讓多智能體開發(fā)就像搭積木，阿里巴巴通義實驗室開源多智能體編程框架與開發(fā)平臺AgentScope。

該平臺專門為多智能體應用開發(fā)者打造，旨在提供高易用的編程體驗、穩(wěn)定可靠的運行時保障，并且為開發(fā)者提供了分布式和多模態(tài)的技術支持。

內(nèi)置了OpenAI、DashScope、Gemini、Ollama等多種不同平臺的模型API，深度兼容當下的大模型開源生態(tài)。

AgentScope提供了多種開箱即用的功能，通過簡單拖拽就能搭建多智能體應用。

即使沒有分布式開發(fā)經(jīng)驗的開發(fā)者，在AgentScope平臺上也能輕松實現(xiàn)上萬級別的多智能體并發(fā)。

為了讓更多用戶能夠快速、輕松地開發(fā)屬于自己的多智能體應用。AgentScope提供了以下功能：

• 拖拽式的編程范式——AgentScope Workstation：為用戶提供了可視化的拖拽式開發(fā)界面
• 交互式編程助手——AgentScope Copilot：解答開發(fā)者關于AgentScope的疑問
• 透明可控的開發(fā)過程——應用實時監(jiān)控：實時監(jiān)控應用運行成本、多智能體狀態(tài)，實現(xiàn)透明且可控的開發(fā)
• 豐富的開發(fā)資源：助力快捷且方便的二次開發(fā)，搭建應用無需“從零開始”

AgentScope Workstation

AgentScope Workstation提供了便捷的“拖拽式”多智能體應用編排范式。

在這里，編程經(jīng)驗不再是限制你想象力的因素。每個開發(fā)者都可以在豐富的工具欄中，零代碼地挑選和拖拽出他們喜歡的大模型、智能體和 Pipeline，就像搭積木一樣自由組合，創(chuàng)造出獨特創(chuàng)新的多智能體應用。

為了確保這些通過拖拽搭建的多智能體應用真正可用，AgentScope Workstation引入了靜態(tài)規(guī)則檢查，以確保應用的正確性。

對于那些尋求進一步自定義和深度開發(fā)的高級開發(fā)者，AgentScope Workstation也提供了強大的支持。

開發(fā)者既可以將應用導出為配置信息，借助AgentScope Workstation引擎進行運行，也可以使用AgentScope Workstation Compiler將配置信息一鍵轉換成Python代碼。這樣，開發(fā)者便可以進一步編輯和優(yōu)化代碼，實現(xiàn)更為精細和個性化的應用調(diào)整。

AgentScope Copilot

AgentScope Copilot是基于AgentScope框架自身構建的開發(fā)助手，旨在幫助開發(fā)者解決在多智能體應用開發(fā)過程中所遇到的問題，其技術實現(xiàn)結合了多智能體群聊（Multi-agent Conversation）、數(shù)據(jù)檢索生成（Retrieval-Augmented Generation，RAG）、智能體呼叫（Mention）等諸多特性。

在與AgentScope Copilot的交互中，開發(fā)者既可以與引導助手（Guide Assistant）進行交互，直接獲取幫助；也可以呼叫專用的智能體助手，例如問答助手（Tutoring Assistant）或者代碼編程助手（Coding Assistant），從而獲得更加專業(yè)、更加具體的回答。更具體而言，代碼編程助手可以幫助開發(fā)者快速理清框架內(nèi)各個模塊的定義及使用方法，提供更優(yōu)的編程建議。

值得一提的是，AgentScope Copilot本身基于AgentScope框架中的RAG模塊進行搭建，支持LlamaIndex等流行的數(shù)據(jù)檢索框架、以及多種向量數(shù)據(jù)庫類型，同時支持接入各種大語言模型。開發(fā)者可以進行快速的二次開發(fā)，輕松的搭建起自己項目的Copilot助手。

透明可控的開發(fā)過程

一個友好的應用開發(fā)過程，對開發(fā)者來說應該是可控的、透明的。

但是在多智能體場景下，模型API種類繁多，調(diào)用接口各異，如何有效管理和監(jiān)控模型API的使用成本，避免資源浪費與意外開支，對資源監(jiān)控能力提出了更高的挑戰(zhàn)。

