AgentScope平台是什么？

AgentScope 是阿里巴巴通义实验室开源的一套智能体开发平台。它最初以多智能体开发框架的形式出现，2025 年 9 月发布 1.0 后形成核心框架、Runtime 和 Studio 三层，2026 年升级到 2.0，又把权限、工作区、沙箱、Agent Service 和内置 Web UI 收进同一套技术栈。日常说的 AgentScope 平台，通常指这套覆盖开发、运行、监控和服务的开源体系，AgentScope 智能体平台指的是同一个对象。

这也是企业在做 Agent 平台选型 时经常要弄清的问题。名字里带“平台”，不代表它就是一个开箱即用的托管服务。AgentScope 的主体仍然是给开发者用的框架和工具链，只是这些工具已经覆盖了从写代码到跑服务的多个环节。它有明确的适用条件，也有需要团队自己承担的工程工作。

AgentScope 平台是什么

AgentScope 的定位可以先用一句话说清。它是一套面向开发者的开源智能体技术栈，用来构建、运行和对外服务 AI Agent。 官方在 1.0 发布时称它为“以开发者为核心、专注多智能体开发的开源框架”，2.0 文档又把它描述为“生产级智能体框架”，强调多租户、多会话、分布式部署和全栈支持。

“平台”是更宽的说法。它把写 Agent 的开发工具包、让 Agent 安全执行的沙箱、管理会话和租户的服务层、观察运行过程的 Web UI 放在同一个项目体系里。企业可以用它自建内部助手，也可以把它作为多智能体应用的底座。项目采用 Apache License 2.0 开源协议，代码托管在 GitHub，主要语言覆盖 Python、Java 和 TypeScript。

需要先说明一个边界。AgentScope 平台不等于阿里云上的某个托管服务。 它由通义实验室开源，部署、运维、模型接入和安全配置主要由使用方自己负责。云厂商可以提供算力、模型或部署环境，但这些不等同于 AgentScope 项目本身。

为什么它常被称作平台

1.0 时期的三层架构，是理解平台边界最方便的入口。通义实验室在 2025 年 9 月的发布说明里，把 AgentScope 拆成三个可以独立使用的开源项目。

• 核心框架负责智能体的构建与应用编排，提供消息、模型、记忆、工具等基础组件。
• AgentScope Runtime 提供安全运行和部署环境，包含容器沙箱、代码执行、文件操作、网页操作和 Kubernetes 部署能力。
• AgentScope Studio 提供可视化开发与监控，能查看智能体状态、调用链、Token 消耗，并做评测。

这三层在 1.0 时可以按需单独使用。Runtime 和 Studio 还可以兼容 LangGraph、AutoGen 等主流多智能体框架。这个设计让 AgentScope 不只是一套写 Agent 的代码，还覆盖了运行和观察。

2.0 做了整合。官方文档把多租户、多会话、分布式部署、权限、工作区、Agent Service 和 Web UI 作为核心能力，开发、运行和服务不再分散在三个彼此独立的项目说明里。官方在 Studio 仓库的说明里写明，2.0 的可视化能力由 Agent Service 自带 Web UI 承接，独立 Studio 不再作为单独工具维护。搜索资料时会同时看到 1.0 和 2.0 的介绍，先确认版本，能少走不少弯路。

平台是整体，框架、Runtime、Studio 和 Agent Service 是不同层。 说平台时，指的是这些层合起来能完成的事情。

平台包含哪些能力

把 2.0 的官方文档和 GitHub 仓库放在一起看，能力可以分成四组。

智能体构建。核心是 ReActAgent 和 HarnessAgent。ReAct 负责推理、调用工具、观察结果，再继续推理；HarnessAgent 在同一循环上加入工作区、上下文、会话、计划模式、子 Agent 和任务列表。工具层支持原生 Python 函数、MCP 服务和外部 Skill。MCP 即模型上下文协议，负责把外部工具和模型连接起来。模型层可以接 OpenAI、Anthropic、Gemini、DashScope、DeepSeek、Moonshot、火山引擎、xAI 和 Ollama，并支持重试与备用模型。

上下文与权限。上下文管理包括压缩、工具结果卸载、按预算选择材料、检索增强生成和长期记忆。权限系统在工具调用前判断允许、拒绝还是等待用户确认，支持默认、只读、绕过等模式。中间件可以在推理、工具调用、模型调用、上下文压缩等环节插入自定义逻辑。事件系统把推理、工具调用和多模态内容以统一事件流推给前端。

运行与隔离。工作区可以跑在本地、Docker、E2B、Kubernetes、Apple Container、Bubblewrap、OpenSandbox 或 Daytona 等后端上，按用户、Agent 或会话做隔离。会话状态可以落到 Redis、SQL 数据库或对象存储。多租户和多会话是 2.0 的原生能力，已经进入框架设计。这组能力决定了 Agent 能不能安全地执行代码、读写文件，能不能在多用户环境里长期运行。

