共计 2595 个字符，预计需要花费 7 分钟才能阅读完成。
在2025年9月，阿里云通义实验室宣布开源其新一代多智能体开发框架AgentScope1.0，旨在为企业级应用提供涵盖开发、部署和监控的全生命周期解决方案。仅过两个月，通义千问于11月5日再度发布框架的重大更新，推出两款新开源智能体，同时强化了其核心能力，从而进一步降低多智能体系统的应用门槛。
新增开源智能体，提供定制化体验
此次更新的核心在于推出了基于AgentScope构建的两款开源智能体应用，旨在满足开发者对定制化解决方案的迫切需求。
Alias-Agent专注于灵活的任务规划与处理，内置ReAct、Planner-Executor、Deep Research和Browser-Use四种专业模式，能够根据任务类型智能切换工作方式。例如，在进行金融数据分析时，它会自动启用Deep Research模式以整合多源信息；而在需要获取实时信息时，则会切换至Browser-Use模式以访问网页资源，所有操作均在安全沙箱内完成，确保效率和安全并重。
Data-Juicer Agent则实现了多智能体系统与数据处理工具的深度融合，将AgentScope的编排能力与Data-Juicer的数据处理算子无缝连接，使得开发者可以通过自然语言驱动数据清理和标注等复杂任务。在医疗影像分析等对数据处理精度要求极高的场景中，它能够协调多个子智能体完成从图像预处理到特征提取再到报告生成的全链条工作，显著简化了流程的复杂性。
核心能力提升，贯通开发与部署全链条
通过在基础能力上的增强，框架为生产级应用奠定了更加坚实的技术基础。
在记忆管理方面，AgentScope1.0集成了ReMe的长期记忆方案，实现了个人、任务和工具三个维度的记忆持久化存储。与传统框架只能维持短期上下文的方式不同，它通过短期记忆压缩与跨会话的长期记忆协同机制，使智能体能够真正记录历史交互信息。举例来说，客服智能体可以跨会话保留用户的咨询记录，从而避免重复提问，显著提升服务的连贯性。
在训练与优化方面，该框架与Trinity-RFT框架进行了深度整合，支持智能体强化学习（Agentic RL）的训练。开发者只需少量的代码适配，就能够对智能体的工作流进行策略优化，并可自定义奖励函数以满足个性化需求。在工业质检等场景中，经过训练的智能体能够持续提升缺陷识别的能力，适应新的工作条件。
在部署与运行能力的提升上，框架更贴近企业的实际需求。Runtime模块现已支持Docker、Kubernetes和阿里云函数计算（FC）等多种环境的部署，确保从本地开发到云端上线的一致性。安全沙箱新增基于VNC的图形控制界面，实现了文件系统与浏览器环境的严格隔离，非常适合金融交易和医疗数据处理等敏感场景。同时推出的Python SDK，使得企业现有系统（如ERP）能够轻松集成智能体功能，实现自动化流程审批等多种功能。
工具链与架构设计，兼顾易用性与扩展性
AgentScope 1.0通过优化工具链和创新架构，成功实现了开发效率与系统灵活性的平衡。
开发者工具链提供了代码与可视化双路径的支持。官方推出的AgentScope-Samples项目，涵盖了文献研究助手、网页操作专家等全栈案例，涉及科研、电商和企业服务等多个领域。例如，智能投研助手能够自动整合多来源的信息生成市场报告，而研发协同智能体则可以实现需求拆解与代码审查的闭环流程。可视化工具AgentScope Studio提供实时监控、状态追踪和性能评估功能，多个智能体之间的通信链路可以直观呈现，非技术人员也能通过拖拽式操作轻松构建工作流，例如快速配置“用户咨询→知识库检索→工单分配”的客服自动化流程。
框架的三层解耦架构是其核心设计亮点：核心框架负责智能体的构建与任务的编排，支持文本、图像和音频等多模态数据的传输；Runtime提供了安全的运行环境，兼容LangGraph、AutoGen等主流框架，便于开发者重用现有工具链；Studio则负责跨平台的监控，通过OpenTelemetry集成Arize-Phoenix等第三方观察平台，实现模型幻觉检测与异常拦截。基于Actor模型的分布式设计，使得系统能够自动识别可并行的智能体节点，在电商促销等高峰场景中，将订单处理的响应时间压缩至毫秒级，吞吐量提升超过24倍。
开源生态与行业落地，推动技术产业化
AgentScope 1.0采用Apache2.0开源协议，代码已同步至GitHub，并且Studio模块也已单独开源供开发者使用。官方提供了从安装到核心概念、教程及API的完整文档，帮助新用户迅速上手，通常在1小时内便可完成首个智能体的部署与调试。
目前，该框架已在多个行业中实现了落地验证：某跨国企业通过Data-Juicer Agent优化了客户数据处理流程，显著提升了数据处理规模；工厂在部署Alias-Agent后，通过设备日志分析实现了故障的快速诊断，缩短了问题解决的周期。在智能客服、研发协同和数字员工等多智能体合作场景中，框架的模块化设计使得企业能够专注于业务价值的创造，而无需重复解决架构问题。
展望未来，AgentScope计划进一步扩展多模态支持，接入语音交互能力，并探索边缘计算的部署方案，以适应工业巡检机器人和智能家居等终端设备的需求。同时，团队将推动与A2A等框架的协议标准化，目标是构建企业级智能体运营中心。
从技术架构到生态布局，AgentScope 1.0的升级清晰展示了降低开发门槛和适应企业需求的核心理念。通过开源智能体提供的定制化能力，以及分层架构保障的扩展性，这一框架成为企业从智能体原型验证到大规模落地的实用选择。
如果你喜欢这篇文章，别忘了点赞、在看、转发和分享。你的每次互动都是我们最大的鼓励，也是我们继续创作的动力！
炎炎星球：专注于AI、机器人、智能设备、智能驾驶等前沿科技的发展，致力于科普、应用与创新。努力成为AI新时代的开拓者、新兴产业的观察者、前沿科技的探索者，以及智慧成长的引导者！欢迎大家关注：）
