ARTICLE · 1373241
36k star、40 万月下载:AgentScope 2.0 想把 Agent 应用做成一套后端

大多数 Agent 框架在教你“怎么编排流程”,AgentScope 2.0 的官方说法是:不预设编排,把控制权交给越来越强的模型。它给的是积木(ReAct、工具、上下文、权限、8 种沙箱),再加一套多租户、多渠道、带 RAG 和 MCP Hub 的 Agent 后端服务。
最近在按 Loop / Graph / Harness 这套框架扫 agent 项目。之前拆过 Python 框架(Pydantic AI)、Java 框架(Spring AI Alibaba)、GUI Agent(UI-TARS)、研究 Agent(GPT Researcher)。
这次回到 Python,但视角不同:AgentScope 2.0(agentscope-ai/agentscope,表里 11 月 16 日推荐时 36,048 star,现在 36k)。
选它的原因:前面拆的框架大多停留在“怎么定义一个 Agent”,而 AgentScope 2.0 往前多走了一步——它不只给你 SDK,还给你一整套 Agent Service:多租户、多会话、IM 渠道、RAG、MCP Hub、团队编排、定时调度、状态持久化。换句话说,它想解决的不是“Agent 怎么写”,而是“Agent 应用怎么作为服务跑起来”。
这对做过 Java 后端的人应该很熟悉:相当于不只是给你 Spring Boot,还附带了管理后台、消息通道、权限体系和部署方案。
数据截至 2026-11-17(最新版 v2.0.12,2026-11-16),来自 GitHub 仓库、README、官方文档、NEWS 和源码;我没有实际部署 Agent Service,结论只到文档、源码和公开数据这一层。
36k
GitHub stars(2026-11-17)
40.2 万
PyPI 月下载
233
贡献者
v2.0.12
当前版本(2026-11-16)
01
PART
先把事实摆出来
FACTS
GitHub 与项目(2026-11-17):
Stars 36k(表内快照 36,048),forks 3.9k,贡献者 233,Apache-2.0
最新版 v2.0.12(2026-11-16);2024-02 首发 0.0.1,累计 56 个 release
PyPI 月下载 约 40.2 万——在 Agent 框架里属于第一梯队
团队:阿里通义实验室 SysML 团队(pyproject 里明确写着 “SysML team of Alibaba Tongyi Lab”)
两篇论文:AgentScope(arXiv 2402.14034,2024-02)与 AgentScope 1.0(arXiv 2508.16279,2025-08)
AgentScope 2.0 于 2026-05 发布,之后以每月一个主题的节奏加功能
代码结构:agent、tool、model、middleware、pipeline、permission、workspace、event、app(Agent Service)、sop、realtime、rag、skill、tui 等模块
一个判断:它不是“又一个 Agent 框架”,而是“Agent 框架 + Agent 后端”的组合。 前半部分是积木,后半部分是服务化。这也是它和 Pydantic AI(框架 + 评测 + 可观测)、Spring AI Alibaba(框架 + Graph + 平台)最大的不同——AgentScope 更偏应用后端。
图示 / 版本时间线

02
PART
设计哲学:不预设编排,把控制权交给模型
DESIGN PHILOSOPHY
README 里有一句很关键的话,值得整段引用:
官方原文
"We design for increasingly agentic LLMs. Our approach leverages the models' reasoning and tool use abilities rather than constraining them with strict prompts and opinionated orchestrations."
翻译:我们为越来越“agentic”的模型而设计。我们的做法是利用模型的推理和工具使用能力,而不是用严格的提示词和强预设的编排去约束它们。
这句话是对当下 Agent 框架路线的一次站队。市面上大量框架的核心卖点是“流程编排”:用图、用状态机、用 DSL 把步骤固定下来。这套思路在 2024 年很合理——模型能力不够,需要人工拆步骤。但 2026 年的模型已经能做多步推理、自主调用工具,过度编排反而限制了它。
所以 AgentScope 2.0 把重心放在:给模型一套好用的工具和上下文,让它自己决定怎么完成任务。 编排只在必要时出现(Pipeline / TeamPipeline / SOP)。
用 Java 的话说:从“大量 XML 配置驱动”进化到“约定优于配置 + 让框架自己跑”。这也是 Spring 生态过去十年的演进方向——框架从“替你做决定”变成“给你能力,你来决定”。
03
PART
SDK 层:八个积木
SDK BUILDING BLOCKS
AgentScope 2.0 的 SDK 层,官方列了八个 building block:
| ReAct | ||
| Toolkit | ||
| Model | ||
| Context | ||
| Event System | ||
| Permission & HITL | ||
| Middleware | ||
| Memory | ||
| Workspace / Sandbox |