服务与观测。Agent Service 提供 FastAPI 后端和预置的 React Web UI，支持多租户、多会话、服务器推送事件流、后台任务、定时任务和智能体团队。团队模式由一个 leader 智能体派生 worker，按角色分工，成员可以在不同进程或节点上运行。服务层还提供飞书、钉钉、Discord 等渠道接入，知识库与检索增强生成服务，MCP 与 Skill Hub，资源共享和持久化。观测侧可以看到推理过程、工具调用、Token 消耗和任务进度，也支持 OpenTelemetry 链路追踪。

官方生态里还有 ReMe 长期记忆、OpenJudge 评测和 Trinity-RFT 强化微调等项目。它们和核心框架配合使用，但不属于每个项目都必须启用的部分。平台能力可以按需组合，项目不必一次全部打开。 先用最小组合跑通任务，再逐步加权限、沙箱、团队和服务层，成本和风险更容易控制。

AgentScope 能处理哪些业务任务

AgentScope 的适用场景，集中在需要多步骤执行、工具调用和持续会话的任务上。

知识问答与业务助理

Agent 可以结合会话历史、知识库检索结果和实时业务数据回答问题，再通过工具查询订单、更新工单或调用内部系统。前端既能展示回答，也能展示正在调用的工具和需要用户确认的待办。这类场景的关键条件是企业已经有可调用的应用接口、可用的知识库，以及清晰的权限边界。知识库文档质量差、接口不稳定，Agent 的回答也会跟着不稳定。

调研、数据分析与代码修改

这类任务步骤多、耗时长，适合用工作区、计划模式、子 Agent 和会话恢复来支撑。Agent 可以在工作区里读取材料、制定计划、执行工具、生成文件，遇到不同专业能力时再委派给子 Agent。任务中断后，计划、待办、工具结果和会话日志可以接着用。条件是需要配置沙箱、模型能力和任务验收标准，否则长任务容易在中途偏离目标。

多 Agent 协作

AgentScope 提供 leader-worker 团队、TeamPipeline、SOP 标准作业流程等能力。leader 负责拆解和分派，worker 在各自会话里并发执行，再把结果交回。适合有明确角色分工的任务，比如一个 Agent 做检索、一个做分析、一个做审核。多 Agent 协作的难点不在把 Agent 数量堆上去，而在角色边界、交接格式和失败处理。 如果任务本身两步就能完成，单 Agent 加工具通常更省成本。相关做法可以参考多 Agent 协作业务闭环。

企业多租户服务

当 Agent 要从内部工具变成对外服务，Agent Service 负责用户、会话、工作区、权限和事件流的管理。同一套服务可以面向多个租户，会话之间做隔离，长任务转到后台，结果回来再唤醒对话。条件是企业要准备 Redis、数据库、对象存储和沙箱运行环境，并补齐身份认证、审计和监控。服务层能省掉一部分脚手架，但不能替代企业的安全和运维体系。

哪些团队适合用 AgentScope

适合的团队通常有三个特征。第一，有 Python、Java 或 TypeScript 开发能力，能读懂框架文档并写工具。第二，需要把 Agent 接进自己的业务系统，对数据、权限、部署位置有要求。第三，愿意承担运行环境的维护，或者已经有容器、Redis、数据库和监控体系。

不太适合的情况也很明确。业务人员想无代码搭一个应用，AgentScope 的工程门槛偏高。团队只想接一个标准客服机器人，直接选成熟云端服务可能更快。企业要求厂商提供完整服务等级协议、等保合规和驻场支持，开源项目本身无法替代这些服务。团队没有精力跟进 2.0 的迁移，继续用 1.x 也要评估维护成本。

选型时可以从六个维度比较。语言栈是否匹配，部署方式是否支持私有化，隔离粒度是否够细，观测和评测是否可用，模型接入是否灵活，服务层是否达到生产要求。平台能力越全，使用门槛通常越高。 团队要按自己的工程能力选，不必为了“平台”两个字承担用不上的复杂度。

如果企业希望直接采用可私有化部署的企业级 Agent 平台，把运行时、权限、观测和业务场景一并交给产品团队，也可以把 ThinkingAI 的 Agentic Engine 放进同一轮比较。两条路径的交付方式不同，判断标准应该回到业务任务、数据边界和长期运维成本。

落地前要算清哪些成本

第一笔是开发成本。写一个能演示的 Agent 不难，难的是把工具、权限、上下文、异常处理和评测做完整。团队要投入的不只是框架学习，还有业务知识整理、工具接口改造和测试用例建设。

第二笔是运行成本。Agent Service 的示例默认依赖 Redis，生产环境还要考虑数据库、对象存储、沙箱容器和 Kubernetes。模型调用按 Token 计费，长任务、多 Agent 和频繁重试都会放大消耗。把 Token 预算、并发量和沙箱数量先算清楚，比事后优化更有效。

