我们曾经畅想，未来的智能体不仅能思考，还能像人类专家一样——拥有专属技能、实时响应，并安全执行真实任务。
本次 AgentScope 更新，实现了一次面向生产级智能体应用的基建全面升级。
我们聚焦生产级落地，带来三大升级：
- 场景多样：开箱即用的智能体，即刻赋能多种真实场景；
- 基建增强：让智能体“变聪明”的底层能力全面升级；
- 生产就绪：运行时 × 多语言 × 前端，三位一体交付智能体。
-
AgentScope 这次的更新，首先回答一个关键问题：“我能用它做什么？”
在前期版本中，AgentScope 已开源 Deep Research Agent、Browser-Use Agent、Meta-Planner 等核心原子能力，夯实了智能体的构建基础。
本次我们将这些能力深度集成、封装并场景化，推出多款开箱即用的完整智能体应用。覆盖金融分析、数据科学、知识问答等多个在实际中需求广泛的场景。无论是开发者还是企业用户，都能迅速看到在真实场景中的效果，实现“从能力到价值”的快速转化。
🔹 Alias：通用智能体模板，一基多能
通用型 AI 智能体 Alias 基于 AgentScope 与 AgentScope-Runtime 构建，是一款“配置后即时可用、快速迁移下游场景、前后端一体部署”的智能助手。它能把许多原本“不会做、没时间做、没人做”的工作，变成“交给 Alias 就能快速完成”。
体验链接Alias：https://alias.agentscope.io/
Alias 采用多模式切换机制，既能处理日常工作，如查资料、看网页，也能完成专业任务，如深度调研、金融分析、数据科学等。
通用（General）模式下，Alias 会根据你的需求自动决定“该用什么方式解决”：简单问题就直接回答；复杂问题先进行任务拆解、生成执行计划，再分步骤完成；遇到专业领域问题时，会自动调度对应的专家智能体。
对于特定、明确的需求，你也可以直接选择模式运行，例如浏览器控制（Browser-use）、深度调研（Deep Research）、金融分析（Financial Analysis）、数据科学（Data Science），让不同模式各司其职，各施所长。
Alias 支持两种典型的使用方式：一是本地或服务器上一键启动，快速体验“即时能用”的智能助手；二是部署成完整应用，提供可视化前端和稳定后端。其前端基于 Spark Design，支持随时打断任务、查看和编辑中间产出；后端基于 AgentScope-Runtime，提供轻量级单机部署能力和安全沙箱执行环境。
更重要的是，Alias 具备完整的二次开发能力，从工具集、提示词到智能体编排都可以按需调整和扩展。你既可以把它当作一款开箱即用的智能助手，也可以把它当作一个成熟的模板工程，添加自己的工具、数据和业务逻辑，在真实场景中持续扩展，将其逐步演进成企业级的智能体系统。
开源库地址Alias：https://github.com/agentscope-ai/agentscope-samples/tree/main/alias
EvoTraders：基于 AgentScope 的多智能体交易仿真平台
EvoTraders 是一个具备自我迭代能力的智能体交易系统。
模拟真实投研团队协作流程，包含 4 类专业分析师（基本面、技术面、情绪、估值）、1 名组合经理与 1 名风控官。所有智能体通过 ReMe（https://github.com/agentscope-ai/ReMe）记忆系统实现跨回合经验沉淀，在每次仿真交易后自动复盘、反思策略、优化行为，逐步形成独特的决策风格。
用户可实时追踪各智能体的分析链路、沟通记录与风险指标，获得“上帝视角”的决策透明度。平台支持回测模式与可视化面板，便于研究多智能体在动态环境中的协作、竞争与进化机制。
体验链接EvoTraders ：http://trading.evoagents.cn
和 Alias 一样，EvoTraders 提供了极具弹性的二次开发接口。你可以自由竞技不同模型（如 Qwen vs. ChatGPT），扩充团队编制（如增加宏观/舆情分析师），或接入私有因子库，是探索多智能体协作、竞争与进化的实验平台。
开源库地址 EvoTraders：https://github.com/agentscope-ai/agentscope-samples/tree/main/evotraders
Data-Juicer Agent：用自然语言驱动大模型数据工程
高质量数据是大模型成功的基石，但 Data-Juicer（https://github.com/datajuicer/data-juicer）这类工业级数据处理系统（支持 200+ 多模态算子）对非专业用户门槛较高。Data-Juicer Agent 通过多智能体架构将其“自然语言化”：
