AgentScope 1.0: A Developer-Centric Framework for Building Agentic Applications

Dawei Gao; Zitao Li; Yuexiang Xie; Weirui Kuang; Liuyi Yao; Bingchen Qian; Zhijian Ma; Yue Cui; Haohao Luo; Shen Li; Lu Yi; Yi Yu; Shiqi He; Zhiling Luo; Wenmeng Zhou; Zhicheng Zhang; Xuguang He; Ziqian Chen; Weikai Liao; Farruh Isakulovich Kushnazarov; Yaliang Li; Bolin Ding; Jingren Zhou

AgentScope 1.0: एजेंटिक ऍप्लिकेशन्स के निर्माण के लिए एक डेवलपर-केंद्रित फ्रेमवर्क

Dawei Gao, Zitao Li, Yuexiang Xie, Weirui Kuang, Liuyi Yao, Bingchen Qian, Zhijian Ma, Yue Cui, Haohao Luo, Shen Li, Lu Yi, Yi Yu et al.

प्रकाशित 2025-08-22cs.AI arXiv PDF

अनुवाद और AI के साथ पढ़ें

तीन पंक्तियों में सारांश

🎯 LLM एजेंट्स को खिलौना प्रोटोटाइप के बजाय लचीले, सुरक्षित और कुशल टूल इंटरैक्शन, संरचित समन्वय और प्रोडक्शन-ग्रेड इंजीनियरिंग की आवश्यकता होती है।
🔧 AgentScope 1.0 प्रस्तुत करता है: मॉड्यूलर एब्स्ट्रैक्शन (Msg, Model, Memory, Tool), रियल-टाइम स्टीयरिंग और डायनेमिक टूल प्रोविज़निंग का समर्थन करने वाले ReAct लूप्स, अंतर्निहित विशिष्ट एजेंट्स, और अलग किए गए सैंडबॉक्स के साथ एक निष्पादन रनटाइम।
📈 स्टेटफुल/स्टेटलेस MCP क्लाइंट्स, Ray के माध्यम से वितरित मूल्यांकन, और नेटिव Agent-to-Agent (A2A) प्रोटोकॉल परिनियोजन का समर्थन करने वाला एक औद्योगिक-ग्रेड ओपन-सोर्स सिस्टम प्रदान करता है।

सार

लार्ज लैंग्वेज मॉडल्स (LLMs) की तीव्र प्रगति से प्रेरित होकर, एजेंट्स आंतरिक ज्ञान को डायनेमिक टूल उपयोग के साथ संयोजित करने में सक्षम हुए हैं, जिससे वास्तविक दुनिया के कार्यों को हल करने की उनकी क्षमता में काफी वृद्धि हुई है। इस विकास के अनुरूप, AgentScope एक नए संस्करण (1.0) में प्रमुख सुधार प्रस्तुत करता है, जिसका उद्देश्य एजेंटिक ऍप्लिकेशन्स के निर्माण के लिए लचीले और कुशल टूल-आधारित एजेंट-वातावरण इंटरैक्शन का व्यापक समर्थन करना है। विशेष रूप से, हम एजेंटिक ऍप्लिकेशन्स के लिए आवश्यक बुनियादी घटकों को अमूर्त (abstract) करते हैं और एकीकृत इंटरफेस व विस्तार योग्य मॉड्यूल प्रदान करते हैं, जिससे डेवलपर्स नवीनतम प्रगतियों, जैसे कि नए मॉडल्स और MCPs का आसानी से लाभ उठा सकते हैं। इसके अलावा, हम एजेंट के व्यवहार को ReAct प्रतिमान पर आधारित करते हैं और एक व्यवस्थित एसिंक्रोनस डिज़ाइन पर आधारित उन्नत एजेंट-स्तरीय अवसंरचना प्रदान करते हैं, जो निष्पादन दक्षता में सुधार करते हुए मानव-एजेंट और एजेंट-एजेंट दोनों इंटरैक्शन पैटर्न को समृद्ध करता है। इस नींव पर निर्माण करते हुए, हम विशिष्ट व्यावहारिक परिदृश्यों के लिए अनुकूलित कई अंतर्निहित एजेंट्स को एकीकृत करते हैं। AgentScope में डेवलपर-अनुकूल अनुभवों के लिए मजबूत इंजीनियरिंग सहायता भी शामिल है। हम एक विज़ुअल स्टूडियो इंटरफ़ेस के साथ एक स्केलेबल मूल्यांकन मॉड्यूल प्रदान करते हैं, जिससे लंबी-प्रक्षेपवक्र (long-trajectory) एजेंटिक ऍप्लिकेशन्स का विकास अधिक प्रबंधनीय और ट्रैक करने में आसान हो जाता है। इसके अतिरिक्त, AgentScope सुरक्षित एजेंट निष्पादन सुनिश्चित करने और उत्पादन परिवेशों में तेजी से परिनियोजन की सुविधा के लिए एक रनटाइम सैंडबॉक्स प्रदान करता है। इन संवर्द्धनों के साथ, AgentScope स्केलेबल, अनुकूलनीय और प्रभावी एजेंटिक ऍप्लिकेशन्स के निर्माण के लिए एक व्यावहारिक आधार प्रदान करता है।

