XYZNOT

論文 · arXiv 2508.16279

AgentScope 1.0：以開發者為核心的代理應用程式建構框架

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.

發表於 cs.AI arXivPDF

用 XYZNOT 閱讀（全文翻譯與 AI 講解）

三句話總結

  1. 🎯 LLM 代理需要靈活、安全且高效的工具互動、結構化協同以及生產級工程架構，而非僅是玩具原型。
  2. 🔧 推出 AgentScope 1.0：模組化抽象（Msg、Model、Memory、Tool）、支援即時引導與動態工具配置的 ReAct 迴圈、內建專門代理，以及具備隔離沙盒的執行環境。
  3. 📈 提供工業級開源系統，支援具狀態/無狀態 MCP 客戶端、透過 Ray 進行分散式評估，以及原生 Agent-to-Agent (A2A) 協定部署。

摘要

在大型語言模型（LLM）迅速發展的推動下，代理（agent）得以結合內在知識與動態工具調用，大幅增強了處理現實世界任務的能力。順應此一演進趨勢，AgentScope 在全新 1.0 版本中導入了重大改進，旨在全面支援靈活且高效、以工具為基礎的代理與環境互動，以建構代理應用程式。具體而言，我們將代理應用程式不可或缺的基礎組件予以抽象化，並提供統一介面與可擴展模組，讓開發者能夠輕鬆運用最新進展（例如新模型與 MCP）。此外，我們將代理行為立足於 ReAct 範式，並基於系統性非同步設計提供先進的代理層級基礎設施，在提升執行效率的同時，豐富了人機互動與多代理互動模式。在此基礎上，我們整合了數個針對特定實際場景客製化的內建代理。AgentScope 亦包含穩健的工程支援，以實現對開發者友善的體驗。我們提供具備視覺化 studio 介面的可擴展評估模組，使長軌跡代理應用程式的開發更易於管理且更易追蹤。此外，AgentScope 提供執行階段沙盒以確保代理安全執行，並促進在生產環境中的快速部署。透過這些強化功能，AgentScope 為建構具擴展性、自適應且高效的代理應用程式提供了實用的基礎。

英文原文摘要

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.

論文解讀

問題與動機

雖然現代大型語言模型（LLM）在推理和自然語言生成方面表現出色，但若要具備實際應用價值，則必須透過 API、資料庫和動態工具與外部環境進行切實的互動。早期的代理架構通常依賴僵化的循序工具執行，缺乏穩健的非同步處理能力，難以應對工具過多帶來的困擾（「選擇的悖論」），且缺乏以開發者為核心的基礎設施來進行長軌跡除錯、分散式評估和安全執行。AgentScope 1.0 透過從內在推理框架轉型為以工具感知與環境互動為核心的可擴展、以開發者為中心的代理架構，解決了這些問題。

核心理念

AgentScope 1.0 圍繞三大核心支柱組織而成：

  • 基礎組件（Foundational Components）：解耦的抽象層，包括 Msg（多模態區塊、工具調用和思考軌跡）、具備非同步串流與 OpenTelemetry 儀表化監控的統一 Model 介面、階層式 Memory（記憶體內短期緩衝區，以及透過 Mem0 實現的開發者/代理控制長期記憶），以及可擴展的 Toolkit。
  • 代理層級基礎設施（Agent-level Infrastructure）：以 ReAct（Reasoning + Acting）範式為核心，支援非阻塞平行工具調用、使用者中斷（即時引導）、動態工具配置（群組啟用/停用），以及透過 StateModule 進行階層式狀態持久化。
  • 開發者友善體驗（Developer-Friendly Experience）：整合式評估套件（支援循序 GeneralEvaluator 和分散式 RayEvaluator）、具備 Bootstrap 導出信賴區間與軌跡比較的視覺化 Studio、內建 Copilot（Friday），以及具備沙盒隔離的執行環境（Runtime）。

方法（包含核心公式）

該系統圍繞標準化抽象來建構執行流程：

  1. 訊息架構（Message Architecture）：資訊封包被統一為 Msg 物件，包含 name、role、content（具備型別的區塊清單，如 TextBlock、ToolUseBlock、ThinkingBlock）和 metadata。特定供應商格式化工具（ChatFormatter 和 MultiAgentFormatter）會將這些區塊轉換為供應商專屬的結構描述。
  2. 工具執行與分組（Tool Execution and Grouping）：工具註冊於 Toolkit 中，並可從 docstring 自動擷取 JSON schema。為了減輕工具過多所造成的搜尋空間退化，工具被管理為不同群組 。使用 update_tool_groups 或代理調用的 reset_equipped_tools(group_names)，活動工具子集 會在每個工作流程步驟中動態調整：
  3. MCP 整合（MCP Integration）：區分具狀態客戶端（Stateful Clients）（針對瀏覽器工作階段等關鍵狀態工具維持持久工作階段生命週期）與無狀態客戶端（Stateless Clients）（每次調用建立短期連線以將開銷降至最低）。
  4. 非同步執行與引導（Asynchronous Execution & Steering）：非同步代理執行使用非阻塞生成器。若發生 asyncio 取消訊號，ReAct 迴圈將平緩中斷，產出部分執行狀態，並將中斷 token 作為可觀察事件附加至記憶體中。
  5. 多代理協同（Multi-Agent Coordination）：支援「代理即工具（Agent as a Tool）」調用模式，並透過 Pipeline 結構（循序、分支和迴圈）以及 MsgHub 廣播進行對話式編排。