- Router Agent 智能识别用户意图，将标准请求路由至处理流，将算子扩展需求转给开发流；
- 数据处理 Agent 根据数据特点和目标任务自动挑选合适算子，生成可复用的数据菜谱并直接执行，让用户无需手写脚本就能完成数据清洗、过滤和转换；
- 算子开发 Agent 在内置算子不满足需求时，自动参考相近算子示例生成新算子代码并完成本地集成，帮助用户快速扩展 Data-Juicer 的处理能力。
这一设计显著降低了数据工程门槛，让用户能用自然语言来直接构建高性能的数据流水线。
开源库地址：https://github.com/agentscope-ai/agentscope-samples/tree/main/data_juicer_agent
Voice Agent：原生集成的语音交互基建
语音不仅是输入输出通道，更是自然、情感丰富的交互入口。AgentScope 1.0 将 Voice Agent 作为底层能力深度集成，支持两种主流路径：
- TTS 模式：快速对接 DashScope、OpenAI、Gemini 等主流语音服务，实现低延迟语音播报；
- 端到端语音大模型：基于 Qwen3-Omni、GPT-Audio 等，支持语音输入→推理→语音输出全链路，保留语气、节奏与上下文连贯性。
本次更新的关键在于，将 Voice Agent 原生嵌入 ReActAgent 架构，天然支持实时打断、并行工具调用、多步推理链等 Agentic 核心能力。这意味着语音交互不再是“单向播报器”，而是具备完整推理与行动能力的拟人化对话智能体，为客服、车载、家居等场景提供开箱即用的语音基建。
开源库地址:https://github.com/agentscope-ai/agentscope/tree/main/examples/agent/voice_agent
智能体的进化，离不开强大的基建支撑。AgentScope 这次的更新在动态技能扩展、开发体验这两个维度进行了升级，为构建智能体提供坚实底座。
🔹 Agent Skill：即插即用的动态技能系统
受 Anthropic Skill 设计启发，AgentScope 引入三层渐进式技能加载机制：
- 元信息：系统提示中仅声明技能存在，避免上下文膨胀；
- 指令：当智能体主动查看 SKILL.md 时，才加载详细使用说明；
- 资源：在指令引导下，按需访问脚本、数据文件等辅助资源。
这种“按需加载”策略使智能体能在不增加提示词负担的前提下，动态组合多个技能完成复杂任务。更重要的是，新技能可在运行时热插拔，无需重启服务，让通用智能体秒变金融、法律、运维等领域的专家。
开源库地址:https://github.com/agentscope-ai/agentscope/tree/main/examples/functionality/agent_skill
AgentScope-Studio：智能体开发的“驾驶舱”
Studio 是智能体全生命周期的可视化平台，更新后提供三大核心能力，让开发不再“盲人摸象”，调试效率大幅提升。
- 双视图消息流：Reply ID（用户看到的完整回复）与 Message ID（内部每条消息）并行展示，兼顾用户体验与调试需求；
- ReAct 中间态可视化：清晰呈现“思考→行动→观察”的每一步，让复杂推理透明可溯；
- OpenTelemetry 深度集成：所有调用链遵循 GenAI 协议，可通过 OTLP 上报至 Jaeger、Zipkin 等主流可观测平台，实现端到端追踪。
开源库地址:https://github.com/agentscope-ai/agentscope-studio
\再强大的智能体，若无法安全、稳定、可维护地部署，就无法真正落地。AgentScope 1.0 在生产级能力上也有多项更新。
🔹 AgentScope-Runtime v1.0：从“黑盒”到“白盒”，重构生产范式
🔹 AgentScope-Runtime v1.0：从“黑盒”到“白盒”，重构生产范式
白盒化运行模式：易用与灵活兼得
在智能体的实际落地中，开发者常常需要在易用性与灵活性之间权衡。AgentScope-Runtime 早期的运行模式采用“黑盒”封装，生命周期、状态存储以及工具注入都由框架自动管理，开发者部署省心、上手迅速。
然而在一些对智能体运行流程有高度定制化需求、或需要跨框架协作的复杂场景中，这种模式难以满足开发者对智能体运行逻辑的精细控制需求。