मूल सार (अंग्रेज़ी)

Driven by rapid advancements of Large Language Models (LLMs), agents are empowered to combine intrinsic knowledge with dynamic tool use, greatly enhancing their capacity to address real-world tasks. In line with such an evolution, AgentScope introduces major improvements in a new version (1.0), towards comprehensively supporting flexible and efficient tool-based agent-environment interactions for building agentic applications. Specifically, we abstract foundational components essential for agentic applications and provide unified interfaces and extensible modules, enabling developers to easily leverage the latest progress, such as new models and MCPs. Furthermore, we ground agent behaviors in the ReAct paradigm and offer advanced agent-level infrastructure based on a systematic asynchronous design, which enriches both human-agent and agent-agent interaction patterns while improving execution efficiency. Building on this foundation, we integrate several built-in agents tailored to specific practical scenarios. AgentScope also includes robust engineering support for developer-friendly experiences. We provide a scalable evaluation module with a visual studio interface, making the development of long-trajectory agentic applications more manageable and easier to trace. In addition, AgentScope offers a runtime sandbox to ensure safe agent execution and facilitates rapid deployment in production environments. With these enhancements, AgentScope provides a practical foundation for building scalable, adaptive, and effective agentic applications.

पढ़ने की गाइड

समस्या और प्रेरणा

यद्यपि आधुनिक Large Language Models (LLMs) रीज़निंग और प्राकृतिक भाषा निर्माण में उत्कृष्ट हैं, वास्तविक दुनिया की उपयोगिता के लिए API, डेटाबेस और डायनेमिक टूल्स के माध्यम से बाहरी वातावरण के साथ वास्तविक इंटरैक्शन की आवश्यकता होती है। शुरुआती एजेंट आर्किटेक्चर अक्सर कठोर अनुक्रमिक (sequential) टूल निष्पादन पर निर्भर करते हैं, मजबूत एसिंक्रोनस हैंडलिंग की कमी रखते हैं, अत्यधिक टूल्स की समस्या ("पसंद का विरोधाभास" / paradox of choice) से जूझते हैं, और लंबे ट्रैजेक्टरी को डीबग करने, वितरित मूल्यांकन और सुरक्षित निष्पादन के लिए डेवलपर-केंद्रित बुनियादी ढांचे की कमी का सामना करते हैं। AgentScope 1.0 आंतरिक रीज़निंग फ्रेमवर्क से आगे बढ़कर टूल पर्सेप्शन और वातावरण इंटरैक्शन पर केंद्रित एक विस्तार योग्य, डेवलपर-केंद्रित एजेंटिक फ्रेमवर्क में परिवर्तित होकर इन कमियों को दूर करता है।

मुख्य विचार

AgentScope 1.0 तीन मुख्य स्तंभों में व्यवस्थित है:

