AgentScope：迈向 Agentic 智能体应用

AgentScope：迈向

Agentic智能体应用开箱即用的智能体EvoTraders:交易智能体浏览器使用智能体AgentScope多智能体编排长/短期记忆AgentScope-Runtime应用部署AgentScope是通义实验室推出的开源智能体框架，作为百炼

Agent平台的技术底座，以开源方式聚焦智能体相关技术与功能的前沿探索，提供开发、训练、部署和管理的生产级解决方案智能体优化单/多智能体微调数据增强AgentScope-Studio智能体观测评测工作流智能体评测自动评分评测工作流AgentScopehttps://github.com/agentscope-aiAlias:通用型智能体Data-JuicerAgent语音智能体上下文管理多模态模型问答智能体ReAct范式金融分析数据科学深度调研工具沙箱工具调用对话UI更多Agentic模型能力集成•

覆盖主流模型API•

文本、视觉和语音等全模态支持•支持模型API灵活拓展智能上下文管理•

上下文自动压缩•自主长期记忆管理•

智能体自主上下文管理工具管理•

自主工具管理(Meta

Tool)•提供灵活的MCP接入方式•

轻松接入Agentskil多智能体编排•

对话式多智能体编排•

信息传递和分享透明可见•

多种语法糖减低开发门槛AgentScope

围绕

Agentic的核心理念进行构建，提供模型能力集成、多智能体编排、智能上下文管理和工具管理四大核心功能AgentScope技术特色modelscontextmulti

agenttools多智能体编排模型能力集成•

Agentscope覆盖各种主流模型API,

同时支持本地部署模型API服务•

Agentscope全面支持包括文本、视觉、语音、全模态等在内的多模态大模型•

支持文生图、图生文、

图片编辑、

ASR、文生语音等众多工具类模型AgenticAgentScope

围绕

Agentic的核心理念进行构建，提供模型能力集成、多智能体编排、智能上下文管理和工具管理四大核心功能AgentScope技术特色models智能上下文管理•

Agentscope支持短期记忆自动压缩功能•

Agent

scope

内置支持

Mem0，

ReMe等长期记忆的实现,支持工具、用户偏好和历史经验的记忆建模•

Agentscope支持智能体自主存储和检索向量数据库以及长期记忆AgentScope

围绕

Agentic的核心理念进行构建，提供模型能力集成、多智能体编排、智能上下文管理和工具管理四大核心功能AgentScope技术特色Age—ntic工具管理•支持智能体自主进行工具管理,让单智能体适用范围更广,能力更强•

Agentscope支持Streamable

HTTP

，SSE和

STDIO类型的

MCP,

同时提供有状态和无状态两种使用方式•

Agentscope支持AnthropicAgentSkill的动态工具加载、

卸载AgentScope

围绕

Agentic的核心理念进行构建，提供模型能力集成、多智能体编排、智能上下文管理和工具管理四大核心功能AgentScope技术特色Age—ntic多智能体编排•

Agentscope采用动态图的应用编排方式,易于理解、编写和调试•

Agentscope提供MsgHub，

pipeline等语法糖，帮助开发者轻松实现多智能体间消息的传递和分享AgentScope

围绕

Agentic的核心理念进行构建，提供模型能力集成、多智能体编排、智能上下文管理和工具管理四大核心功能AgentScope技术特色Age—ntictools构建智能体应用服务对接部署协议（A2A，

ResponseAPI）基于AgentScope-Runtime部署智能体应用AgentScope

实现智能体应用

AgentScope-Runtime

部署到云端工具沙箱代码执行环境自定义MCP文件系统服务支持多种部署方式AgentScope-Runtime提供

Agent-as-a-Service能力，支持将

Agent封装为可独立调用的

API服务，实现灵活部署、降低成本和快速迭代AgentScope技术特色支持多种部署协议

(A2A,

Response

API等)内置健康检查与中间件统一生命周期管理云Serverless(FunctionCompute)AgentScope-RuntimeACKDockerK8S打包部署到集群/云端实现智能体应用部署服务实现前端UI浏览器控制评测沙箱可视化展示AgentScope:智能体的评测分布式追踪并发environmenttools面向

