阿里巴巴开源的AgentScope是一个透明的多代理AI应用框架，主打"一切可见，尽在掌控"。其核心优势包括：实时中断代理不丢失记忆、模型无关设计、乐高式组件组合、原生多智能体对话支持、MCP协议集成以及强大的调试功能。框架安装简单，代码直观，适合开发者构建可控、灵活的AI应用系统。

---

前段时间，阿里巴巴悄然发布了AgentScope。这是一个用于构建多代理AI应用的开源Python框架。老实说，如果你一直在玩AI代理，那它真的很酷。虽然当前已经有了很多成熟的智能体框架，像Dify, LangGraph, AutoGen…，但它给你的感觉就像有人终于制作了一个不会跟你作对的智能体框架。

大多数框架隐藏了太多东西，或者将你锁定在一种工作方式中。

而AgentScope的理念恰恰相反；一切都保持可见，你始终掌控一切。没有黑箱魔法。

为什么它引起了大家的注意

AgentScope背后的人似乎痴迷于一个想法：透明度。每一个部分，提示、API调用、内存、工作流，你都可以看到并调整。这很难得。

我还喜欢其他几点：

• 你可以实时中断代理，并在不丢失内存的情况下重新开始。
• 它是模型无关的，所以你不会被一个LLM束缚。
• 所有组件（内存、工具、提示、工作流）都像乐高积木一样组合在一起。
• 它实际上是为多智能体对话设计的，而不是事后才考虑的。

它感觉就像一个希望不碍事的开发工具包。

运行

设置很无聊但很简单，你需要Python 3.10或更高版本。

如果你想快速安装：

pip install agentscope

或者如果你喜欢冒险（从源代码构建）：

git clone -b main https://github.com/agentscope-ai/agentscope.git
cd agentscope
pip install -e .

就是这样简单，可以看到如下Dashboard界面。

None

第一个“Hello World”与一个名叫Friday的智能体。

这是经典的入门示例，启动一个名为Friday的智能体，它可以与你聊天，记住上下文，甚至在你允许的情况下运行Python或shell命令。

from agentscope.agent import ReActAgent, UserAgent
from agentscope.model import DashScopeChatModel
from agentscope.formatter import DashScopeChatFormatter
from agentscope.memory import InMemoryMemory
from agentscope.tool import Toolkit, execute_python_code, execute_shell_command
import os, asyncio
async def main():
toolkit = Toolkit()
toolkit.register_tool_function(execute_python_code)
toolkit.register_tool_function(execute_shell_command)
agent = ReActAgent(
name="Friday",
sys_prompt="You're a helpful assistant named Friday.",
model=DashScopeChatModel(
model_name="qwen-max",
api_key=os.environ["DASHSCOPE_API_KEY"],
stream=True,
),
memory=InMemoryMemory(),
formatter=DashScopeChatFormatter(),
toolkit=toolkit,
)
user = UserAgent(name="user")
msg = None
while True:
msg = await agent(msg)
msg = await user(msg)
if msg.get_text_content() == "exit":
break
asyncio.run(main())

运行它，与Friday聊天，完成后输入exit。非常简单。

实时操控

其中一个突出的功能是他们称之为实时操控。

假设你的智能体在推理链中进行到一半，你突然意识到你想改变方向。

通常，这就意味着结束了。

在这里，你可以即时中断它，保留其内存，并在不丢失上下文的情况下恢复。

感觉更像是与一个真正的助手对话，而不是运行一个脚本。

MCP控制

AgentScope还与MCP（模型上下文协议）良好协作。最酷的部分是？你可以捕获一个MCP端点，并将其视为一个本地函数。

from agentscope.mcp import HttpStatelessClient
from agentscope.tool import Toolkit
import os
async def fine_grained_mcp_control():
# Initialize the MCP client
client = HttpStatelessClient(
name="gaode_mcp",
transport="streamable_http",
url=f"https://mcp.amap.com/mcp?key={os.environ['GAODE_API_KEY']}",
)
# Obtain the MCP tool as a **local callable function**, and use it anywhere
func = await client.get_callable_function(func_name="maps_geo")
# Option 1: Call directly
await func(address="Tiananmen Square", city="Beijing")
# Option 2: Pass to agent as a tool
toolkit = Toolkit()
toolkit.register_tool_function(func)
# ...
# Option 3: Wrap into a more complex tool
# ...