बुनियादी घटक (Foundational Components): Msg (मल्टीमॉडल ब्लॉक्स, टूल कॉल्स और थिंकिंग ट्रेसेस), एसिंक्रोनस स्ट्रीमिंग और OpenTelemetry इंस्ट्रूमेंटेशन के साथ एकीकृत Model इंटरफेस, पदानुक्रमित Memory (इन-मेमोरी शॉर्ट-टर्म बफ़र्स और Mem0 के माध्यम से डेवलपर/एजेंट-नियंत्रित लॉन्ग-टर्म मेमोरी), और एक विस्तार योग्य Toolkit सहित डिकपल किए गए एब्स्ट्रैक्शन।
एजेंट-स्तरीय अवसंरचना (Agent-level Infrastructure): ReAct (Reasoning + Acting) प्रतिमान पर केंद्रित, जो गैर-अवरोधक (non-blocking) समानांतर टूल कॉल्स, उपयोगकर्ता व्यवधान (रियल-टाइम स्टीयरिंग), डायनेमिक टूल प्रोविज़निंग (ग्रुप एक्टिवेशन/डीएक्टिवेशन), और StateModule के माध्यम से पदानुक्रमित स्टेट पर्सिस्टेंस का समर्थन करता है।
डेवलपर-अनुकूल अनुभव (Developer-Friendly Experience): एकीकृत मूल्यांकन सुइट्स (अनुक्रमिक GeneralEvaluator और वितरित RayEvaluator का समर्थन), बूटस्ट्रैप-व्युत्पन्न कॉन्फिडेंस इंटरवल्स और ट्रैजेक्टरी तुलना के साथ एक विज़ुअल Studio, एक अंतर्निहित कोपायलट (Friday), और सैंडबॉक्सिंग के साथ एक आइसोलेटेड निष्पादन Runtime।

विधि (मुख्य समीकरणों के साथ)

सिस्टम मानकीकृत एब्स्ट्रैक्शन के आधार पर निष्पादन की संरचना करता है:

संदेश आर्किटेक्चर (Message Architecture): सूचना पैकेटों को Msg ऑब्जेक्ट्स के रूप में एकीकृत किया जाता है, जिसमें name, role, content (TextBlock, ToolUseBlock, ThinkingBlock जैसे टाइप्ड ब्लॉक्स की एक सूची) और metadata शामिल होते हैं। प्रदाता-विशिष्ट फॉर्मेटर्स (ChatFormatter और MultiAgentFormatter) इन ब्लॉक्स को प्रदाता-विशिष्ट स्कीमा में बदलते हैं।
टूल निष्पादन और समूहीकरण (Tool Execution and Grouping): टूल्स को docstrings से स्वचालित JSON स्कीमा निष्कर्षण के साथ Toolkit में पंजीकृत किया जाता है। अत्यधिक टूल्स से सर्च-स्पेस के क्षरण को कम करने के लिए, टूल्स को समूहों $G_{k} \subset T$ में प्रबंधित किया जाता है। update_tool_groups या एजेंट-आमंत्रित reset_equipped_tools(group_names) का उपयोग करके, सक्रिय टूल उपसमूह $A_{t}$ को प्रति वर्कफ़्लो चरण गतिशील रूप से अनुकूलित किया जाता है: $A_{t} = k \in Active ⋃ G_{k}$
MCP एकीकरण (MCP Integration): Stateful Clients (ब्राउज़र सत्रों जैसे स्टेट-क्रिटिकल टूल्स के लिए निरंतर सत्र जीवनचक्र) और Stateless Clients (ओवरहेड को कम करने के लिए प्रति कॉल अल्पकालिक कनेक्शन) के बीच अंतर करता है।
एसिंक्रोनस निष्पादन और स्टीयरिंग (Asynchronous Execution & Steering): एसिंक्रोनस एजेंट निष्पादन गैर-अवरोधक जनरेटर का उपयोग करता है। यदि कोई asyncio रद्दीकरण संकेत आता है, तो ReAct लूप सुचारू रूप से बाधित होता है, आंशिक निष्पादन स्थितियां प्रदान करता है, और मेमोरी में अवलोकनीय घटनाओं के रूप में रुकावट टोकन जोड़ता है।
मल्टी-एजेंट समन्वय (Multi-Agent Coordination): Pipeline संरचनाओं (अनुक्रमिक, शाखाकरण, और लूपिंग) और MsgHub प्रसारण के माध्यम से संवादात्मक ऑर्केस्ट्रेशन के साथ-साथ "टूल के रूप में एजेंट (Agent as a Tool)" आमंत्रण पैटर्न का समर्थन करता है।

