阿里Qwen团队开源的AgentScope：一个灵活但强大的多智能体开发平台（一）

在AI Agent快速普及的今天，阿里Qwen团队开源了一款名为AgentScope的多智能体开发平台。它究竟解决了哪些痛点，又有哪些过人之处？这篇文章将逐一拆解。

Agentscope 的开发背景

说到多智能体应用的开发，复杂度确实是一个绕不开的坎。跟单智能体只跟用户打交道不同，多智能体背后需要同时管理多个模型和多个智能体——这对平台的通用性和便利性提出了相当高的要求。想想看：不同智能体可以通过不同初始配置来专攻不同功能；一个应用可能需要智能体严格遵循标准化操作流程（SOP），也可能是更动态的工作流；智能体之间的通信方式，从一对一聊到广播式讨论组，千差万别。开发者真正想要的是一个方便的平台，能用简洁明了的编程模式把这些复杂场景都搞定，从而加速开发周期。但想同时做到通用性和便利性，就必须在设计上做精细权衡。

另外，异常是埋在多智能体系统里的“爆点”。尽管大模型进化飞快，但幻觉、指令遵循不到位这些老问题依然存在。况且一个智能体可以挂载各种工具，这些工具又带来了额外的不确定性（比如能不能访问数据库或互联网）。从系统鲁棒性来看，单个意外错误或响应如果没处理好，可能会像多米诺骨&牌一样扩散到整个系统。所以，让多智能体应用自主检测并处理LLM的错误响应至关重要。虽然LLM能帮忙识别和管理这些错误，但确定它们能不能自己搞定错误、自动提供纠错所需的信息——这仍然是个挑战。因此，在多智能体应用开发中，如何把LLM的容错性整合进去，是一个关键课题。

再者，多模态数据的兼容性也是个系统工程。涉及多模态内容生成的智能体或LLM应用越来越多。要在多智能体应用里支持多模态数据，需要一套全面系统的方法——包括数据存储、呈现、用户交互、消息传输、通信等方方面面。但满足这些要求会带来新挑战：不同格式的数据一致性怎么保证？数据传输和智能体通信过程中如何保持高性能？怎么避免给开发者和用户引入复杂的概念？虽说市面上有特定于应用的解决方案，但至今没有通用的平台级编程接口来支撑多模态应用。

分布式应用程序更是带来了额外的编程困难和系统设计挑战。面向工业的场景下，智能体可能分属不同组织、跑在不同机器上，因为它们带有独特的私有知识或专利工具。要支持这类应用，开发人员通常得具备分布式系统编程和优化的专业知识。而且分布式应用在开发和测试阶段往往要投入更多精力，特别是调试诊断分布式进程或智能体上的问题时。更麻烦的是，把高级功能（比如多模态数据处理）集成到分布式环境时，智能体完成子任务的时间可能不一样，或生成的内容极度异构，这些都会引入额外挑战。设计决策一旦糟糕，智能体之间的通信开销就会暴涨。所以对开发者来说，高效解决这些问题、确保系统有效运行，并不容易。

正是为了应对上述挑战，AgentScope应运而生——一个面向不同专业水平开发者的新型多智能体平台。

Agentscope 是什么

一、整体架构

AgentScope 的架构分为三个层次，如上图所示。这三层为多智能体应用提供了不同层次的支撑，包括单个智能体的基础与高级功能（实用层）、资源和运行时管理（管理器和包装器层），以及从智能体级到工作流级的编程接口（智能体层）。AgentScope 引入了直观的抽象概念，旨在满足每层固有的多样化功能，同时简化构建多智能体系统时复杂的层间依赖关系。此外，平台提供了编程接口和默认机制，来增强多智能体系统对不同层内故障的弹性。

：作为平台的基础，实用层提供了支撑智能体核心功能的基本服务。它把底层操作的复杂度（比如 API 调用、数据检索、代码执行）给抽象掉了，让智能体能专注在自己的主要任务上。实用层设计以易用性和鲁棒性为最高优先级，支持多智能体系统中的多功能操作，并为异常和错误处理内置了自动重试机制，以应对意外中断。

：作为中间层，管理器和包装器抽象层负责管理资源和 API 服务，确保资源的高可用性，并抵御 LLM 的不良响应。跟实用层提供默认处理程序不同，管理器和包装器层还提供了可定制的容错控制接口，开发人员可以根据自身需求和具体应用来定制。这一层负责维护智能体的运行完整性——这是 LLM 在不同条件下保持一致性执行的关键。