例如，在使用搜索引擎時將一個復雜網(wǎng)頁作為大模型的輸入將引起高額的開銷，而開發(fā)者的感知往往滯后。為了解決這個問題，AgentScope設計了Monitor模塊，實現(xiàn)了：

API開銷自動統(tǒng)計：準確記錄不同模型API的token用量，并自動計算當前開銷，確保開發(fā)者對模型API成本的每一份支出都了如指掌。

預算設置及超額報警：支持開發(fā)者設定各模型API的預算上限。當總開銷超過預算時，系統(tǒng)自動觸發(fā)報警，及時通知開發(fā)者進行檢查和調(diào)整，避免超支的發(fā)生。

支持自定義監(jiān)控指標：除了預設的模型API相關指標外，Monitor還允許開發(fā)者自定義其他監(jiān)控指標，例如搜索工具的開銷，數(shù)據(jù)存儲服務的開銷，網(wǎng)絡流量等等，從而讓開發(fā)者能夠對應用的狀態(tài)進行全面且自動化的監(jiān)控。

△ Monitor模塊

即拿即用的開發(fā)資源

AgentScope內(nèi)置了豐富的工具函數(shù)、智能體和應用樣例，開發(fā)者可以通過輕量化的修改，輕松的開發(fā)屬于自己的多智能體應用。

工具函數(shù)：AgentScope支持包含網(wǎng)絡搜索、數(shù)據(jù)庫查詢、文件操作、文本處理等多種類型的工具函數(shù)，每種類目下又包含不同實現(xiàn)形式。例如網(wǎng)絡搜索層面，AgentScope已經(jīng)支持Bing、arXiv和DBLP等多種搜索引擎。

智能體：AgentScope內(nèi)置了功能各異的智能體，包含基礎對話、格式化對話、Reasoning、RAG、分布式等多種不同類型的智能體。開發(fā)者只需要使用不同的參數(shù)初始化智能體實例，就可以將智能體特化成自己需要的智能體實例。

應用樣例：AgentScope預置了包含對話（Conversation）、游戲（Game）、和分布式（Distribution）等多種不同類型的應用。一方面這些樣例可以幫助開發(fā)者降低開發(fā)代價，另一方面也為應用的開發(fā)提供了模版和參照。

為了讓開發(fā)者能夠更好、更快地了解AgentScope中的內(nèi)置資源，AgentScope提供了豐富且詳細的文檔，包含教程（Tutorial）、接口文檔（API Document）和設計論文，幫助開發(fā)者更好的了解和使用AgentScope。

穩(wěn)定可靠

基于大模型的多智能體應用會面臨模型幻覺、模型指令跟隨能力不足等諸多新的挑戰(zhàn)。為了保證多智能體應用能夠穩(wěn)定可靠地運行，AgentScope首先將應用中出現(xiàn)的錯誤進行分類，然后相應地提供了一套完整的容錯機制和自定義的容錯處理。

面向隨機性的容錯：隨機性錯誤常常由網(wǎng)絡狀況不穩(wěn)定，或者模型生成內(nèi)容的不確定性引起，是基于大模型構建應用時最常見的一類錯誤。這類錯誤往往十分瑣碎且難以窮舉，因此AgentScope通過的內(nèi)置重試機制，將此類隨機性的錯誤進行過濾和屏蔽，方便開發(fā)者將精力投入到應用的編排中。

基于規(guī)則的容錯：應用中遇到的部分錯誤可以通過規(guī)則進行修復。例如，要求大模型產(chǎn)生指定格式的回復時，大模型有時會產(chǎn)生額外的內(nèi)容，因此可以通過預置的規(guī)則進行截斷，確保應用的正常運行。

基于模型的容錯：借助大模型自身能力進行糾錯是多智能體應用的特點之一，AgentScope會嘗試將輸入和錯誤信息提供給大模型，利用大模型的理解能力和知識來糾正錯誤。

面向智能體/開發(fā)者的容錯：當預置規(guī)則和大模型都無法解決錯誤時，往往需要開發(fā)者或者是智能體的介入才能解決問題，因此AgentScope在遇到此類錯誤的情況下，會將錯誤的格式化歸因、錯誤信息、輸入輸出信息完整的提交給開發(fā)者或智能體，從而幫助解決遇到的問題。

