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

논문 · arXiv 2508.16279

AgentScope 1.0: 에이전틱 애플리케이션 구축을 위한 개발자 중심 프레임워크

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 et al.

게시일 2025-08-22cs.AI arXiv PDF

XYZNOT로 읽기 (전문 번역과 AI 해설)

세 줄 요약

🎯 LLM 에이전트는 단순한 토이 프로토타입을 넘어 유연하고 안전하며 효율적인 도구 상호작용, 구조화된 조율, 프로덕션 수준의 엔지니어링을 필요로 합니다.
🔧 모듈형 추상화(Msg, Model, Memory, Tool), 실시간 스티어링 및 동적 도구 프로비저닝을 지원하는 ReAct 루프, 빌트인 특화 에이전트, 격리된 샌드박스를 포함한 실행 런타임을 갖춘 AgentScope 1.0을 소개합니다.
📈 상태 유지(stateful)/무상태(stateless) MCP 클라이언트, Ray 기반 분산 평가, 네이티브 Agent-to-Agent(A2A) 프로토콜 배포를 지원하는 산업 등급의 오픈 소스 시스템을 제공합니다.

초록

대규모 언어 모델(LLM)의 급격한 발전에 힘입어, 에이전트는 고유의 내재적 지식과 동적인 도구 활용 능력을 결합하여 실제 환경의 작업을 처리하는 역량을 크게 향상했습니다. 이러한 발전에 발맞추어, AgentScope는 에이전틱 애플리케이션 구축을 위한 유연하고 효율적인 도구 기반 에이전트-환경 상호작용을 포괄적으로 지원하고자 새로운 버전(1.0)에서 대대적인 개선을 선보입니다. 구체적으로, 에이전틱 애플리케이션에 필수적인 기반 컴포넌트들을 추상화하고 통일된 인터페이스와 확장 가능한 모듈을 제공함으로써 개발자가 새로운 모델 및 MCP와 같은 최신 기술 발전을 손쉽게 활용할 수 있도록 지원합니다. 나아가 ReAct 패러다임에 기반하여 에이전트 행동을 정립하고 체계적인 비동기 설계를 바탕으로 고급 에이전트 수준 인프라를 제공하여, 실행 효율성을 높이는 동시에 인간-에이전트 및 에이전트-에이전트 상호작용 패턴을 풍부하게 만듭니다. 이러한 토대 위에서 특정 실무 시나리오에 맞춘 여러 빌트인 에이전트를 통합했습니다. 또한 AgentScope는 개발자 친화적인 경험을 위한 견고한 엔지니어링 지원을 포함합니다. 시각적 스튜디오 인터페이스를 갖춘 확장 가능한 평가 모듈을 제공하여 긴 궤적(trajectory)을 가진 에이전틱 애플리케이션의 개발을 관리하기 쉽고 추적하기 용이하게 만듭니다. 아울러 안전한 에이전트 실행을 보장하고 프로덕션 환경에서의 빠른 배포를 촉진하는 런타임 샌드박스를 제공합니다. 이러한 향상점을 바탕으로 AgentScope는 확장 가능하고 적응성이 뛰어나며 효과적인 에이전틱 애플리케이션 구축을 위한 실용적인 기반을 제공합니다.

영어 원문 초록

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.

논문 해설

문제 및 동기

최신 대규모 언어 모델(LLM)은 추론 및 자연어 생성에 뛰어나지만, 실제 환경에서 유용하게 쓰이려면 API, 데이터베이스, 동적 도구를 통한 외부 환경과의 실제적인 상호작용이 필수적입니다. 초기 에이전트 아키텍처는 경직된 순차적 도구 실행에 의존하고, 견고한 비동기 처리가 부족하며, 과도한 도구 수로 인한 문제("선택의 역설")를 겪었고, 긴 궤적 디버깅, 분산 평가, 안전한 실행을 위한 개발자 중심 인프라가 미흡했습니다. AgentScope 1.0은 내재적 추론 프레임워크에서 벗어나 도구 인지 및 환경 상호작용을 중심으로 하는 확장 가능한 개발자 중심 에이전틱 프레임워크로 전환함으로써 이러한 격차를 해소합니다.