Agentic应用的评测

智能体

统计分析支持评测结果的分析可视化提供可以快速开发的智能体模版提供运行时的数据统计支持全链路的数据追踪提供运行时项目管理能力AgentScope:智能体的观测数据统计透明化开发开箱即用提供运行时的数据统计支持评测结果的分析可视化提供可以快速开发的智能体模版支持全链路的数据追踪提供运行时项目管理能力AgentScope:智能体的观测数据统计透明化开发开箱即用提供运行时项目管理能力支持评测结果的分析可视化提供可以快速开发的智能体模版提供运行时的数据统计支持全链路的数据追踪AgentScope:智能体的观测数据统计透明化开发开箱即用支持全链路的数据追踪提供运行时项目管理能力支持评测结果的分析可视化提供可以快速开发的智能体模版提供运行时的数据统计AgentScope:智能体的观测数据统计透明化开发开箱即用支持评测结果的分析可视化提供运行时项目管理能力支持全链路的数据追踪提供可以快速开发的智能体模版提供运行时的数据统计AgentScope:智能体的观测数据统计透明化开发开箱即用提供可以快速开发的智能体模版提供运行时项目管理能力支持评测结果的分析可视化支持全链路的数据追踪提供运行时的数据统计AgentScope:智能体的观测数据统计透明化开发开箱即用AgentScope:智能体的优化AgentScope通过

Trinity-RFT提供面向

Agentic应用的RL训练能力，从而支持开发者实现智能体应用的快速迭代和优化智能样本筛选机制根据训练目标自动优选高价值训练样本，提升收敛效率动态数据-奖励协同管理实时联动训练与奖励信号，实现反馈闭环驱动的训练优化前沿算法全面支持全面支持SFT,GRPO,GSPO,

PPO等强化学习算法开箱即用的智能体EvoTraders:交易智能体浏览器使用智能体AgentScope多智能体编排长/短期记忆AgentScope-Runtime应用部署AgentScope是通义实验室推出的开源智能体框架，作为百炼

Agent平台的技术底座，以开源方式聚焦智能体相关技术与功能的前沿探索，提供开发、训练、部署和管理的生产级解决方案智能体优化单/多智能体微调数据增强AgentScope-Studio智能体观测评测工作流智能体评测自动评分评测工作流AgentScopeAlias:通用型智能体Data-JuicerAgent语音智能体多模态模型上下文管理问答智能体ReAct范式金融分析数据科学深度调研工具调用工具沙箱对话UI更多LLM

Tools3TaskResponse4ThinkingEnvironment智能体“规划-执行-反思（plan-execute-react）”链路原理典型应用场景•Deep

Research：

研究子课题拆解分课题进行联

网搜索

整理报告输出•Data

Science：

找到数据库位置生成sql语句并执

行根据执行结果调整sql

数据可视化展示•Browser

Use：

用户指令拆解分步骤操作云电脑

桌面

根据环境变化动态调整下一步动作

完

成任务AgentScope-Alias利用模型的“规划-执行-反思”能力，智能体可以把复杂问题拆解成若干可执行的子任务，并最终完成交付ActionResult52智能体数字分身Alias