提示優(yōu)化

多智能體應用性能的提升很大程度依賴大模型的提示（Prompt）質量，一個好的提示可以大幅提高應用運行成功的概率。AgentScope編程框架提供了提示調(diào)優(yōu)模塊，助力開發(fā)者持續(xù)優(yōu)化應用。

提示自動生成：對于開發(fā)者來說，產(chǎn)生一個好的提示往往是一件耗時耗力的事情。AgentScope預置了一個智能體，其內(nèi)部通過上下文學習的方式（In-context learning，ICL），綜合開發(fā)者的應用場景，直接生成所需的提示，幫助開發(fā)者快速開始開發(fā)。

支持樣例輸入：在AgentScope中，開發(fā)者同時可以輸入若干樣例作為模板，AgentScope可以根據(jù)這些樣例，為特定的下游任務生成具體的提示詞。

提示動態(tài)調(diào)優(yōu)：在應用運行過程中，大模型的提示詞還需根據(jù)運行情況做進一步的調(diào)整，例如添加新的規(guī)則以避免錯誤的產(chǎn)生。AgentScope將此過程自動化，在智能體與開發(fā)者、環(huán)境進行交互的過程中，其歷史數(shù)據(jù)將成為調(diào)整提示的依據(jù)；AgentScope根據(jù)當時的場景，修改智能體的系統(tǒng)提示（System prompt）從而在運行過程中提高智能體的表現(xiàn)。

分布式并行

作為一個多智能體編程框架，AgentScope在設計之初就將提升智能體之間的協(xié)作效率作為主要目標之一，并為此設計了分布式模式。在該模式中，多智能體可以運行在不同的進程和機器當中，從而充分利用計算資源，提高運行效率。AgentScope中的分布式主要具有以下特點：

自動并行優(yōu)化：AgentScope中分布式的設計遵循Actor編程范式，可以自動識別應用流程編排中不同智能體之間潛在的并行可能性，并且進行自動并行優(yōu)化，提升運行效率。同時各個智能體可以獨立運行在本地或者遠程機器上，能夠充分利用計算資源，支持大規(guī)模部署。

上手門檻極低：AgentScope向開發(fā)者完全屏蔽了分布式的技術實現(xiàn)細節(jié)，開發(fā)者可以零代價開發(fā)分布式多智能體應用，或者將已有的多智能體應用轉化成分布式模式運行。在轉化成分布式應用時，AgentScope中分布式應用編排與本地化的編排方式完全兼容，即使沒有分布式背景知識，開發(fā)者也能輕松編排分布式多智能體應用。

支持大規(guī)模部署：AgentScope目前支持在單臺機器（64核8卡A100）上一次性運行16000多個智能體實例，并且該規(guī)模能夠隨著機器數(shù)量的增加實現(xiàn)規(guī)模的線性增長。舉例來說，AgentScope在4臺機器的集群上可以在30秒內(nèi)完成64000多次智能體的調(diào)用。這一特點使得智能體的大規(guī)模并行和仿真成為可能。

△本地模式向分布式模式轉換

多模態(tài)支持

AgentScope支持開發(fā)者使用多模態(tài)數(shù)據(jù)和多模態(tài)模型來構建強大的多智能體應用。為了讓開發(fā)者可以更加直觀、便捷地與自己編排的多智能體應用交互，AgentScope提供了一款開發(fā)者友好、簡便易用的可交互式界面AgentScope Studio，讓文本、聲音、圖像等不同模態(tài)的數(shù)據(jù)得以生動呈現(xiàn)，確保了開發(fā)者能以最直觀的方式感受并調(diào)整自己創(chuàng)造的智能體應用。

△AgentScope Studio

接下來，AgentScope還將持續(xù)為開發(fā)者帶來更多的開發(fā)便利，也期待更多開發(fā)者加入AgentScope開源社區(qū)的建設，探索更多更有趣的多智能體應用。

AgentScope開源倉庫地址：

https://github.com/modelscope/agentscope

歡迎試用：

https://agentscope.aliyun.com