypeScript并提供ReAct推理范式。核心抽象包括不可变消息模型、统一模型接入、工具层和记忆系统。Harness层提供环境解耦、权限系统、上下文管理等企业级功能支持多智能体协作模式。Java版面向高并发场景生态集成丰富已在阿里巴巴内部多条业务线生产使用。设计定位AgentScope 是阿里巴巴通义实验室开源的多智能体应用框架当前主版本为 2.0Apache-2.0 协议提供 Python、Java、TypeScript 三种语言实现。相对 1.02.0 是一次架构级重写重心从“多智能体编排实验”转向“生产级工程底座”。与 LangGraph、AutoGen 等以编排范式为核心的框架不同AgentScope 将投入放在模型稳定性、环境隔离、权限控制与上下文管理等工程能力上覆盖智能体从开发、部署到监控的完整生命周期并以 ReAct 推理范式作为统一的内核抽象。总体架构0 的架构可概括为“一个推理内核 一层工程能力Harness”在组织上遵循 MD-LAD 三层模型各层仅与相邻层交互。图 1AgentScope 2.0 总体架构推理内核 Harness 工程层平台层负责系统级配置包括模型密钥、权限策略与全局工作区对应 agentscope.init()应用层定义智能体结构、工具组合与流程拓扑用户层管理会话实例、对话历史与运行时偏好。该分层的直接收益在于多租户能力内建于架构之中而非事后叠加。核心抽象框架的最小运行单元由四个基础组件构成。1 Message不可变消息模型消息是智能体之间及内部流转的最小单位。2.0 将消息设计为不可变对象正文以 ContentBlock 表达分为 TextBlock正文、ThinkingBlock思考过程、ToolUseBlock工具调用、ToolResultBlock调用结果四类。不可变语义消除了并发生成场景下的锁竞争同时借助封闭类型在编译期强制覆盖所有 block 类型避免遗漏。2 Model统一接入与容错Model 层通过统一接口与 Formatter 屏蔽模型差异支持 OpenAI、通义千问、DeepSeek、Anthropic、Gemini、Ollama 等。2.0 引入重试与备选模型降级机制主模型超时后自动切换避免单点模型故障中断整个任务。3 Tool注册、并行与MCPTool 层提供统一的工具注册接口支持并行调用与异步执行并通过 MCP 协议接入外部工具生态。4 Memory短期与长期记忆分为短期与长期两级短期依赖结构化压缩长期与 ReMe 等框架协同。一个最简 ReAct 智能体的构建如下import agentscope as afrom agentscope.agentimport ReActAgentfrom agentscope.messageimport Msg def add(a: int, b: int)- int: return a b agent ReActAgent( namecalc, sys_prompt你是一个计算器只会用 add 工具。, modeldashscope, tools[add],) msg agent(Msg(user, 帮我算 1 加 2))print(msg.text)该示例体现了内核的“薄”开发者只需声明模型与工具推理循环、消息回写、工具调用均由框架完成。Harness工程能力Harness 层将企业级所需的工程件固化为框架的一等能力可按需开关。其核心模块与职责如下模块职责Workspace / Sandbox执行环境抽象解耦业务逻辑与运行环境支持 Local / Docker / E2B 三档切换Permission工具调用三态控制允许 / 拒绝 / 审批静态与动态拦截高危操作Context结构化上下文压缩保留任务目标、当前状态、关键发现、下一步计划Event统一事件总线支撑流式输出与 human-in-the-loopMiddleware可组合拦截链如日志、护栏GuardrailSession会话级上下文隔离与多租户Skill / Subagent技能库与子智能体编排1环境解耦Workspace 抽象将智能体的业务逻辑与执行环境分离同一智能体在本地Local、容器Docker、云沙箱E2B三档环境间切换无需修改业务代码高并发场景通过暖池机制预创建容器降低冷启动开销。2权限系统0 为工具调用引入三态权限对 rm -rf、DROP TABLE 等危险命令做静态与动态双重拦截未知的高风险操作自动进入人工审批流程并支持按成本阈值触发确认如单次操作超过 0.1 美元需人工批准。3上下文管理上下文膨胀通过结构化压缩解决。