是基于AgentScope

构建的通用智能体应用平台

，

通过

自然语言交互让人工智能成为您的数字化助手。它能够理解需求、记住偏好、执行复杂

任务，提供开箱即用的完整

解决方案，支持多种专业场景模式切换，具备长期记忆能力，让智能体应用的开发和使用

变得简单高效。AgentScope-Alias

https://alias.agentscope.io多智能体智自主协作Alias

内置五种智能操作模式可灵活切换，包括通用对话、浏览器自动化控制、深度研究分析、金融数据分析、数据科学处理等专业场景。每种模式都经过精心优化，确保在特定场景下发挥最佳性能，真正做到一个平台满足多样化的业务需求。AgentScope-Alias

https://alias.agentscope.io快速部署，即刻上线Alias

提供完整的部署解决方案，支持命令行工具快速启动和全栈应用部署两种方式。命令行适合开发者快速集成，全栈方案支持企业搭建定制化服务平台。平台内置工具记忆和用户画像服务，实现跨会话追溯和个性化体验，为智能体应用提供全生命周期支持。AgentScope-Alias

https://alias.agentscope.io数据科学智能体Data-JuicerAgent基于Multi-Agent协作架构，用户通过自然语言交互即可完成从数据查询、配置管理到代码生成的工业级数据处理全流程语音智能体VoiceAgent实时语音交互与ReAct

范式的结合，覆盖TTS、语音和实

时语音API

三种服务场景，投资分析智能体EvoTraders金融投资模拟分析，支持实时股市行情介入、回测与实盘双模式，配备可视化面板问答智能体QAAgent基于Multi-Agent

多智能体协作与Agentic

RAG

检索增强技术实现的问答型智能体，能够动态规划、自主决策并提供精准回答AgentScope-更多开箱即用的智能体提供涵盖金融分析和交易、数据处理、语音交互、文档问答等多元场景的，开箱即用的智能体AgentScope智能体开发框架HTTPS://GITHUB.COM/AGENTSCOPE-AIApache

RocketMQforAI面向AI

应用的异步解决方案周礼RocketMQ

MaintainerContents目录01

AI场景下异步架构的新挑战02

LiteTopic：

面向

AI场景的轻量级事件载体03

基于LiteTopic实现精细化流控04

基于LiteTopic的异步

AI会话网关05

实操演示1.AI场景下异步架构的新挑战行为模式：主动执行，拆解目标，自主决策，完成任务，业务流程不固定业务时长：不可预测性更高，平均耗时长，部分场景可达分钟级甚至更长交互方式：单次任务交互次数更多，需要高效的状态管理和会话管理运行成本：

GPU的运算成本远高于CPU，AI应用的成本压力更大传统互联网应用和

AI应用的对比AI

应用的特点易致堆积：平均消费耗时变长，队列数据容易堆积易致阻塞：单一长耗时消息引发头部阻塞，使短任务被迫等待，影响整体并发效率与用户体验结果可溯：系统异常恢复后，可获取历史任务结果，避免重复请求LLM，减少冗余

推理，降低成本传统应用事件驱动

vs

AI应用事件驱动AI

应用异步事件驱动新特性消息中间件演进方向差异化：传统异步模型基于任务同质性设计，在分布式切片的架构下，只需少量Topic与集群消费提升吞吐。AI任务高度差异化，要求消息系统能够为每个差异化任务单元提供独立的

消息通道数据恢复：传统模式依赖消息回溯重新执行业务，成本低可行。AI场景重试代价高昂，消息回溯需从重试转向复用，支持结果留存与快速读取，实现低成本故障恢复大消息体：AI推理结果体量大，要求消息中间件支持更大消息体。需通过分片、压缩等机制，实现大内容的高效传输与可靠存储。优先级：支持不同的SLA面向AI场景的消息中间件2.

LiteTopic：

面向AI场景的轻量级事件载体

RocketMQ

5.0无状态Pop模型传统消费模型：基于Group的共享消费RocketMQ4.0队列分配Pull模型自动：不需要预先创建；运行时自动创建，自动清理，带TTL轻量：可创建百万级别的轻量级队列差异化：单个客户端可以订阅万级别Topic，不同客户端订阅关系可以完全不同，也可以相同独占（可选）：一个LiteTopic只允许一个客户端订阅LiteTopic