परिणाम (सबसे महत्वपूर्ण संख्याओं के साथ)

यह पेपर तीन अंतर्निहित विशिष्ट एजेंट्स में ठोस फ्रेमवर्क कार्यान्वयन और वास्तुशिल्प सत्यापन प्रदान करता है:

Deep Research Agent: क्वेरी विस्तार (ट्री-संरचित अपघटन), Tavily MCP के माध्यम से मल्टी-सोर्स वेब खोज, निम्न-स्तरीय परावर्तन (टूल/पैरामीटर सुधार), और उच्च-स्तरीय परावर्तन (सबटास्क की पुनः योजना) को लागू करता है।
Browser-use Agent: एक स्टेटफुल मानक I/O क्लाइंट (StdIOStatefulClient) के माध्यम से Playwright MCP का उपयोग करता है, जिसमें विज़ुअल HTML प्रोसेसिंग, मल्टी-टैब समन्वय, और लंबे पृष्ठों के लिए चंक-वाइज़ वेबपेज विभाजन की सुविधा है।
Meta Planner Agent: RoadmapManager और WorkerManager के माध्यम से जटिल वर्कफ़्लो को ऑर्केस्ट्रेट करता है, जो सरल कार्यों के लिए बुनियादी ReAct और जटिल कार्यों के लिए रोडमैप-संचालित मल्टी-एजेंट निष्पादन के बीच दोहरे-मोड स्विचिंग का समर्थन करता है।
इंजीनियरिंग अवसंरचना (Engineering Infrastructure): FastAPI परिनियोजन, Arize-Phoenix और Langfuse अनुकूलता के साथ OpenTelemetry ट्रेसिंग, और निरंतर चेकपॉइंट के साथ Ray-आधारित समानांतर वितरित कार्य मूल्यांकन का मूल एकीकरण।

सीमाएं और खुले प्रश्न

यह पेपर मानक बेंचमार्क सटीकता तुलनाओं के बजाय एक सिस्टम आर्किटेक्चर रिपोर्ट प्रस्तुत करता है (उदा., SWE-bench या GAIA जैसे बेंचमार्क आंकड़े मुख्य पाठ से हटा दिए गए हैं)।
Meta Planner में डायनेमिक टूल प्रोविज़निंग और प्लानिंग ओवरहेड के लिए पर्याप्त संदर्भ-विंडो (context-window) क्षमता और अंतर्निहित LLM टूल-कॉलिंग की उच्च सटीकता की आवश्यकता होती है।
बड़े पैमाने पर समवर्तीता (concurrency) के तहत मल्टी-एजेंट समन्वय ओवरहेड और सैंडबॉक्स आइसोलेशन लागतों को इस पेपर में कच्चे थ्रूपुट आंकड़ों के साथ बेंचमार्क नहीं किया गया है।