这意味着你每次想要连接MCP服务时，都不必编写粘合代码。

None

多智能体乐趣

当你开始让智能体相互交谈时，真正的魔法就发生了。AgentScope有一个叫做MsgHub的东西，它基本上是一个用于多个智能体的消息路由器。

示例：

from agentscope.pipeline import MsgHub, sequential_pipeline
from agentscope.message import Msg
import asyncio
async def multi_agent_conversation():
# Create agents
agent1 = ...
agent2 = ...
agent3 = ...
agent4 = ...
# Create a message hub to manage multi-agent conversation
async with MsgHub(
participants=[agent1, agent2, agent3],
announcement=Msg("Host", "Introduce yourselves.", "assistant")
) as hub:
# Speak in a sequential manner
await sequential_pipeline([agent1, agent2, agent3])
# Dynamic manage the participants
hub.add(agent4)
hub.delete(agent3)
await hub.broadcast(Msg("Host", "Goodbye!", "assistant"))
asyncio.run(multi_agent_conversation())

换句话说，你可以建立小的“智能体社会”，让它们相互交流想法。这对于集思广益的系统或任务编排非常有用。

调试不再痛苦

内置了追踪功能。它们底层使用OpenTelemetry，你可以接入Langfuse或Arize-Phoenix等平台。

如果你想直观地查看发生了什么：

npm install -g @agentscope/studio
as_studio

这将打开AgentScope Studio，你可以在其中追踪和可视化你的智能体流程。这使得调试不那么痛苦。

大模型未来如何发展？普通人如何抓住AI大模型的风口？

※领取方式在文末

为什么要学习大模型？——时代浪潮已至

随着AI技术飞速发展，大模型的应用已从理论走向大规模落地，渗透到社会经济的方方面面。

• 技术能力上：其强大的数据处理与模式识别能力，正在重塑自然语言处理、计算机视觉等领域。
• 行业应用上：开源人工智能大模型已走出实验室，广泛落地于医疗、金融、制造等众多行业。尤其在金融、企业服务、制造和法律领域，应用占比已超过30%，正在创造实实在在的价值。

未来大模型行业竞争格局以及市场规模分析预测:

同时，AI大模型技术的爆发，直接催生了产业链上一批高薪新职业，相关岗位需求井喷：

AI浪潮已至，对技术人而言，学习大模型不再是选择，而是避免被淘汰的必然。这关乎你的未来，刻不容缓！

---

那么，我们如何学习AI大模型呢？

在一线互联网企业工作十余年里，我指导过不少同行后辈，经常会收到一些问题，我是小白，学习大模型该从哪里入手呢？我自学没有方向怎么办？这个地方我不会啊。如果你也有类似的经历，一定要继续看下去！这些问题，也不是三言两语啊就能讲明白的。

所以呢，这份精心整理的AI大模型学习资料，我整理好了，免费分享！只希望它能用在正道上，帮助真正想提升自己的朋友。让我们一起用技术做点酷事！

ps:微信扫描即可获取
加上后我将逐一发送资料
与志同道合者共勉
真诚无偿分享！！！

---

适学人群

我们的课程体系专为以下三类人群精心设计：

• AI领域起航的应届毕业生：提供系统化的学习路径与丰富的实战项目，助你从零开始，牢牢掌握大模型核心技术，为职业生涯奠定坚实基础。

• 跨界转型的零基础人群：聚焦于AI应用场景，通过低代码工具让你轻松实现“AI+行业”的融合创新，无需深奥的编程基础也能拥抱AI时代。

• 寻求突破瓶颈的传统开发者（如Java/前端等）：将带你深入Transformer架构与LangChain框架，助你成功转型为备受市场青睐的AI全栈工程师，实现职业价值的跃升。

---

※大模型全套学习资料展示

通过与MoPaaS魔泊云的强强联合，我们的课程实现了质的飞跃。我们持续优化课程架构，并新增了多项贴合产业需求的前沿技术实践，确保你能获得更系统、更实战、更落地的大模型工程化能力，从容应对真实业务挑战。
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。

01 大模型系统化学习路线

作为学习AI大模型技术的新手，方向至关重要。 正确的学习路线可以为你节省时间，少走弯路；方向不对，努力白费。希望这份最科学最系统的学习成长路线图和学习规划，带你从零基础入门到精通！

👇微信扫描下方二维码即可~

本教程比较珍贵，仅限大家自行学习，不要传播！更严禁商用！

02 大模型学习书籍&文档

新手必备的权威大模型学习PDF书单来了！全是一系列由领域内的顶尖专家撰写的大模型技术的书籍和学习文档（电子版），从基础理论到实战应用，硬核到不行！
※（真免费，真有用，错过这次拍大腿！）

03 AI大模型最新行业报告

2025最新行业报告，针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

04 大模型项目实战&配套源码

学以致用，在项目实战中检验和巩固你所学到的知识，同时为你找工作就业和职业发展打下坚实的基础。

05 大模型大厂面试真题

面试不仅是技术的较量，更需要充分的准备。在你已经掌握了大模型技术之后，就需要开始准备面试，我精心整理了一份大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

06 全套AI大模型应用开发视频教程

（包含提示工程、RAG、LangChain、Agent、模型微调与部署、DeepSeek等技术点）

---

由于篇幅有限
只展示部分资料
并且还在持续更新中…

ps:微信扫描即可获取
加上后我将逐一发送资料
与志同道合者共勉
真诚无偿分享！！！

最后，祝大家学习顺利，抓住机遇，共创美好未来！