10分钟跑通你的第一个AgentScope智能体从安装到工具调用的完整指南【免费下载链接】agentscopeBuild and run agents you can see, understand and trust.项目地址: https://gitcode.com/GitHub_Trending/ag/agentscope当你想让AI不只是聊天而是真正去跑命令、读代码、改文件时手写思考→调用工具→观察结果的循环会很折磨人。AgentScope 2.0 把这个循环整个封装进了一个Agent类你只管配模型和工具剩下的它自己转。跑完本文你能做到10分钟内装出一个会在终端里自主调用 Shell 和文件工具的 ReAct 智能体看懂推理-行动循环、max_iters保险丝和自动上下文压缩用 3 行代码把自己的业务函数注册成智能体可调用的工具场景与价值省掉你手写的哪部分自己拼一个能干活智能体意味着你要写消息循环、工具协议、权限确认、流式渲染还要处理长对话撑爆上下文窗口。AgentScope 把这些都固化进了Agent什么时候调工具由模型自己决定危险操作先问你上下文快满时自动压缩。你的时间留给业务逻辑而不是框架胶水。一次性跑起来安装、最小代码与验证信号 第1步装好依赖。需要 Python 3.11一条命令装包。验证信号能打印出版本号。uv pip install agentscope # 要求 Python 3.11 及以上 python -c import agentscope; print(agentscope.__version__) # 能打印版本号即成功第2步写最小可运行代码。下面这段是完整的最小配置一个模型 一套内置文件工具 终端交互入口。验证信号程序进入聊天界面输入任意一句话能看到流式回复。import os, asyncio from agentscope.agent import Agent from agentscope.console import launch_console from agentscope.credential import DashScopeCredential from agentscope.model import DashScopeChatModel from agentscope.tool import Toolkit, Bash, Grep, Glob, Read, Write, Edit async def main(): agent Agent( nameFriday, system_promptYoure a helpful assistant named Friday., modelDashScopeChatModel( credentialDashScopeCredential(api_keyos.environ[DASHSCOPE_API_KEY]), modelqwen3.6-plus, # 模型名可换成你账户可用的型号 ), toolkitToolkit(tools[Bash(), Grep(), Glob(), Read(), Write(), Edit()]), ) await launch_console(agent) # 终端交互流式输出、工具确认、CtrlC 中断都帮你处理好了 asyncio.run(main())第3步运行并确认工具真的被调用了。验证信号终端里能看到调用 Glob/Read 工具的过程和结果而不是只有一段文字回复。export DASHSCOPE_API_KEYsk-... python main.py想直接玩官方完整版带长期记忆和工作区也可以克隆仓库跑现成示例git clone https://gitcode.com/GitHub_Trending/ag/agentscope cd agentscope/examples/console python main.py背后原理先跑通再懂它跑起来之后机制其实一句话就能说清Agent内部是一个 ReAct 循环——模型每轮看着全部历史输出想法 动作调哪个工具、参数是什么框架执行动作、把结果塞回对话如此往复直到模型认为干完了、给出最终答案。可以把它想成一个接单工人每交一件活他先说我打算这么做干完看一眼结果再决定下一步。两个参数替你兜底。ReActConfig的max_iters是保险丝超过最大轮数强制收工防止模型绕圈打转ContextConfig的trigger_ratio默认 0.8决定上下文用到八成容量时触发自动压缩——智能体把历史总结成一份结构化交接单再带着它继续干活就像换班工人留的工作笔记。循环入口和配置类都在 src/agentscope/agent/ 里压缩总结的字段结构见src/agentscope/agent/_config.py中的SummarySchema。从演示到可用3 行代码注册自定义工具 内置工具不够时把任意 Python 函数包一层即可函数签名和 docstring 会被自动转成工具说明from agentscope.tool import Toolkit, FunctionTool, Read def weather_query(city: str) - str: 查询城市天气 # docstring 会成为模型看到的工具描述 return f{city}今天天气晴朗 toolkit Toolkit(tools[Read(), FunctionTool(weather_query)])替换模型供应商模型、凭证都是可替换件换供应商只需改两处导入和参数from agentscope.credential import OpenAICredential from agentscope.model import OpenAIChatModel model OpenAIChatModel( credentialOpenAICredential(api_keyos.environ[OPENAI_API_KEY]), modelgpt-4o, # 换成你要调用的模型名 )其余供应商Anthropic、Gemini、DeepSeek、Ollama 等在 src/agentscope/model/ 和 src/agentscope/credential/ 下按同一套模式提供。参数调优轮次与压缩阈值长任务容易提前撞轮次上限啰嗦的对话又可能过早压缩丢细节两个旋钮按需拧from agentscope.agent import Agent, ReActConfig, ContextConfig agent Agent( nameFriday, system_prompt..., modelmodel, toolkittoolkit, react_configReActConfig(max_iters15), # 推理-行动最大轮数默认值不够就调大 context_configContextConfig(trigger_ratio0.9), # 压缩触发阈值越大保留越多原始历史 )实战场景三组可直接粘贴的提示词在跑起来的控制台里输入下面任意一句观察它触发什么列出当前目录下的所有 Python 文件 → 触发Glob/Read。只读工具免确认直接执行并返回清单。创建一个 note.md总结我们刚才的对话 → 触发Write。写操作首次会要求确认按y放行一次按a连带记住规则之后同类写入不再询问。把整理用户反馈并修复高优 bug拆成可执行的任务清单 → 触发内置任务工具TaskCreate/TaskList复杂工作被拆成带跟踪的计划边做边更新。官方控制台示例里还配了长期记忆中间件输入请记住我偏好简洁的中文回答偏好会被持久化到工作区重启后问你记得我的偏好吗依然有效说明见 examples/console/README.md。小结与下一步Agent就是 ReAct 循环的一体化封装模型决定何时调工具max_iters和trigger_ratio分别管轮次和压缩Toolkit统一管理内置文件工具、Python 函数和 MCP 工具加能力只需往里加调试走 Console 最快要做多用户、多会话的产品看 Agent Service进阶路径智能体服务示例后端 Web UIexamples/agent_service/README.md工具与任务工具备选清单src/agentscope/tool/工具贡献说明CONTRIBUTING.md把示例里的工具换成你自己的业务函数——接一个内部 API你的智能体就能真的干活了。控制台示例examples/console/智能体服务示例examples/agent_service/问题反馈与贡献指南CONTRIBUTING.md【免费下载链接】agentscopeBuild and run agents you can see, understand and trust.项目地址: https://gitcode.com/GitHub_Trending/ag/agentscope创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考