AgentScope 2.0 发布

AgentScope 是一个开源的智能体应用开发框架，帮助开发者完成从大模型到智能体的构建与部署。当下开发智能体应用，面临的挑战不只是让智能体响应单次请求，更重要的是如何让它稳定地”完成任务”：持续处理长链路任务、安全可靠地调用工具，并顺畅接入各类外部应用。 为应对这些挑战，AgentScope 1.0 通过”透明开发”的设计理念，让开发者能够清晰洞察智能体接收消息、调用工具与组织协作的全过程，从而降低理解、调试和扩展的门槛。AgentScope 2.0 正是在延续透明理念的基础上，进一步聚焦真实场景下的稳定运行、安全控制与接入需求，带来一次更严肃、更完备、更整体的系统性升级。

​

一、模型接入：开放生态之上，加入容错能力

AgentScope 2.0 继续保持开放的模型接入能力，支持 Qwen、Anthropic、DeepSeek、Gemini、OpenAI 等主流模型，并进一步扩展 Grok、Moonshot 等模型的支持。但 2.0 的重点不只是”接入更多模型”，而是让模型调用在复杂任务中更加稳定可靠。 在真实任务中，Agent 往往需要多轮推理和多次工具调用；任何一次模型接口失败、超时或不可用，都可能影响后续执行。为此，AgentScope 2.0 在模型层引入统一的重试与备用模型机制。开发者可以配置最大重试次数，也可以设置备用模型；当主模型调用失败时，框架可以自动尝试备用模型，尽可能保持任务执行的连续性。 模型接入部分的升级，让 Agent 不只是”能调用模型”，而是具备了更稳健的模型运行策略。对于需要持续推理和多步执行的任务来说，模型层的稳定性也成为 Agent 能否顺利完成任务的重要基础。

​

二、消息与事件：从聊天消息升级为可交互执行流

智能体应用的复杂度，也体现在消息上。普通聊天应用里，消息可以只是字符串；但在智能体执行过程中，一条消息里可能同时包含文本、图片、文件、工具调用、工具结果、模型思考、用户确认状态、外部执行结果等。AgentScope 2.0 对消息模块进行了重构，通过统一的 Content Block 承载以上不同的消息类型。其中，DataBlock 支持 base64 与 URL 两类数据源，可以更好地兼容不同模型 API 的多模态与文件能力。 在此基础上，AgentScope 2.0 引入事件系统。一次 Agent 回复不再只是返回最终文本，而是可以流式产生模型调用开始、文本增量、工具调用、工具结果、用户确认、外部执行等事件。这让前端 UI 可以实时展示 Agent 的执行过程，也让人工确认、人工介入和外部工具执行成为框架内生能力。例如，当智能体要执行某个敏感工具时，可以触发用户确认；当工具需要在外部环境中执行时，也可以等待外部执行结果后继续任务。 因此，消息模块与事件系统的升级，不只是延续了 AgentScope 对”透明”的强调，也让智能体的执行过程变得可展示、可交互、可干预。开发者看到的不只是最终答案，而是一个可以被持续观察和继续推进的智能体执行过程。

​

三、权限系统：让自主执行更有边界

为了更好地发挥大模型的能力，智能体需要拥有更强的自主性：它不只被动地产生回应，还能够根据任务进展主动选择工具、读取信息、执行操作。但智能体越能自主行动，就越需要明确权限的边界。 AgentScope 2.0 引入了更加系统化的权限系统，用来控制智能体在调用工具、读写文件、执行命令时的行为边界。工具调用不再是简单的允许或禁止，AgentScope 可以根据静态规则、工具类型和输入内容，判断一次操作应该被允许、拒绝，还是交给用户确认。例如，文件读写工具会检查是否涉及危险目录和敏感文件；命令执行工具会分析高风险命令、动态 shell 结构和危险删除操作；对于未知或高风险行为，AgentScope 可以自动进入用户审批流程。 权限系统的引入，让智能体不只是”能调用工具”，而是能够在清晰可控的边界内自主执行任务。对于需要持续使用工具、访问文件或执行命令的复杂任务来说，安全边界也成为智能体能否稳定完成任务的重要基础。

​

四、上下文管理重构：支撑长期任务与性能优化

处理长期任务是智能体应用走向真实场景时的重要部分。一个长期任务可能包含多轮模型调用、多个工具结果、大量文件内容和用户反馈。如果上下文管理只停留在”把历史压缩进窗口”这一层，很快就会遇到新的问题：哪些信息应该保留，哪些工具结果需要截断，文件内容如何避免重复读取，任务状态又如何在长链路执行中持续延续 等等。 AgentScope 1.0 已经提供了上下文管理能力；到了 2.0，这部分能力进一步走向系统化。AgentScope 2.0 会结合任务状态、工具结果和文件读写过程管理上下文：压缩结果不只是简单摘要，而是结构化保留任务目标、当前状态、关键发现、下一步计划和需要长期保留的信息；工具结果会被截断，避免超长日志、搜索结果或文件内容冲垮上下文窗口；内置文件读写工具也加入文件缓存机制，减少重复 IO，并要求编辑已有文件前先读取文件内容，从而提升性能和操作可靠性。 因此，上下文管理在 AgentScope 2.0 中不只是”压缩历史”，而是升级为支撑长期任务执行的系统策略。它让智能体能够更有组织地维护任务状态、控制上下文规模，并在持续推理和多次调用工具的过程中保持稳定。