区别于简单的截断或摘要压缩过程保留任务目标、当前状态、关键发现、下一步计划四个维度避免信息与结构的同时丢失。4事件系统执行过程被抽象为统一事件总线事件类型覆盖 REPLY_START、MODEL_CALL_START、TEXT_BLOCK_DELTA、TOOL_CALL_START/END 等构成对执行过程完整且可订阅的观测平面。流式输出与 human-in-the-loop 均构建于该总线之上订阅者可在特定事件上暂停执行、等待人工确认后恢复满足生产环境对审计与介入的要求。图 2ReAct 推理-行动循环与消息历史回写多智能体协作框架内置九种协作模式核心为 Leader-WorkerLeader 负责任务分解与结果汇总通过内置 TeamTools 动态创建 Worker。Worker 对 Leader 透明后者仅关注任务的下发与回收不感知 Worker 内部实现。该模式适用于总任务清晰、子任务边界明确的场景如调研与分治类任务其余模式则覆盖流水线、辩论、广播等不同的协作拓扑供开发者按任务形态选择。图 3Leader-Worker 多智能体协作模式运行时与部署三种实现中Java 版面向高并发企业级场景以 JDK 17 的 Record 与 Sealed Class 实现不可变消息Project Reactor 提供全异步消息路由支撑万级并发智能体调用GraalVM 原生镜像将冷启动压缩至 200 毫秒配合 K8s HPA 弹性伸缩。生态集成方面跨框架互操作通过 A2A 协议与 Nacos 服务注册实现可与 LangGraph、AutoGen 构建的智能体互通可观测性默认接入 OpenTelemetry兼容 LangFuse 与阿里云 ARMS模型网关与 MCP/Skill 市场由 Higress、Nacos 承接。大模型的知识又多又杂到底怎么学做这行久了被问最多的问题就一个大模型的知识又多又杂我到底先学啥翻了一堆资料看啥都像重点结果啥都没学进去。今天把我自己一路摸出来的顺序捋一遍零基础、应届生、转行的都适用。跟着走至少方向不乱、不瞎忙学完拿得出手。第一阶段10天初阶应用这一阶段就一个目标把大模型真正玩明白不是只会聊天那种而是能调教它、能用代码把大模型和业务接起来。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用这阶段正式进实战目标很实在做出两个能拿出手的东西——一个私有知识库一个 agent 对话机器人。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…走完这 30 天Python 或 JavaScript 背景的基本能独立做一套 RAG 应用简历上也敢写大模型应用开发了。第三阶段约20天动手微调学到这你已经开始 “造” 模型了 —— 通过微调搞出垂直领域的专用小模型。为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你从 “只会用” 变成 “能造” 的 AI 小子。那么你还想往下探索吗想要入局AI大模型赛道、抢占行业红利的朋友微信扫描下方CSDN官方认证二维码即可100%免费领取全套学习资料第四阶段20天商业闭环部署落地技术学完落地才算数。这阶段带你搞明白大模型怎么真正跑起来、用起来。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…想要入坑大模型的朋友给大家准备了一份2026 年最新 AI 大模型全套学习资料1、大模型系统化学习路线2、大模型学习视频教程3、大模型学习书籍电子文档4、AI大模型最新行业报告5、大模型项目实战配套源码6、2026大模型大厂面试真题7、为什么要学习大模型我国在A大模型领域面临人才短缺,数量与质量均落后于发达国家。2023年人才缺口已超百万凸显培养不足。随着AI技术飞速发展预计到2025年,这一缺口将急剧扩大至400万,严重制约我国AI产业的创新步伐。加强人才培养,优化教育体系,国际合作并进是破解困局、推动AI发展的关键。8、适合谁学传统后端 / Java / 前端开发想转型 AI 应用大学生、应届生想拿更好的 offer产品经理、运营想武装职业竞争力技术负责人想给团队落地提效学习是反人性的但回报是真金白银。技术会更新赛道会切换但只要你先动手机会就永远站在你这边。9、这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。想要入局AI大模型赛道、抢占行业红利的朋友微信扫描下方CSDN官方认证二维码即可100%免费领取全套学习资料