官方示例代码很短:
from agentscope.agent import Agentfrom agentscope.console import launch_consolefrom agentscope.tool import Toolkit, Bash, Grep, Glob, Read, Write, Editfrom agentscope.credential import DashScopeCredentialfrom agentscope.model import DashScopeChatModelagent = Agent( name=“Friday”, system_prompt=“You're a helpful assistant named Friday.”, model=DashScopeChatModel( credential=DashScopeCredential(api_key=os.environ[“DASHSCOPE_API_KEY”]), model=“qwen3.6-plus”, ), toolkit=Toolkit(tools=[Bash(), Grep(), Glob(), Read(), Write(), Edit()]),)await launch_console(agent)
注意 Toolkit 里内置了 Bash、Grep、Glob、Read、Write、Edit——这是一套 coding agent 的工具集。也就是说,它默认就假设你可能会做一个“能操作代码和文件”的 Agent,而不是只做聊天。
图示 / 三层结构

04
PART
ReAct、工具与上下文:一个循环的三件事
THE LOOP
Agent 的核心循环没变:模型推理 → 决定调用工具 → 执行 → 结果回灌 → 继续推理。AgentScope 2.0 的差异在三个工程细节上:
第一,工具调用是批量的。 支持顺序和并发两种批量执行——模型一次返回多个工具调用时,可以并发跑,不用一个个等。这个优化在复杂任务上直接决定吞吐。
第二,中断与恢复。 README 明确写了 “realtime interruption & resume”:Agent 跑到一半可以被打断(用户插话、工具超时),并且能恢复。对交互式场景(控制台、聊天、语音)这是刚需。
第三,上下文是框架的事。 自动压缩(compaction)、工具结果卸载(把大结果挪出上下文,需要时再取)、上下文注入(系统提示、RAG、记忆)都由 Middleware 统一处理。你不需要在每个 Agent 里手写“历史太长怎么办”。
这三件事合起来,就是“Agent 循环”从 demo 走向生产必须补的工程细节。对比很多框架还在让用户自己拼 prompt,AgentScope 把它们做成了内建能力。
05
PART
沙箱:八种后端,从本机到 K8s
SANDBOX
Agent 执行工具和代码,最危险的是“在宿主环境里裸跑”。AgentScope 的 Workspace / Sandbox 给了八种隔离后端:
local:本机直接跑(开发用)
Docker:容器隔离
Apple Container:macOS 原生容器
Bubblewrap:Linux 轻量沙箱
E2B:云端沙箱
OpenSandbox:开源沙箱
Daytona:开发环境沙箱
K8s:集群级隔离
同一套 Agent 代码,换一个 backend 就从“本机调试”切到“集群生产”。用 Java 的话说,这层抽象就像 JDBC:你写一套代码,底下换环境。 对要跑 coding agent 或自动化任务的团队,这层是刚需——没有沙箱,Agent 删库跑路不是段子。
06
PART
Agent Service:从“库”到“应用后端”
AGENT SERVICE
这是 AgentScope 2.0 最值得写的部分,也是它和其他框架拉开差距的地方。
它自带一个 agent service:FastAPI 后端 + 预置 Web UI,直接把 Agent 变成“多租户、多会话的应用”。官方列出的能力:
这张表基本就是一个“Agent 应用后台”的功能清单。做过 Java 后端的会立刻意识到:多租户、会话隔离、RBAC、资源分享、持久化、调度——这些是 SaaS 的通用问题,不是 Agent 特有的问题。 AgentScope 把它们提前做了,省掉大量重复造轮子。
尤其值得注意的是 Agent Team(leader agent 派活给 worker agent,通过内置团队工具协调)和 Channels(飞书/Discord/钉钉)——前者是编排的最小实用形态,后者是“Agent 直接进 IM 群干活”的入口。飞书渠道这一条,对国内团队尤其有用。
07
PART
2.0 的版本节奏:每月加一块
RELEASE CADENCE
从 NEWS 能看出 2.0 的演进节奏很稳:
2026-05:AgentScope 2.0 发布
2026-06:Agent Team、RAG、Mem0、分布式多租户 RAG service
2026-07:ReMe 长期记忆、K8s / OpenSandbox / Daytona workspace
2026-08:Channels(飞书/Discord)、Console、Pipeline、MCP & Skill Hub、钉钉
2026-09:A2A 协议、Realtime 语音 Agent、TeamPipeline、SOP、模型路由、MiniMax
2026-10:语音克隆、WebRTC 实时语音(文本与语音共享会话历史)
2026-11:v2.0.12
一年不到,从“框架”长成了“框架 + 服务 + 渠道 + 语音”。这个节奏说明团队在按“Agent 应用落地缺什么”补齐,而不是按论文功能表堆特性。
