AgentScope

1. 项目/产品概览

2. 它主要能做什么

AgentScope 2.0 的定位是 "安全、高效、灵活、完整的全栈 Agent 框架"，覆盖从开发到部署的全生命周期：

框架架构

AgentScope 2.0 全栈架构：从 Agent SDK 到多租户服务、Web UI、分布式部署，一整套生产级方案。

3. 适用场景

4. 不太适合的场景

5. 核心能力清单

5.1 Agent 核心

5.2 工具系统

5.3 安全体系（三级防护）

5.4 上下文与记忆

5.5 中间件系统

5.6 生产服务

6. 架构/部署/集成方式

部署模式

模型集成

• 阿里系：DashScope（通义千问系列，深度集成）
• OpenAI：GPT 系列
• Anthropic：Claude 系列
• DeepSeek：DeepSeek 系列
• 其他：通过统一 Model API 接入任意 LLM

7. 怎么用

安装

# Python 3.11+
uv pip install agentscope
# 或 pip install agentscope

第一个 Agent

from agentscope.agent import Agent
from agentscope.model import DashScopeChatModel
from agentscope.credential import DashScopeCredential
from agentscope.message import UserMsg
import os

agent = Agent(
    name="Friday",
    system_prompt="你是一个有用的助手。",
    model=DashScopeChatModel(
        credential=DashScopeCredential(api_key=os.environ["DASHSCOPE_API_KEY"]),
        model="qwen3.6-plus",
    ),
)

async for evt in agent.reply_stream(UserMsg("Tony", "你好！")):
    # 处理事件流：REPLY_START、MODEL_CALL_START、TEXT_BLOCK_DELTA 等
    pass

启动 Agent 服务（多租户 + Web UI）

git clone https://github.com/agentscope-ai/agentscope.git
cd agentscope/examples/agent_service
python main.py  # 启动后端

cd ../web_ui
pnpm install && pnpm dev  # 另一个终端启动前端

关键截图

Agent Team — Leader 创建 Worker 并协调执行：

Agent Team 模式：Leader Agent 自动管理 Worker 池，分配和协调任务。

任务规划 — Agent 自动分解复杂任务并跟踪进度：

任务规划：Agent 将复杂任务拆分为可追踪的计划步骤，边执行边更新。

8. 售前可以怎么讲

8.1 一句话定位

"AgentScope 是阿里出品的生产级 Agent 框架 — 安全、全栈、国产可控。"

8.2 客户痛点 → 解决方案

8.3 差异化卖点

vs LlamaIndex / LangChain（国际化框架）：

• 阿里出品，国产可控，信创友好
• 安全体系（三级防护 + 沙箱）是竞品不具备的
• 多租户多会话服务开箱即用（竞品需自己搭建）
• DashScope / 通义千问深度集成，降低国内客户使用门槛

vs Agno：

• AgentScope 安全防护更完整（三级 vs 单层 RBAC）
• AgentScope 有 Web UI 和完整的前后端分离架构
• Agno 在版本化组件和组件管理上更成熟
• 技术路线不同：AgentScope 用事件驱动 + 中间件，Agno 用原语 + 能力挂载

vs Dify / Coze（低代码平台）：

• AgentScope 是代码级框架，灵活性更高
• Dify/Coze 是拖拽式低代码，适合非开发者
• 目标用户不同，可互补使用

8.4 客户价值故事线

1. 切入："你们在做 AI Agent 应用，最担心的是什么？安全？多租户？还是国产化要求？"
2. 共鸣："海外框架虽然成熟，但在安全、合规、中文支持、阿里云生态集成上都有短板。"
3. 演示：10 分钟跑通第一个 Agent → 加沙箱 → 启动 Agent Service → 开 Web UI
4. 进阶：单 Agent → 代码工具集 → Agent Team → 分布式部署
5. 放心：阿里开源、Apache-2.0、两篇学术论文、27K Stars、社区活跃

9. 常见客户问题

10. PoC 建议

推荐 PoC 方向：企业代码助手 Agent 平台

验证指标：

• 沙箱隔离有效性（Agent 无法越权访问）
• 多租户数据隔离（租户 A 看不到租户 B 的数据）
• Human-in-the-Loop 审批流程可用性
• Agent Team 任务分配准确率
• 并发会话下的服务稳定性

11. 风险和注意事项

12. 我的售前判断

推荐度：强烈推荐（特别适合有国产化/安全要求的国内企业客户）

理由：

1. 国产标杆：阿里巴巴出品、27K Stars、两篇学术论文——是国内 Agent 框架中技术底蕴最深的
2. 安全第一：三级安全防护 + 沙箱隔离，竞品中安全体系最完整——对金融、政务等客户是杀手锏
3. 生产就绪：v2.0 全力投入多租户、分布式、Web UI 等生产级特性
4. 全栈覆盖：SDK + 后端 + 前端 + 分布式，一套框架搞定全链路
5. 生态友好：DashScope 深度集成，MCP 支持，工具系统灵活扩展

推荐客户画像：

• 国内企业，有国产化/信创需求
• 安全敏感行业（金融、政务、医疗、能源）
• 需要多租户 Agent 平台（SaaS 创业者）
• 使用阿里云生态（DashScope、通义千问）
• 团队有 Python 基础，走代码级开发路线

不推荐的情况：

• 纯海外部署（建议 LlamaIndex/LangChain）
• 简单场景不需要安全沙箱（复杂度不值得）
• 非技术人员需要低代码平台（推荐 Dify/Coze）
• v1.0 老用户且无法投入迁移成本

13. 参考资料

• GitHub 仓库：https://github.com/agentscope-ai/agentscope
• 官方文档：https://docs.agentscope.io
• README（中文）：https://github.com/agentscope-ai/agentscope/blob/main/README_zh.md
• Roadmap：https://github.com/orgs/agentscope-ai/projects/2/views/1
• 学术论文 v1.0：https://arxiv.org/abs/2508.16279
• 学术论文原版：https://arxiv.org/abs/2402.14034
• Discord 社区：https://discord.gg/eYMpfnkG8h
• PyPI：https://pypi.org/project/agentscope/

分析日期：2026-06-02 | 数据时效：GitHub 信息实时拉取，产品功能基于官方文档 v2.0.3