：AgentScope 的核心是智能体抽象，它构成了多智能体工作流的骨架，是交互和通信的主要实体。该层旨在促进复杂工作流的构建，增强可用性，减轻开发人员的编程负担。通过集成简化的语法和工具，AgentScope 让开发人员能专注于利用 LLM 能力实现和优化基于智能体的应用。

：除了分层架构，AgentScope 还提供了多智能体导向的接口，比如终端和 Web UI。这些接口允许开发人员轻松监控应用状态和指标，包括智能体通信、执行时间和财务成本。AgentScope 的分层结构共同为开发人员提供了必要的构建模块，用来打造定制化的多智能体应用，充分挖掘大模型的先进能力。接下来我们将深入探讨 AgentScope 如何增强多智能体应用开发的编程体验。

二、AgentScope 中的基本概念

AgentScope 中的主要概念有四个：消息、智能体、服务和工作流。这四者贯穿整个平台以及基于它构建的所有多智能体应用。

：消息在多智能体对话中扮演信息交换载体的角色，封装了信息的来源和内容。在 AgentScope 中，消息被实现为一个 Python 字典，包含两个必填字段（name 和 content）和一个可选字段（url）。name 字段记录生成消息的智能体名称，content 字段存放智能体生成的文本信息。url 字段用于保存统一资源定位符，通常链接到图像或视频等多模态数据。带有 url 字段的消息特别适合与能处理多模态内容的智能体交互。每个消息都有自动生成的 UUID 和时间戳，确保可追溯性。下面的示例展示了如何创建消息——这是 AgentScope 中智能体间通信的基本单元。

：智能体是多智能体应用中的主要参与者，充当对话参与者和任务执行者。在 AgentScope 中，智能体行为通过两个接口抽象化：reply 和 observe 函数。reply 函数接收消息输入并生成响应，observe 函数则处理传入消息但不生成直接回复。智能体与消息之间的这种互动构成了 AgentScope 的运行基础，对开发人员模拟多智能体 LLM 中的复杂交互至关重要。

：AgentScope 中的服务指的是能让智能体执行特定任务的功能性 API。这些服务分为模型 API 服务（用于调用 LLM）和通用 API 服务（提供各种工具功能）。将这些服务集成到智能体中，对于执行各种任务至关重要，尤其是当需要与可能需要外部数据或计算服务的 LLM 进行接口时。

：工作流代表智能体执行和智能体之间消息交换的有序序列，类似于 TensorFlow 中的计算图，但能适应非 DAG 结构。工作流定义了智能体之间信息流和任务处理的流程，支持并行执行和效率改进。这个概念对于设计 LLM 交互的多智能体系统至关重要，因为它允许协调复杂且相互依赖的任务。

三、AgentScope 的特点

：AgentScope 特别强调易用性，尤其是面向不同专业水平的开发者。通过实现面向过程的消息交换机制，AgentScope 保证了平滑的学习曲线。为了进一步减轻编程负担，它提供了广泛的语法工具套件，包括多种流水线和信息共享机制。结合丰富的内置资源和集成的用户交互模块，AgentScope 让多智能体应用编程比以往任何时候都更愉快。

：随着模型和 API 规模和范围的扩大，在多智能体应用中引入稳健的容错机制变得至关重要。AgentScope 集成了一个全面的服务级重试机制来保持 API 的可靠性。它配备了一组基于规则的修正工具，用于处理 LLM 响应中一些明显的格式问题。此外，AgentScope 提供可定制的容错配置，开发人员可以通过参数如 parse_func、fault_handler 和 max_retries 来定制自己的容错机制。

：随着大规模多模态模型的快速发展，AgentScope 支持在对话呈现、消息传输和数据存储中使用多模态数据（如文件、图像、音频和视频）。具体来说，AgentScope 通过消息中统一的基于 URL 的属性，将多模态数据传输与存储分离。在消息传输过程中，AgentScope 仅附加一个 URL，从而最小化每个智能体内存中因消息副本导致的内存使用。这种策略确保了多模态数据只在必要时加载，比如在 Web UI 中呈现或由模型包装器调用时。

：考虑到分布式部署的重要性，AgentScope 引入了一种基于 actor 的分布式机制，实现了复杂分布式工作流的集中式编程和自动并行优化。特别是，本地部署和分布式部署的工作流完全相同，这意味着在集中式和分布式环境之间迁移应用时几乎没有额外开销。借助这样的分布式框架，AgentScope 使开发人员能够专注于应用设计，而不是实现细节。