AgentScope-Runtime v1.0 以更开放的架构重新设计运行方式，在保持上手友好体验的同时，赋予开发者对智能体运行流程的更大掌控权，让易用与灵活不再是不可兼得的选择。
新的白盒化设计开放了核心运行逻辑和生命周期入口。通过 @agent_app.init / query / shutdown 等方法，开发者可以精准控制智能体的初始化、请求处理与关闭过程，自主定义状态管理、任务持久化以及中断续跑机制，让长时任务在发生中断后依然稳定恢复。
同时，白盒化范式具备原生的多智能体支持，让会话、记忆和工具集能够以自定义方式共享，实现高效协作甚至跨框架编排。生产与开发环境的差异被进一步缩小，实现“调试即部署”；并内置即开即用的 Web UI，让可视化对话与调试不再需要额外配置。
企业级升级：多形态沙箱矩阵与全场景智能体部署生态
在企业级应用场景中，AgentScope-Runtime v1.0 对工具运行环境与工具生态进行了全面升级，构建了覆盖本地到云端、多设备类型的多形态沙箱矩阵，为工具执行、浏览器控制、文件系统操作、移动端控制等任务提供安全、隔离且可控的运行环境，且均支持会话复用与中断续跑，并可接入 MCP 协议扩展外部工具，满足跨设备、跨环境的稳定运行需求。
同时提供百炼工具库，囊括搜索、知识检索（RAG）、支付等核心功能。部署后的智能体可通过 OpenAI SDK、Google A2A 等主流协议被外部系统调用，支持从本地运行到 Docker 部署、K8s 编排及云托管的全场景切换，让智能体在不同规模与安全要求下持续稳定运行、灵活协作和迭代。
为了直观对比不同沙箱类型的能力与应用场景，下表列出了本次升级的沙箱矩阵：
开源库地址AgentScope-Runtime
Python 实现：https://github.com/agentscope-ai/agentscope-runtime
Java 实现：https://github.com/agentscope-ai/agentscope-runtime-java
AgentScope-Java v1.0：拥抱企业主流技术栈
AgentScope-Java v1.0：拥抱企业主流技术栈
作为主流的企业级开发语言，Java 在金融、政务、电商等关键领域占据主导地位，开发者社区对于 AgentScope Java 版本的呼声也非常的高。这次更新中，AgentScope-Java 正式发布：
- 完整实现 ReActAgent 核心能力（工具调用、规划、结构化输出）；
- 支持 MsgHub、Pipeline 等多智能体协作机制；
- 内置 Studio 可观测性、Toolkit、Hook 等模块。
未来将深度集成 Spring Boot、Quarkus，并规划 Runtime 与 AgentRun Serverless 集成优化，向 Java 开发者提供企业级 Agentic 应用构建的能力。
开源库地址AgentScope-Java:https://github.com/agentscope-ai/agentscope-java
SparkChat：专业级对话前端，补齐交付最后一环
AgentScope 联合 Alibaba Cloud SparkDesign（https://sparkdesign.agentscope.io/） 推出开源对话框架 Spark-Chat，提供企业级消息流渲染、工具调用卡片、多模态输入等原子组件。在此基础上，AgentScope 提供开箱即用的前端容器，一行命令即可启动 Web 聊天界面，并自动连接 Runtime 服务。
该前端天然支持流式响应、工具调用可视化、多轮对话状态管理。对于有定制需求的团队，也可基于模板，利用 Spark-Chat 的组件库进行深度二次开发，灵活适配品牌风格或业务逻辑，真正实现“开发即交付”。
体验地址SparkChat:https://sparkdesign.agentscope.io/chat#/zh-CN/documents/overview
智能体真正的价值在于“能用、能改、能交付”。
从场景验证、到开发提效、再到生产就绪——AgentScope 正在构建一个开放、标准的智能体全栈生态。
我们坚信，未来的智能体不应是封闭的“黑盒”，而应是：
- 能适应的场景专家：开箱即用，轻松扩展领域知识，快速适配多样化业务场景；
- 能统筹的技术架构：基于动态能力扩展与可视化开发，高效支撑智能体开发全流程；
- 能交付的生产伙伴：以生产级运行时和多语言支持，构建从开发到部署的可靠闭环。
AgentScope 已全面开源，欢迎每一位开发者体验、贡献、共建，一起推动 Agentic AI 从原型走向业务落地！