結果（包含最重要的數據）

本文在三個內建專門代理中展示了具體的框架實作與架構驗證：

  • Deep Research Agent：實作了查詢擴展（樹狀結構分解）、透過 Tavily MCP 進行多來源網路搜尋、低階反思（工具/參數校正）以及高階反思（重新規劃子任務）。
  • Browser-use Agent：透過具狀態標準 I/O 客戶端（StdIOStatefulClient）採用 Playwright MCP，具備視覺化 HTML 處理、多分頁協同以及針對長頁面的區塊化網頁分割功能。
  • Meta Planner Agent：透過 RoadmapManager 和 WorkerManager 編排複雜工作流程，支援雙模式切換：簡單任務採用基礎 ReAct，複雜任務則採用路線圖驅動的多代理執行架構。
  • 工程基礎設施：原生整合 FastAPI 部署、相容 Arize-Phoenix 和 Langfuse 的 OpenTelemetry 追蹤，以及具備持久化檢查點、基於 Ray 的平行分散式任務評估。

限制與開放性問題

  • 本文展示的是系統架構報告，而非標準基準測試的準確度比較（例如，內文中未列出 SWE-bench 或 GAIA 等基準測試數據）。
  • Meta Planner 中的動態工具配置與規劃開銷，需要足夠的上下文視窗（context window）容量以及底層 LLM 強大的工具調用精確度。
  • 大規模並行處理下的多代理協同開銷與沙盒隔離成本，在本文中尚未提供原始吞吐量數據的基準評測。

關鍵術語

AgentScope 1.0
一個以開發者為核心的框架，專為建構具擴展性、自適應且整合工具的 LLM 代理應用程式而設計。
ReAct Paradigm
一種在閉環中結合推理（Reasoning）與行動（Acting）的代理架構，用以分解查詢、執行工具動作、觀察結果並完善規劃。
Model Context Protocol (MCP)
一項開放協定，標準化了 LLM 與外部服務及資料來源的介接方式，在 AgentScope 中透過具狀態與無狀態客戶端獲得支援。
Toolkit
AgentScope 的核心模組，提供工具註冊、自動 JSON schema 生成、分組工具管理以及統一的非同步生成器執行機制。
Real-time Steering
允許使用者或系統透過非阻塞取消和中斷事件記錄，中斷、重新導向或引導正在進行中的代理 ReAct 迴圈之機制。
Dynamic Tool Provisioning
一項使代理能夠在執行階段自主啟用或停用特定工具子集的功能，以降低認知負載並節省上下文空間。
StateModule
一個基礎類別，使代理和記憶體能夠透過 state_dict 和 load_state_dict 方法自動進行巢狀狀態序列化與復原。
MsgHub
AgentScope 中的集中式廣播機制，透過將新訊息分發給所有參與者來促進多代理群組對話。

常見問題

AgentScope 中的具狀態與無狀態 MCP 客戶端有何不同？

具狀態客戶端維持一個持久的工作階段（例如，跨動作維持瀏覽器 cookie 和上下文），而無狀態客戶端在每次工具調用時建立短期連線並立即斷開，以最大程度減少資源開銷。

AgentScope 如何在瀏覽器自動化過程中處理長上下文限制？

Browser-use Agent 將長網頁分割成較小的區塊，逐區塊觀察內容，並管理跨區塊上下文，以維持在 LLM 的上下文限制之內。

評估系統如何同時支援本機除錯與大規模測試？

AgentScope 實作了用於循序、逐步本機流程除錯的 GeneralEvaluator，以及使用 Ray 框架在多工作節點叢集上進行平行分散式執行的 RayEvaluator。

當有數百個工具可用時，AgentScope 如何防止代理產生混淆？

它採用分組工具管理，允許開發者或代理動態啟用和停用邏輯工具群組（例如「瀏覽器工具」），將活動搜尋空間限制在與當前子任務相關的範圍內。

本頁解讀由 AI 根據論文生成，可能有錯誤；細節請以原文為準。

用 XYZNOT 閱讀（全文翻譯與 AI 講解）