核心内容摘要
《凌微经》附录一：体系介绍与思想根基
AgentScopelangchain没法用skills而且调用llm的方式很怪AgentScope是由阿里通义实验室推出的开源多智能体Multi-Agent开发框架专注于构建、部署和监控基于大语言模型LLM的生产级 AI 智能体应用。
它于2025年9月2日正式发布
0 版本目标是解决智能体在开发复杂、协作混乱、工程化缺失等企业落地难题。
核心定位“让开发者聚焦业务逻辑而非重复造轮子”AgentScope 提供覆盖开发 → 部署 → 监控 → 调优全生命周期的解决方案特别适合需要多智能体协作、工具调用、长期记忆、实时介入的复杂场景如客服系统、研发协同、智能旅行助手等。
架构设计
三层核心架构表格层级功能AgentScope Core核心框架提供消息、模型、记忆、工具四大基础组件支持 ReAct 范式、并行工具调用、结构化输出AgentScope Runtime运行时基于容器/Sandbox 的安全执行环境支持 Serverless如阿里云函数计算 FC、分布式部署AgentScope Studio可视化平台Web UI 实时监控智能体行为、调试对话流、评估性能、A/B 测试
五层模块化架构企业视角应用层定义业务场景YAML/低代码配置智能体层ChatAgent / ToolAgent / CustomAgent能力抽象层工具封装 Graph/Chain 编排Orchestrator数据存储层短期记忆内存 长期记忆向量库/关系库工程化支撑层全链路追踪、Token 成本统计、重试机制、日志监控⚡ 核心特性表格特性说明✅ReAct 范式原生支持LLM 自主推理Reason→ 调用工具Act→ 迭代循环实现动态任务规划✅实时介入Realtime Steering可随时打断 Agent 执行插入新指令或人工干预状态自动保存恢复✅高效工具调用支持并行调用、工具组Tool Group、元工具Meta-Tool缓解上下文压力✅结构化输出内置 JSON Schema 校验确保 LLM 输出可直接映射为 POJO/字典无需正则解析✅长期记忆跨会话语义记忆支持 Mem
向量检索RAG✅多模态支持文本、图像、音频、视频通过url字段传递✅模型无关统一接口支持 Qwen、GPT、Llama、DeepSeek、Ollama 等✅分布式 Serverless原生集成 RocketMQ、A2A 协议支持阿里云 FC 毫秒级弹性伸缩 典型应用场景智能客服系统多 Agent 分工意图识别 → 知识库检索 → 工单生成深度研究助手自动查资料、写报告、引用来源浏览器自动化Agent 控制浏览器完成信息提取、表单填写复杂任务规划如“安排一次带天气考量的旅行”Supervisor WeatherAgent TravelAgent代码生成与审查CodeAct 智能体执行 Python/Shell 并反馈结果️ 快速上手示例Pythonpython编辑from agentscope.agent import ReActAgent from agentscope.model import DashScopeChatModel from agentscope.tool import Toolkit, execute_python_code from agentscope.message import Msg import os # 初始化工具包 toolkit Toolkit() toolkit.register_tool_function(execute_python_code) # 创建智能体 agent ReActAgent( nameDevHelper, sys_prompt你是一个能执行Python代码的开发助手, modelDashScopeChatModel( model_nameqwen-max, api_keyos.getenv(DASHSCOPE_API_KEY) ), toolkittoolkit ) # 发送任务 response await agent(Msg(user, 用Python打印Hello, AgentScope!)) print(response.content) 多语言支持Python 版功能最全社区活跃Java 版
0与 Spring Boot 无缝集成支持 GraalVM 原生镜像毫秒级冷启动适合金融/政务等企业场景 开源与生态GitHub: https://github.com/agentscope-ai/agentscope文档: https://doc.agentscope.ioArXiv 论文:
2
16279Star 数: 超 14,000截至 2025 年底
总结AgentScope ReAct 智能体 企业级工程能力 可视化运维它不是简单的 LLM 调用封装而是为复杂、可靠、可维护的多智能体系统提供的生产级基础设施。
如果你正在构建需要自主决策、工具使用、多角色协作的 AI 应用AgentScope 是一个值得优先考虑的框架。
你提供的链接https://ms-agent.readthedocs.io/zh-cn/latest/GetStarted/quick-start.html指向的是MS-Agent的官方中文文档中的「快速开始」页面。
需要特别注意这里的 MS-Agent 并非微软Microsoft的旧技术 Microsoft Agent而是阿里云魔搭ModelScope社区推出的开源智能体框架全称为ModelScope Agent常简写为MS-Agent。
✅ 正确理解MS-Agent ModelScope Agent开发方阿里云 · 魔搭ModelScope团队定位一个面向大模型LLM时代的轻量级、模块化、可扩展的智能体Agent开发框架目标场景深度研究Deep Research代码生成CodeGenesis通用对话 工具调用兼容 MCP 协议快速构建 LLM 应用原型它与上一轮回答中提到的AgentScope是两个不同的阿里系智能体框架均由阿里通义实验室或魔搭社区推动但设计哲学和适用场景有所差异。
MS-Agent 与 AgentScope 的关系更新版表格项目MS-Agent (ModelScope Agent)AgentScope所属平台魔搭 ModelScope通义实验室 / 独立开源项目GitHubmodelscope/ms-agentagentscope-ai/agentscope核心特点轻量、快速上手、聚焦特定任务如 DeepResearch企业级、多智能体协作、全生命周期管理架构风格简洁 Pipeline YAML 配置分层架构Core/Runtime/Studio、支持分布式适合人群研究者、快速原型开发者企业开发者、复杂系统构建者是否支持多智能体基础支持通过 Workflow原生支持Supervisor Worker 模式可视化工具无或依赖魔搭 playground内置 AgentScope Studio 简单说MS-Agent 更“敏捷”AgentScope 更“工程化”。
两者互补而非竞争。
回到你的链接内容该「快速开始」页面即你上传的quick-start.html文件内容展示了如何安装 MS-Agent用 Python 启动一个通用对话 Agent或通过命令行运行bash编辑ms-agent run --config ms-agent/simple_agent --modelscope_api_key xxx它强调使用Config.from_task(ms-agent/simple_agent)加载预设配置支持流式输出streaming可集成 ModelScope API需填入 API Key提供多个示例项目DeepResearch、CodeGenesis 等这正是ModelScope 生态下 LLM Agent 的标准入口。
✅
总结你提到的MS-Agent ≠ Microsoft Agent而是阿里 ModelScope 的智能体框架。
它与AgentScope同属阿里生态下的智能体技术栈但定位不同MS-Agent快速验证想法、做垂直领域 Agent如科研、编码AgentScope构建高可靠、可监控、多角色协作的生产级 Agent 系统两者可结合使用例如用 MS-Agent 做原型再迁移到 AgentScope 做工程化部署。
如需进一步比较或选型建议欢迎继续提问