핵심 아이디어

AgentScope 1.0은 세 가지 핵심 축으로 구성됩니다:

기반 컴포넌트(Foundational Components): Msg(멀티모달 블록, 도구 호출, 사고 과정 추적), 비동기 스트리밍 및 OpenTelemetry 계측을 지원하는 통합 Model 인터페이스, 계층적 Memory(인메모리 단기 버퍼 및 Mem0 기반의 개발자/에이전트 제어 장기 메모리), 확장 가능한 Toolkit을 포함하는 분리된 추상화 계층.
에이전트 수준 인프라(Agent-level Infrastructure): ReAct(Reasoning + Acting) 패러다임을 중심으로 논블로킹 병렬 도구 호출, 사용자 인터럽트(실시간 스티어링), 동적 도구 프로비저닝(그룹 단위 활성화/비활성화), StateModule을 통한 계층적 상태 영속성을 지원.
개발자 친화적 경험(Developer-Friendly Experience): 통합 평가 스위트(순차적 GeneralEvaluator 및 분산형 RayEvaluator 지원), 부트스트랩 기반 신뢰 구간 및 궤적 비교를 제공하는 시각적 Studio, 내장형 코파일럿(Friday), 샌드박스를 갖춘 격리된 실행 Runtime.

방법론 (핵심 수식 포함)

시스템은 표준화된 추상화를 기반으로 실행을 구조화합니다:

메시지 아키텍처: 정보 패킷은 name, role, content(TextBlock, ToolUseBlock, ThinkingBlock과 같은 타입화된 블록 리스트), metadata를 포함하는 Msg 객체로 통일됩니다. 제공자 전용 포맷터(ChatFormatter 및 MultiAgentFormatter)가 이 블록들을 모델 제공자별 스키마로 변환합니다.
도구 실행 및 그룹화: 도구는 독스트링(docstring)에서 JSON 스키마를 자동 추출하여 Toolkit에 등록됩니다. 과도한 도구로 인한 탐색 공간 저하를 완화하기 위해 도구들은 그룹 $G_{k} \subset T$ 으로 관리됩니다. update_tool_groups 또는 에이전트가 호출하는 reset_equipped_tools(group_names)를 사용하여 활성 도구 부분집합 $A_{t}$ 가 워크플로 단계별로 동적으로 조정됩니다: $A_{t} = k \in Active ⋃ G_{k}$
MCP 연동: 상태 유지 클라이언트(Stateful Clients)(브라우저 세션과 같이 상태가 중요한 도구를 위한 지속적인 세션 수명 주기)와 무상태 클라이언트(Stateless Clients)(오버헤드를 최소화하기 위한 호출별 임시 연결)를 구분하여 지원합니다.
비동기 실행 및 스티어링: 비동기 에이전트 실행에는 논블로킹 제너레이터를 사용합니다. asyncio 취소 신호가 발생하면 ReAct 루프가 정상적으로 인터럽트되어 부분 실행 상태를 반환하고 인터럽트 토큰을 관측 가능한 이벤트로서 메모리에 추가합니다.
멀티 에이전트 조율: Pipeline 구조(순차, 분기, 루프) 및 MsgHub 브로드캐스팅을 통한 대화형 오케스트레이션과 함께 "도구로서의 에이전트(Agent as a Tool)" 호출 패턴을 지원합니다.

결과 (핵심 수치 중심)

본 논문에서는 세 가지 빌트인 특화 에이전트를 통해 구체적인 프레임워크 구현과 아키텍처 검증을 제시합니다:

Deep Research Agent: 쿼리 확장(트리 구조 분해), Tavily MCP를 통한 다중 소스 웹 검색, 로우 레벨 리플렉션(도구/파라미터 보정), 하이 레벨 리플렉션(하위 작업 재계획)을 구현합니다.
Browser-use Agent: 상태 유지 표준 I/O 클라이언트(StdIOStatefulClient)를 통해 Playwright MCP를 사용하며, 시각적 HTML 처리, 다중 탭 조율, 긴 웹페이지를 위한 청크 단위 웹페이지 분할 기능을 갖추고 있습니다.
Meta Planner Agent: RoadmapManager 및 WorkerManager를 통해 복잡한 워크플로를 오케스트레이션하며, 단순 작업용 기본 ReAct와 복잡한 작업용 로드맵 기반 멀티 에이전트 실행 간의 이중 모드 전환을 지원합니다.
엔지니어링 인프라: FastAPI 배포, Arize-Phoenix 및 Langfuse와 호환되는 OpenTelemetry 추적, 영구 체크포인트를 포함한 Ray 기반 병렬 분산 작업 평가를 기본적으로 통합했습니다.