​

五、Middleware：让框架扩展更灵活

真实场景中的智能体往往需要接入不同的日志记录、权限策略、业务上下文和模型调用策略。如果这些能力都必须通过修改框架内部实现来完成，扩展成本会很高，也会影响框架本身的稳定性。 AgentScope 2.0 引入 middleware 机制，让开发者可以在 Agent 的关键执行环节插入自定义逻辑，例如模型调用前后的日志追踪、工具执行前的安全检查、reasoning 和 acting 流程中的业务策略，以及 system prompt 构造阶段的动态上下文注入。通过 middleware，AgentScope 2.0 可以在保持核心框架稳定的同时，为不同应用场景留下足够灵活的扩展空间；这也延续了 AgentScope 1.0 的透明理念：框架不是黑盒，开发者可以清晰地理解它、介入它。

​

六、Workspace：让执行环境与 Agent 逻辑解耦

随着智能体能力变强，它不再只是调用模型，而是需要使用工具、访问文件、加载技能、连接 MCP 服务，并在不同环境中执行任务。如果这些能力都写进智能体运行逻辑里，一旦切换本地环境、容器环境或云沙箱，开发者就需要反复适配。AgentScope 2.0 引入 Workspace，正是为了把”智能体要做什么”和”在哪里执行”分开，让执行环境成为可替换、可管理的系统组件。 Workspace 是 AgentScope 2.0 对智能体执行环境的抽象。它为智能体提供工具、MCP 服务、Skills 技能库以及上下文持久化能力，并将本地文件系统、Docker 容器、E2B 云沙箱等不同执行后端统一到同一套接口下。这样，同一个智能体可以在不同环境中运行，而不需要改动运行逻辑。它的设计主要体现在三个方面： 第一，统一接口。WorkspaceBase 抽象出身份标识、生命周期、资源发现、上下文卸载和动态资源管理等通用能力，不同后端只需要实现同一套接口，就可以接入到 AgentScope 的执行体系中。 第二，组合解耦。智能体本身不直接依赖具体 Workspace，而是通过工具集（Toolkit）和指令（instructions）间接使用工具与资源。这样既保留了执行环境的可替换性，也保持了智能体运行逻辑的稳定性和可迁移性。 第三，池化支持。Workspace 内置预热池机制，支持提前批量初始化执行环境，并提供获取、归还和失效替换等管理能力。在面对 RL 训练中的并行 rollout 等场景中，它可以降低环境频繁创建的开销，提高资源复用和任务执行效率。 Workspace 的引入，让智能体不只是”能调用工具”，而是能够在可替换、可管理的执行环境中持续工作。对于需要在本地、容器或云沙箱之间切换的复杂任务来说，执行环境的抽象也成为智能体稳定运行和灵活扩展的重要基础。

​

七、Agent Service：从本地脚本走向可部署系统

AgentScope 2.0 在这次升级中，将原本 AgentScope Runtime 中的 Agent Service 能力合并到主库中。这背后的原因很直接：真实场景需要的不是一个只能在 terminal 或单个 Python 进程里运行的智能体，而是一个可以被前端、外部应用和工作流稳定调用的智能体服务。 过去，如果智能体核心逻辑和运行时服务能力分散在不同体系中，开发者需要在本地开发、接口封装、状态管理、日志恢复、沙箱执行和部署运维之间反复衔接。AgentScope 2.0 将这些能力整合进来，是为了减少这种割裂，让智能体从开发阶段开始就按照可服务化、可恢复、可观测、可安全运行的方式构建。 通过标准化服务接口，智能体可以以流式方式对外输出执行过程，支持前端实时展示；通过 Session 日志恢复，任务可以在中断后继续；通过工具后台运行管理，长耗时工具可以更稳定地执行。Agent Service 的合并，让智能体不只是”能在本地跑起来”，而是能够作为稳定服务接入不同应用和执行场景，成为智能体系统持续运行的重要支撑。

​

结语：从透明开发到系统工程

延续 1.0 “透明开发”的理念，AgentScope 2.0 进一步围绕”让智能体稳定完成任务”这一目标展开系统性升级：从模型层的重试机制，到执行环境的抽象解耦；从细粒度的权限边界，到标准化的服务接入，这些升级旨在能够系统性地回应真实场景中智能体长期运行、安全调用工具、持续推进任务和接入外部应用的共同需求。AgentScope 2.0 也由此从关注”如何构建智能体”，进一步走向关注”如何让智能体可靠运行”。 在 2.0 的更新中，AgentScope 同时在多语言层面做了更多的支持，除了 Python 版本已经更新到 2.0（https://github.com/agentscope-ai/agentscope），还推出了 TypeScript 版本的 AgentScope（https://github.com/agentscope-ai/agentscope-typescript）；JAVA 版本的 AgentScope 也将在近期同步更新到 2.0 版本。 作为基于 AgentScope 构建的智能体应用，QwenPaw 也将在近期同步升级至 AgentScope 2.0 基座，为用户提供更稳定、更安全、更易扩展的智能体体验。 AgentScope 2.0，正在为超级智能体应用提供更坚实的系统底座。