AgentScope：阿里开源多智能体低代码开发平台，支持一键导出源码、多种模型API和本地模型部署

2024-12-23 11

版权

本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。

本文涉及的产品

图像搜索，7款服务类型 1个月

简介： AgentScope是阿里巴巴集团开源的多智能体开发平台，旨在帮助开发者轻松构建和部署多智能体应用。该平台提供分布式支持，内置多种模型API和本地模型部署选项，支持多模态数据处理。

❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发非常感兴趣，我会每日跟你分享最新的 AI 资讯和开源应用，也会不定期分享自己的想法和开源实例，欢迎关注我哦！

🥦 微信公众号｜搜一搜：蚝油菜花 🥦

🚀 快速阅读

多智能体协调：支持多个智能体协同工作，处理复杂的任务和场景。
消息交换机制：智能体之间通过消息传递进行交互，确保高效的通信。
易用性设计：提供零代码拖放式工作站和自动提示调整机制，降低开发难度。

正文（附运行示例）

AgentScope 是什么

公众号: 蚝油菜花 - agentscope

AgentScope是阿里巴巴集团开源的多智能体开发平台，旨在帮助开发者轻松构建和部署多智能体应用。该平台提供高易用性、高鲁棒性和分布式支持，内置多种模型API和本地模型部署选项，覆盖聊天、图像合成、文本嵌入等多种任务。AgentScope包含拖拽式编程界面、交互式编程助手、实时监控功能，及丰富的开发资源，支持快速二次开发。

AgentScope具备容错机制、提示优化和分布式并行处理能力，提升应用性能和开发效率。通过内置的多种模型API和本地模型部署选项，开发者可以轻松实现多智能体的协同工作，处理复杂的任务和场景。

AgentScope 的主要功能

多智能体协调：支持多个智能体协同工作，处理复杂的任务和场景。
消息交换机制：作为核心通信机制，智能体之间用消息传递进行交互。
易用性设计：提供零代码拖放式工作站和自动提示调整机制，降低开发和部署的难度。
容错控制：内置和可定制的容错机制，提高应用程序的稳定性和鲁棒性。
多模态数据支持：支持文本、图像、音频和视频等多模态数据的对话、消息传输和数据存储。
工具和外部知识使用：提供服务工具包，支持工具使用、功能预处理、提示工程、推理和响应解析。

AgentScope 的技术原理

消息驱动的架构：基于消息驱动的架构，智能体之间的交互用消息传递实现，每个消息包含发送者、内容和可能的URL链接。
Actor模型：基于Actor模型设计分布式框架，每个智能体（Actor）在接收到所有必要的消息后进行计算，实现自动并行优化。
容错机制：用错误分类和定制的处理策略，自动处理不同类型的错误，包括可访问性错误、规则可解析错误、模型可解析错误和不可解析错误。
多模态数据处理：基于URL和本地文件管理系统，AgentScope实现多模态数据的生成、存储和传输的解耦架构。
服务工具包：提供服务工具包，支持工具函数的管理、预处理、提示工程、响应解析和函数执行。
检索增强生成（RAG）：整合RAG技术，支持智能体利用外部知识库增强LLMs的能力，提升事实准确性和减少幻觉。

如何运行 AgentScope

安装

AgentScope 需要 Python 3.9 或更高版本。建议从源代码安装：

# 从 GitHub 拉取源代码
git clone https://github.com/modelscope/agentscope.git

# 安装包
cd agentscope
pip install -e .

配置模型

在 AgentScope 中，模型部署和调用通过 ModelWrapper 解耦。使用这些模型包装器，您需要准备一个模型配置文件：

model_config = {
   
    "config_name": "my_openai_config",  # 配置名称
    "model_type": "openai_chat",        # 模型类型
    "model_name": "gpt-4",              # 使用的模型
    "api_key": "xxx",                   # API 密钥
    "organization": "xxx"               # 组织名称
}

创建智能体

创建内置的用户和助手智能体：

from agentscope.agents import DialogAgent, UserAgent
import agentscope

# 加载模型配置
agentscope.init(model_configs="./model_configs.json")

# 创建对话智能体和用户智能体
dialog_agent = DialogAgent(name="assistant", model_config_name="my_openai_config")
user_agent = UserAgent()

构建对话

在 AgentScope 中，消息是智能体之间的桥梁。消息是一个包含 name 和 content 的 dict，还可以包含一个可选的 url 字段：

from agentscope.message import Msg

x = Msg(name="Alice", content="Hi!")
x = Msg("Bob", "What about this picture I took?", url="/path/to/picture.jpg")

启动两个智能体之间的对话：

x = None
while True:
    x = dialog_agent(x)
    x = user_agent(x)
    if x.content == "exit":  # 用户输入 "exit" 退出对话
        break

资源

项目官网：https://modelscope.github.io/agentscope/
GitHub 仓库：https://github.com/modelscope/agentscope
arXiv 技术论文：https://arxiv.org/pdf/2402.14034