한계점 및 열린 질문

본 논문은 표준 벤치마크 정확도 비교(예: 본문에서 SWE-bench 또는 GAIA와 같은 벤치마크 수치는 생략됨)보다는 시스템 아키텍처 보고에 중점을 두고 있습니다.
Meta Planner의 동적 도구 프로비저닝 및 계획 수립 오버헤드는 충분한 컨텍스트 윈도우 용량과 기반 LLM의 강력한 도구 호출 정확도를 요구합니다.
대규모 동시성 환경에서의 멀티 에이전트 조율 오버헤드와 샌드박스 격리 비용에 대한 실제 처리량(throughput) 수치는 본 논문에서 벤치마크로 측정되지 않았습니다.

핵심 용어

AgentScope 1.0: 확장 가능하고 적응성이 높으며 도구가 통합된 LLM 기반 에이전트 애플리케이션 구축을 위해 설계된 개발자 중심 프레임워크.
ReAct Paradigm (ReAct 패러다임): 쿼리 분해, 도구 액션 실행, 결과 관측, 계획 개선을 폐루프(closed loop) 내에서 추론과 행동으로 결합한 에이전트 아키텍처.
Model Context Protocol (MCP): LLM이 외부 서비스 및 데이터 소스와 인터페이스하는 방식을 표준화하는 개방형 프로토콜로, AgentScope에서는 상태 유지 및 무상태 클라이언트를 통해 지원됨.
Toolkit: 도구 등록, 자동화된 JSON 스키마 생성, 그룹별 도구 관리, 통일된 비동기 제너레이터 실행을 제공하는 AgentScope의 핵심 모듈.
Real-time Steering (실시간 스티어링): 논블로킹 취소 및 인터럽트 이벤트 로깅을 통해 사용자 또는 시스템이 진행 중인 에이전트 ReAct 루프를 중단하거나 방향을 바꾸거나 안내할 수 있는 메커니즘.
Dynamic Tool Provisioning (동적 도구 프로비저닝): 인지 부하를 줄이고 컨텍스트를 절약하기 위해 에이전트가 런타임 중에 특정 도구 부분집합을 자율적으로 활성화하거나 비활성화할 수 있도록 하는 기능.
StateModule: 에이전트와 메모리에 대해 state_dict 및 load_state_dict 메서드를 통해 자동 중첩 상태 직렬화 및 복원을 가능하게 하는 기본 클래스.
MsgHub: 모든 참가자에게 새 메시지를 전파하여 멀티 에이전트 그룹 대화를 촉진하는 AgentScope의 중앙 집중식 브로드캐스트 메커니즘.

자주 묻는 질문

AgentScope에서 상태 유지(stateful) MCP 클라이언트와 무상태(stateless) MCP 클라이언트의 차이점은 무엇인가요?

상태 유지 클라이언트는 여러 액션에 걸쳐 브라우저 쿠키 및 컨텍스트를 유지하는 등 지속적인 세션을 유지하는 반면, 무상태 클라이언트는 도구 호출마다 임시 연결을 생성하고 즉시 연결을 해제하여 리소스 오버헤드를 최소화합니다.

AgentScope는 브라우저 자동화 중 긴 컨텍스트 한계를 어떻게 처리하나요?

Browser-use Agent는 긴 웹페이지를 작은 청크로 분할하여 콘텐츠를 청크 단위로 관찰하고, 청크 간 컨텍스트를 관리함으로써 LLM의 컨텍스트 한계 내에 머물도록 지원합니다.

평가 시스템은 로컬 디버깅과 대규모 테스트를 어떻게 모두 지원하나요?

AgentScope는 순차적이고 단계별 로컬 프로세스 디버깅을 위한 GeneralEvaluator와, Ray 프레임워크를 사용하여 다중 워커 클러스터 전반에서 병렬 분산 실행을 수행하는 RayEvaluator를 구현합니다.

수백 개의 도구를 사용할 수 있을 때 AgentScope는 에이전트의 혼란을 어떻게 방지하나요?

그룹 단위 도구 관리를 사용하여 개발자나 에이전트가 논리적 도구 그룹('브라우저 도구' 등)을 동적으로 활성화 및 비활성화할 수 있도록 함으로써, 활성 탐색 공간을 현재 하위 작업과 관련된 범위로 제한합니다.

이 페이지의 해설은 AI가 논문을 바탕으로 작성했으며 오류가 있을 수 있습니다. 자세한 내용은 원문을 확인하세요.

XYZNOT로 읽기 (전문 번역과 AI 해설)