消费模型：差异化订阅LiteTopic

消费特点只是订阅关系数量的变化？能否复用现有方式，只是每个客户端使用独立的Group订阅多个Topic？不可行1.读请求数量急剧膨胀2.轮询导致的无效扫描增多，CPU开销增大3.无法支持独占订阅4.Topic要预先创建5.客户端与各自Group绑定，使用很不方便LiteTopic消费模型实现传统Group消费模型LiteTopic消费模型①订阅关系注册：客户端动态添加/删除订阅，注册到服务侧，分片存储②百万队列：基于百万队列模型，每个

LiteTopic对应一个逻辑队列，消息存储时

自动创建③事件分发：每个客户端有专属的事件队

列，根据订阅关系集合进行分发④事件读取：一客户端读请求归一化，不

必对每个LiteTopic

发起读请求；直接读事件队列，避免扫描数据面控制面分离、推拉结合、事件驱动LiteTopic消费模型实现海量差异化订阅模型3.基于LiteTopic实现精细化流控共享队列阻塞队列共享：单一Topic包含多个队列，所有队列共同承载多用户消息，资源共用、无隔离消息混合：不同用户的消息被随机分发至各队列中，隔离程度很低队头阻塞：

当某队列头部出现长耗时任务，后续所有消息（无论归属谁）均被阻塞，无法消

费影响公平：单用户密集提交慢任务，可能抢占全部队列头部，导致资源独占，引发其他用户

延迟上升，破坏系统公平性，拖慢整体响应。队列级共享消费导致阻塞非阻塞消费线程池模型线程模型瓶颈：消费端实际并发能力受限于线程池大小，预拉取+线程池模型下，线程一旦被慢任务占用或者用sleep实现限流，即无法释放，即便队列物理隔离仍会导致资源卡死消费线程释放：

LiteTopic支持消费者主动返回suspend

，立即释放当前线程，避免空等浪

费保障公平：释放的线程可立即处理其他用户的快速任务，提升整体吞吐与多用户调度公平性消费端线程池非阻塞模型实现方案关键点物理隔离：

以用户名作为LiteTopic名称，实现用户级物理隔离动态创建：

LiteTopic按需动态创建，百万级可扩展精准流控：每个LiteTopic独立执行限流，实现精准流控；可以按用户配置差异化阈值，打造“千人千面”的流量治理能力挂起机制：用户触发限流时，消费者返回suspend

，立即释放线程，服务端暂停拉取，避免资源浪费；释放的线程可即时处理其他用户请求，实现资源的弹性调度与高效复用基于LiteTopic

实现精细化限流4.基于LiteTopic的异步AI会话网关共享消费：集群消费无法保证消息传输到固定接收节点，难以支持会话粘性，导致

结果回传错乱或依赖复杂状态同步历史数据：缺乏轻量灵活的API来支持数据恢复，无法快速读取多轮会话上下文消费方式：集群消费模式无法支持消费差异化，需要共享、互斥等消费模式来支持

多种会话场景交互现有AI会话异步方案的瓶颈现有方案的局限性现有实现方案①任务提交：用户连接到某网关机器

，提交任务，该机器将任务信息写入共享缓存②③轮询任务：Worker

获取并执行任

务，完成后将结果写入到结果队列④⑤⑦顺序消费：

网关集群顺序消费结果队列：若接收用户消息的机器是用户所连网关实例，则直接推流；若不是用户所连实例，则将结果存入缓存，并发送广播Topic⑥广播消费：所有机器收到广播后，如果

是本机所连接用户的任务，从缓存读取结果并返回，否则忽略问题：流程复杂、依赖组件多、广播无效消费、排查路径长、不支持断连恢复异步会话网关现有方案的局限性优化后的方案①②任务提交：用户连接到某网关机器

，提交任务，该机器将任务信息写入到任务

Topic（普通类型），消息中携带Session

信息，并订阅对应Session名字的LiteTopic③④回写结果：智能应用（Worker节点）消费任务Topic的消息，处理后将任务结果写到Session名字的LiteTopic⑤⑥返回结果：订阅Session