第三笔是迁移成本。2.0 与 1.x 存在破坏性变更，部分接口被删除或重命名，PlanNotebook 被计划模式替代，检索增强生成和长期记忆模块也在重构。老项目升级前要读迁移指南，逐项验证，不能直接替换依赖。

第四笔是安全成本。官方文档明确说明，Agent Service 内置的用户身份读取是占位实现，生产环境需要替换成企业自己的认证体系。沙箱、工具权限、人工审批、审计日志和密钥管理都要单独设计。开源许可证允许商用，但不等于企业已经满足合规要求。 具体的安全做法可以参考企业级 AI Agent 安全与治理。

还有一点需要留意版本成熟度。Python 侧的 Agent Service 功能较完整，Java 侧的 AgentScope Service 仍标注为预览能力，正式版本尚未发布。不同语言、不同版本的功能进度会有差异，选型时要按实际使用的语言核对文档。

怎么开始一次小范围评估

评估先回答三个问题。这个任务能不能稳定完成，异常能不能被发现和终止，成本能不能算清。先用最小任务验证，再决定是否进入生产。

• 选一个边界清楚的任务。内部知识问答、周报生成、单条业务数据查询都可以，先不要做全公司平台。
• 用 Python 版跑通最小 Agent。确认模型接入、工具调用、权限确认、事件流和日志都能工作。
• 启动 Agent Service 示例。验证多会话、服务器推送事件、后台任务、定时任务和 Web UI，再用 Docker 沙箱测试代码执行。
• 做一次安全和成本压测。检查越权访问、沙箱边界、工具审批、Token 预算和故障恢复。
• 再决定是否进入生产。补齐认证、持久化、监控、灰度发布和回滚方案。

这套路径和一般的企业 Agent 落地路线相似，先证明单点任务，再扩到团队和服务层。需要更完整的阶段划分，可以参考企业 Agent 落地路线图。

关于 AgentScope 的常见疑问

AgentScope 是阿里云的产品吗

AgentScope 由阿里巴巴通义实验室研发并开源，代码托管在 GitHub，采用 Apache License 2.0。它不等同于阿里云上的某个托管服务。云上部署、模型调用和运维支持要看具体使用的云产品，不能直接等同于 AgentScope 项目本身。

AgentScope 平台和 AgentScope 智能体平台是同一个吗

是同一个项目体系的两种叫法。平台指整体，核心框架、Runtime、Studio 和 Agent Service 是其中不同的层。看到不同文章用不同名字时，先确认它说的是整体还是某一层。

AgentScope 免费吗

代码按 Apache License 2.0 开源，使用、修改和商用一般不需要支付授权费。模型接口、云资源、存储、沙箱和运维人力需要另行计算。第三方工具和模型也有各自的许可与服务条款，落地前要逐项核对。

AgentScope Studio 还能用吗

1.0 时期 Studio 是独立的可视化开发与监控工具，支持项目管理、调用链追踪、评测和内置助手 Friday。2.0 起，官方把可视化、调试和多会话管理收进 Agent Service 自带 Web UI，独立 Studio 不再作为主要入口。新项目建议直接看 2.0 文档，老项目可以保留参考，但要评估后续维护。

AgentScope 支持哪些编程语言

目前主要有 Python、Java 和 TypeScript。Python 与 TypeScript 已经升级到 2.0，Java 2.0 也已发布。不同语言的文档完整度和功能进度不完全一致，选型时要按团队实际使用的语言核对。

AgentScope 能直接商用吗

Apache License 2.0 允许商用，但开源许可证不提供商业保证。企业需要自行完成安全、合规、权限、审计、数据保护和服务等级协议评估。涉及金融、医疗、政务等强监管场景时，还要按行业要求做额外验证。

AgentScope 和 ThinkingAI 的 Agentic Engine 是一回事吗

两者不是同一个产品。AgentScope 是通义实验室开源的技术栈，Agentic Engine 是 ThinkingAI 的企业级 Agent 平台，定位和交付方式不同。企业可以按自建、采购或联合共建三种方式比较，判断依据仍然是业务任务、数据边界和长期运维成本。

参考来源

• AgentScope 官方文档，AgentScope 2.0 是什么，https://docs.agentscope.io/zh/versions/2.0.10dev
• AgentScope GitHub 仓库，https://github.com/agentscope-ai/agentscope
• 通义实验室，开发更可控，部署更便捷，AgentScope 迈入 1.0 时代，https://mp.weixin.qq.com/s/7p525jsxZg3hA-qA12mKJA
• AgentScope 官方文档，Agent Service，https://docs.agentscope.io/zh/versions/2.0.10dev/deploy/agent-service
• AgentScope 官方文档，Release Notes，https://docs.agentscope.io/zh/versions/2.0.10dev/release-notes
• AgentScope Studio GitHub 仓库，https://github.com/agentscope-ai/agentscope-studio
• IT之家，阿里通义实验室推出开源智能体开发框架 AgentScope 1.0，https://www.ithome.com/0/879/818.htm
• AgentScope 官网，https://agentscope.io

以上资料访问于 2026 年 11 月。