9 月我写过一次 AgentScope,那会儿它 31.1k 星,定位是「文档友好的国产多 Agent 平台」。两个月后再查,星数 35,783,项目自己换了个说法:5 月 25 日的 2.0 是一次彻底重写——message、tool、workspace、permission、middleware、service 六层推倒重来,1.0 时代那套可视化工作站和独立 Runtime 都不再是主路径。
开源 Agent 框架这半年在收敛:大部分项目往「画布 + 应用市场」那条路走,恨不得让不写代码的人也能拼出一个客服机器人。AgentScope 反着来,它只回答一个问题:模型要在真实环境里把长任务跑完,需要什么。
仓库 agentscope-ai/agentscope,Apache-2.0,Python 3.11 起,现在 35,783 星、3,842 fork、220 位贡献者,51 个 release,最新 v2.0.11 是 10 月 27 日发的;Java 版 agentscope-java 另算 6,331 星,TypeScript 版刚开仓还在早期。出身是阿里巴巴通义实验室——2024 年 2 月那篇《AgentScope: A Flexible yet Robust Multi-Agent Platform》就是它,最早挂在 modelscope 组织下,当年的卖点是多智能体加分布式:一台 64 核 8 卡 A100 能同时跑 16000 多个 Agent 实例。
一、它把自己从「框架」改叫「Harness」
1.0(2025 年 8 月那篇论文)的定位是 developer-centric:ReAct 循环、异步设计、评估模块、运行时沙箱。2.0 换了个词,官方 10 月 8 日在阿里云开发者社区那篇文章里说得最直白——AgentScope 2.0 已经升级成一套通用 Harness。
这三个词得掰开:Framework 给你模型、工具、消息、状态这些抽象,帮你组织代码;Runtime 管调度、持久化、恢复、事件传递;Harness 管的是第三件事——模型在任务过程中怎么有效工作。听着虚,落到代码里全是不写就难受的脏活:工具结果太大,自动卸载到 workspace;任务需要规划,进 Plan Mode;能独立探索的子任务,丢给子 Agent;历史涨了,压缩重排再喂回去;执行环境要换,从本地文件系统切到沙箱或远程存储。
拆开看,SDK 层是九个积木。ReAct:结构化输出、可中断续跑、工具并发或顺序调度;Toolkit:Python 函数、MCP、Skills 三种工具混装,自带 bash、read、write、edit、grep;Model:OpenAI、Anthropic、Gemini、DashScope、DeepSeek、Moonshot、火山、xAI、Ollama 都接,带重试和备用模型;Context:自动压缩加工具结果卸载;Event:一条统一事件总线,文本、图片、音频都从这儿推给前端;Permission & HITL;Middleware:回复、推理、工具、模型调用、权限校验、上下文压缩,每一环都能挂;Memory:ReMe 和 Mem0 可换;Workspace / Sandbox。
二、真正拉开差距的是那个 Agent Service
多数框架交付到 SDK 就结束了,怎么跑成服务是你自己的事。AgentScope 2.0 把原来独立的 Runtime 直接合并进主库,带一个 FastAPI 后端和一套 React 前端(examples/agent_service 加 examples/web_ui)。官方 FAQ 里有一句话很关键:新的 2.x 应用不需要再去拼 Runtime 和 Studio 那一套。
服务里已经有的东西:多租户多会话,资源按 user_id 归属、在路由层就隔离;SSE 会话流,断线重连先回放缓冲历史;cron 定时唤起 Agent;长任务转后台,跑完再唤醒对话;Agent Team,队长 spawn 成员、自带任务规划工具;飞书和 Discord 通道;内置 RAG(文档切块、向量化、检索);MCP 与 Skill Hub,能直接拉 GitHub MCP Registry 和 ClawHub;SQL / NoSQL 持久化。分布式部署还挂着 WIP 标签,共享状态全压在 Redis 里。
图里最值得记的是那条竖线:Tool-In-Sandbox。Agent 循环、模型调用、上下文编排跑在服务侧;一碰到文件、命令、代码,就通过工具接口进沙箱,结果再回流到 Harness。好处是企业能集中升级 Harness,按用户或会话配执行环境,编排服务和沙箱资源分开扩。沙箱后端可选 local、Docker、Apple Container、Bubblewrap、E2B、OpenSandbox、Daytona、K8s——同一份 Agent 代码,本机调试和生产隔离不用改。
三、上手:一条命令,二十行代码
uv pip install agentscope
import os, asyncio
from agentscope.agent import Agent
from agentscope.console import launch_console
from agentscope.tool import Toolkit, Bash, Grep, Glob, Read, Write, Edit
from agentscope.credential import DashScopeCredential
from agentscope.model import DashScopeChatModel
async def main():
agent = 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)
asyncio.run(main())
这段就是 README 里的第一个 Agent:模型 + 工具包 + 终端界面,流式输出、工具确认、Ctrl+C 打断都是现成的。想看服务端成品,clone 下来 cd examples/agent_service && python main.py,另开一个终端 cd examples/web_ui && pnpm dev。中文文档在 docs.agentscope.io,双语齐全。
四、几句实话
2.0 和 1.0 是两个东西。 文档自己写着「存在破坏性变更」,建议现有用户迁移。网上 1.0 的教程——拖拽工作站、Studio 面板、单独部署 Runtime——基本作废:Studio 仓库最后提交停在 9 月 2 日,Runtime 停在 6 月 4 日,官方 FAQ 直接说新应用别拼这套。你要照着一年前的博客跑,八成卡在 import 上。
Agent Service 不带鉴权。 文档写得很明白:只有一个 X-User-ID 的占位依赖,得你自己换成 JWT、OAuth 或网关签发。反过来读就是——直接把它 run 到公网,谁改个头就能用你的 Agent 和沙箱。
门槛比画布高。 没有拖拽,得写 Python。要给业务同学用,得自己在上面铺一层界面。
它还在快跑。 791 个 open issue、51 个 release,两个月从 2.0.8 冲到 2.0.11:SOP(标准作业流程,一步一验收)、TeamPipeline、全屏 TUI、实时语音、A2A 支持都是这三个月加的。跟着升级要留迁移预算,别指望像用稳定版那样一年不动。
星数看结构,别只看总数。 Python 版 3.5 万、Java 版 6 千,加起来 4.2 万,跟 Dify 的 16 万、LangGraph 的 4.4 万不是一个量级。但它是这几家里唯一把「服务端」当一等公民交付的:Dify 让业务人员把应用搭出来,LangGraph 让工程师把状态图画明白,AgentScope 2.0 想干第三件事——把长任务里那些没人愿意重复写的工程活收进框架,顺手给你一个能对外开的服务。
顺带说一句,QwenPaw 那只自托管的私人 Agent 就是这支团队拿自己的底座做的,3.7 万星,算是一次自证。
要 HITL 审批、要沙箱隔离、要多租户,又不想从零搭运行时的团队,值得花一个下午把它跑通。