LiteTopic

的网关机器收到任务结果，直接返回给用

户流程简单、全异步、依赖组件少、无需广

播消费、支持断连恢复基于LiteTopic实现全异步会话网关中断恢复①Session建连：浏览器连接到网关机器1②③返回结果：

网关机器1订阅LiteTopic

（Session1），后端智能应用将结果写到SessionTopic1，网关机器1返回浏览器④断连：浏览器或者网关机器原因断连⑤浏览器重连：

网浏览器重新连接到网关机器2，标明恢复会话为Session1，网关机器2订阅LiteTopic（Session1），从断点处

返回数据无状态网关；支持指定Last-Event-ID、LastN模式，便于端上重新组织数据异步会话网关断连恢复5.实操演示实操演示：会话重连https://github.com/apache/rocketmq-a2a/tree/main/example/rocketmq-multiagent-base-adk实操演示：基于RocketMQ的多智能体通信https://www.aliyun.com/solution/tech-solution/rocketmq-for-multi-agent-communication/2990228RocketMQforAI用户交流

群二维码THANKSHiMarket：企业私有化开放平台企业落地AI应用架构的最短路径文想CONTENT目录01AI开放平台，顺势而生从云原生架构到AI原生架构02

HiMarket构建AI场景、AI市场、AI治理模型、

MCP、Agent、安全，全方位的能力进化03

HiMarket架构以及企业级生态帮助企业构建AI应用协作机制，实现AI应用货币化04

HiMarket社区规划&开源开放Himarket作为开源产品欢迎大家来共建Software

1.0Software

2.0Software

3.0政策面目标清晰l

2027年：

6大领域广泛融合，应用普及率>70%，智能经济核心产业快速增长l

2030年：应用普及率>90%，智能经济成为增长极，技术普惠70%90%100%l

2035年：全面进入智能经济、智能社会阶段2027年2030年2035年programsneural

netfixedfunction

neural

nete.g.AlexNet:for

image

recognition

~2012programsLLMagentPrompt、

RAG、

MEM、

MCPLLM

=

programmable

neural

net!

~2019programscomputercodebecame

programmable

in

~1940s技术持续迭代人工智能+即将大规模爆发面相未来,企业需要在人工智能+结合提效computerweights企业落地AI架构会遇到那些问题？企业落地面相全员做AI场景加速创新，会遇到的一些通用问题规模？管理？Agent、

MCP规模落地如何管理？企业开始大规模落地Agent，都会遇到多Agent管理，多

MCP工具管理，多模型管理问题；权限如何管理，成本如何分摊？企业多个团队如何协同，权限如何管理，成本如何分摊？让AI创新安全合规可控？落地？企业和员工怎么用？哪些高频场景可以快速让所有人参与？AI不是技术开发独享的能力，面相横向全企业员工如何加速AI渗透；AI场景AI

市场AI治理AI

agentHiMarketAI开放平台Chat对话/联网搜索/文生图/文生视频Agent市场/

Model市场/

MCP市场/

Prompt

市场统一监管/统一权限/统一计量/统一接入API开放平台AI网关

Hig

ressAI

agent

AI

Registry多模型代理多agent

架构端到端订阅标准API开放平台（API货币化）易于企业定制化（企业权限适配）快速落地AI应用和验证（play

Ground）企业级AI接入管理能力（安全审核）HiMarket开源新版本发布，定位AI开放平台HiMarket定位AI开放平台：企业落地AI应用架构最短路径HiMarket快速验证AI场景，便捷结合企业线上业务，构建标准化创新平台链接企业内部最短路径HiChat：全员创新面相企业全员管理者合规审计高频场景沉淀联网搜索、MCPAgent市场AI场景：沉淀AI高频场景，面相全员加速创新落地Al