मुख्य शब्द

AgentScope 1.0: स्केलेबल, अनुकूली और टूल-एकीकृत LLM-आधारित एजेंट ऍप्लिकेशन्स के निर्माण के लिए डिज़ाइन किया गया एक डेवलपर-केंद्रित फ्रेमवर्क।
ReAct Paradigm: प्रश्नों को विघटित करने, टूल क्रियाओं को निष्पादित करने, परिणामों का अवलोकन करने और योजनाओं को परिष्कृत करने के लिए एक बंद लूप में रीज़निंग और एक्टिंग को संयोजित करने वाला एक एजेंट आर्किटेक्चर।
Model Context Protocol (MCP): एक खुला प्रोटोकॉल जो मानकीकृत करता है कि LLMs बाहरी सेवाओं और डेटा स्रोतों के साथ कैसे इंटरफेस करते हैं, जिसे AgentScope में स्टेटफुल और स्टेटलेस क्लाइंट्स के माध्यम से समर्थित किया गया है।
Toolkit: एक मुख्य AgentScope मॉड्यूल जो टूल पंजीकरण, स्वचालित JSON स्कीमा निर्माण, समूह-वार टूल प्रबंधन और एकीकृत एसिंक्रोनस जनरेटर निष्पादन प्रदान करता है।
Real-time Steering: वह तंत्र जो उपयोगकर्ताओं या प्रणालियों को गैर-अवरोधक रद्दीकरण और रुकावट घटना लॉगिंग के माध्यम से चल रहे एजेंट ReAct लूप को बाधित करने, पुनर्निर्देशित करने या मार्गदर्शन करने की अनुमति देता है।
Dynamic Tool Provisioning: एक ऐसी सुविधा जो एजेंट्स को संज्ञानात्मक भार को कम करने और संदर्भ को संरक्षित करने के लिए रनटाइम के दौरान टूल्स के विशिष्ट उपसमूहों को स्वायत्त रूप से सक्रिय या निष्क्रिय करने में सक्षम बनाती है।
StateModule: एक बेस क्लास जो एजेंट्स और मेमोरी के लिए state_dict और load_state_dict विधियों के माध्यम से स्वचालित नेस्टेड स्थिति क्रमांकन (serialization) और पुनर्स्थापना को सक्षम बनाती है।
MsgHub: AgentScope में एक केंद्रीकृत प्रसारण तंत्र जो सभी प्रतिभागियों में नए संदेशों का प्रसार करके मल्टी-एजेंट समूह वार्तालाप की सुविधा प्रदान करता है।

प्रश्न

AgentScope में स्टेटफुल और स्टेटलेस MCP क्लाइंट्स के बीच क्या अंतर है?

एक स्टेटफुल क्लाइंट एक सतत सत्र बनाए रखता है (जैसे, क्रियाओं के दौरान ब्राउज़र कुकीज़ और संदर्भ बनाए रखना), जबकि एक स्टेटलेस क्लाइंट प्रति टूल कॉल एक अल्पकालिक कनेक्शन बनाता है और संसाधन ओवरहेड को कम करने के लिए तुरंत डिस्कनेक्ट हो जाता है।

ब्राउज़र ऑटोमेशन के दौरान AgentScope लंबी संदर्भ सीमाओं (long context limitations) को कैसे संभालता है?

Browser-use Agent लंबे वेबपेजों को छोटे-छोटे टुकड़ों (chunks) में विभाजित करता है, चंक-दर-चंक सामग्री का अवलोकन करता है, और LLM संदर्भ सीमाओं के भीतर रहने के लिए क्रॉस-चंक संदर्भ का प्रबंधन करता है।

मूल्यांकन प्रणाली स्थानीय डीबगिंग और बड़े पैमाने पर परीक्षण दोनों का समर्थन कैसे करती है?

AgentScope अनुक्रमिक, चरण-दर-चरण स्थानीय प्रक्रिया डीबगिंग के लिए GeneralEvaluator लागू करता है, और Ray फ्रेमवर्क का उपयोग करके मल्टी-वर्कर क्लस्टर में समानांतर, वितरित निष्पादन के लिए RayEvaluator लागू करता है।

सैकड़ों टूल्स उपलब्ध होने पर AgentScope एजेंट के भ्रम (confusion) को कैसे रोकता है?

यह समूह-वार टूल प्रबंधन का उपयोग करता है, जिससे डेवलपर्स या एजेंट्स तार्किक टूल समूहों (जैसे 'ब्राउज़र टूल्स') को गतिशील रूप से सक्रिय और निष्क्रिय कर सकते हैं, जिससे सक्रिय सर्च-स्पेस केवल वर्तमान सबटास्क के लिए प्रासंगिक टूल्स तक सीमित रहता है।

इस पृष्ठ की व्याख्या AI ने शोध पत्र से लिखी है और इसमें गलतियाँ हो सकती हैं। विवरण के लिए मूल शोध पत्र पढ़ें।

अनुवाद और AI के साथ पढ़ें