两个新概念值得单独说:
SOP(标准作业程序):把多步任务固化成可复用的作业流程——这是把“编排”做成“模板”,介于自由 Agent 和硬编码流程之间。
TeamPipeline:leader 把任务拆给成员 agent,成员各自执行——这是最常用的多 Agent 协作模式,比通用图引擎更实用。
08
PART
Loop / Graph / Harness:一个 Agent 后端该打几分
THREE-AXIS VERDICT
图示 / 三维评分

Loop 是它最扎实的一层:ReAct 循环 + 批量工具 + 中断恢复 + 上下文管理,都是生产可用级别的细节。
Graph 给“中”:它有 Pipeline、TeamPipeline、SOP 三种编排形态,覆盖了大多数实际需求;但没有 Pydantic Graph / Spring AI Alibaba Graph 那种通用状态图引擎,也没把“图”作为一等抽象。想做复杂可视化流程,仍然要外接。
Harness 是最厚的一层:权限体系、HITL、8 种沙箱、事件总线、中间件、Agent Service 的多租户/渠道/RAG/Hub/调度。它更像“Agent 应用的操作系统”,而不是“Agent 的库”。
09
PART
必须泼的冷水
COLD WATER
2.0 迭代太快。 半年加了几十个功能,API 仍在演进;生产项目要锁版本、读 changelog,升级需要测试。
Agent Service 很重。 多租户、RAG、MCP Hub、渠道——这套东西一旦部署,运维复杂度不低;小团队用不上,反而增加负担。
生态偏阿里系。 默认模型走 DashScope/Qwen,示例和文档对通义生态更友好;用 OpenAI/Claude 也行,但最佳路径不在那里。
编排能力不是最强项。 需要显式图、条件分支、可视化流程的场景,它不如专门的图引擎(Spring AI Alibaba Graph、LangGraph 一类)。
评测与证据体系偏弱。 框架侧重“跑起来”,质量评测、线上评估、回归测试要自己接(对比 Pydantic Evals / Langfuse)。
Python 3.11+、依赖较重。 依赖里包含 opentelemetry、FastAPI 生态、数据库驱动等,轻量场景显得笨重。
“不预设编排”是双刃剑。 把控制权交给模型,意味着行为更灵活也更不可预测;对结果稳定性要求高的场景,还是需要 SOP 这类约束。
本文未实测。 没部署 Agent Service、没接飞书渠道、没跑沙箱;结论来自 README、NEWS、文档和源码。
10
PART
值得抄的四个设计
PATTERNS TO STEAL
中间件式扩展
回复、推理、执行、模型调用、权限检查、上下文压缩——全部做成可组合的 middleware,类比 AOP。Agent 循环的每个阶段都能插逻辑,而不需要改框架代码。
沙箱抽象成 Workspace
一套 API 覆盖 local/Docker/E2B/K8s 八种后端,同一份代码从开发切到生产。这对任何“要执行模型生成代码”的 Agent 都是必需设计。
服务化优先
多租户、会话隔离、IM 渠道、RAG、Hub、持久化、调度——把 SaaS 的通用问题在框架层解决。这是它和“纯 SDK 框架”最大的区别。
事件总线做可观测
推理、工具调用、多模态内容统一走事件流,前端可以订阅渲染,也可以回放调试。Agent 不透明就没法运营。
11
PART
最后说点判断
MY TAKE
AgentScope 2.0 的路线很清晰:不跟别人拼“谁的编排图更漂亮”,而是拼“谁的 Agent 应用更容易上线”。
在模型能力快速上升的 2026 年,这个判断大概率是对的:编排会越来越薄,模型会越来越强,真正难的是把 Agent 变成可靠的服务——权限、沙箱、会话、渠道、持久化、可观测。这些恰恰是“后端工程”的活,也是阿里的强项。
适合谁?要做 Agent 应用(不是 demo)的团队:需要多租户、要接 IM、要跑沙箱、要一套现成后端。不适合谁?只想写个脚本或单机 Agent 的个人——Pydantic AI、OpenAI SDK 更轻。
把系列拼起来,Agent 基础设施的地图越来越完整:Letta Code 管记忆、Temporal 管执行、browser-use 管浏览器、UI-TARS 管桌面、Langfuse 管证据、OpenHands 管控制面、Pydantic AI / Spring AI Alibaba 管框架、GPT Researcher 管研究,AgentScope 管“Agent 应用怎么变成一套后端”。
参考来源 / REFERENCES
GitHub:https://github.com/agentscope-ai/agentscope
官方文档:https://docs.agentscope.io
PyPI:https://pypi.org/project/agentscope/
论文(2024):https://arxiv.org/abs/2402.14034
论文(1.0,2025):https://arxiv.org/abs/2508.16279
NEWS(版本节奏):https://github.com/agentscope-ai/agentscope/blob/main/docs/NEWS.md
本文调研基准:v2.0.12(2026-11-16),main @ e111253,2026-11-17(未做本地实测)
既然看到这里了,如果觉得有用,随手点个赞、在看、转发三连吧。
THANKS FOR READING















































