高频场景,首要是chat场景,HiMarket定义

Hichat可以让用户快速交互模型、

MC

P、Agent进行多模态创新其他市场市场的体系化统一管理自建模型管理公有云模型管理计量可观测模型协议转换模型调用fallbackHttp转

MCPMCP

防投毒MCP版本管理MCP

local/remote外部

MCP统一采购Agent

RegistryA2A协议兼容企业级Agent架构AgentGateway跨语言、跨框架AI市场：多市场共享能力、共享资源实现Agent市场、MCP市场、模型市场管理,贴合业务场景能力增强Hi

chat

(快速体验)-面向全员消费Al

市场快速上架-面向开发者生产Agent市场MCP市场模型市场统一开放平台、集中AI治理统一权限管理统一内容审核统一可观测统一计量AI治理：通过统一开放平台，解决AI发展管理问题统一解决内部Al

使用的权限问题、观测问题、

计量问题、

内容审核、

合规校验Al

场景(内外)权限统一、可定制企业sso、

消费者级别鉴权、

统一防护多种计量模式(Token、

次数等)、支持成本核算、

可对外商业化运营Al安全围栏、对话历史、交互内容可追溯、MCP防毒注入、prompt审核全局观测大盘,展示AIAPI

的调用趋势、热门产品排行、

异常流量预警开发者注册、访问开发者门户

开放平台后台开发者认证、鉴权管理

MCP、Agent上架、审批、配额管理者SSOAI网关HiMarket架构：AI开放平台私有化定制opensourceHi

MarketAI

open

platform帮助企业构建AI开发者门户AI开放平台后台门户后台：管理员配置 Portal管理域名/样式/审批策略Product管API/Document/PolicyDeveloper/Consumer管理

身份认证/RBAC/订阅管理观测分析多维度调用观测基础设施：集成与统一管理开发者门户：深度集成与定制HiMarket架构：AI开放平台整体架构opensourceHiMarketAlopen

platform

overall

ArchitectureAI网关/Nacos

SDK（POP/Higress/Nacos）开源Higress网关MCP

ServerAPI网关

REST/HTTP

APINacosMCP/AgentAI网关Model/MCP/AgentConsumer注册凭证管理Product开放展示/订阅/调试观测分析Developer维度调用Developer注册SSO集成

构建开放平台门户AIHiMarket开源roadmapHiMarket坚持开源开放，欢迎一起共建，让天下企业没有难用的AI开放平台Hi

Market

1.0Hi

Market

0.6多模态人工智能支持

，Agent市场持续增强Hi

Market

0.7HiChat

支持丰富agent模式，

支持

manus

、

deepresearch

等类型复杂agent支持多模态体验，

可以文生图，文生视频2025Q22025Q32025Q42025年底2026

Q12026Q2Hi

Market

0.5当前重大版本，

AI市场，

体验中心

，企业级平台能力Hi

Market0.1起始版本

，支持MCP市场HiMarketAI开放平台，保持开源开放核心参与者包括阿里云、蚂蚁数科、高德、淘天等团队，面向开源可以助力企业快速构建AI开放平台，提供开箱即用的能力！感谢淘天

IdeaLAB

团队为

HiMarket提供的基础，期待更多企业一起参与共建！HiMarket仓库：https://gi/higress-group/HiMarket部署指南：/ai/himarket/himarket-deployment/HiMarket

钉钉社区群（2群）：

AI

原生公众号163370001036HiMarket开源开放，欢迎参与共建HiMarket坚持开源开放，欢迎一起共建，让天下企业没有难用的AI开放平台谢谢！AgentScopeAgent标准智能体定义范式Workflow/Multiagent

工作流与多智能体编排Context上下文与状态管理A2A分布式智能体协作HiMarket生态：AI原生应用架构全景图Al

原生应用架构最佳实践,HiMarket

Al

中台完美适配端&

生态手机手表耳机眼镜生态LLM通义DeepSeekOpenAI模型

…API

GatewayHigressAPI

管理流量防护WAF

防护服务发现OTelAI

GatewayHigressAI

Proxy