AgentScope - Plataforma de Desarrollo Multiagente Flexible y Potente

Resumen del Proyecto

AgentScope es una innovadora plataforma multiagente, diseñada específicamente para desarrolladores, para construir aplicaciones multiagente basadas en Grandes Modelos de Lenguaje (LLM). La plataforma utiliza el intercambio de mensajes como mecanismo central de comunicación, lo que reduce significativamente la barrera de entrada para el desarrollo y la comprensión.

Dirección de GitHub: https://github.com/agentscope-ai/agentscope

Características Principales

1. Principios de Diseño Amigables para el Desarrollador

• Prioridad a la Transparencia: Totalmente transparente para los desarrolladores, incluyendo ingeniería de prompts, llamadas a API, construcción de agentes, orquestación de flujos de trabajo, etc., todo visible y controlable.
• Control en Tiempo Real: Permite interrumpir agentes en cualquier momento y personalizar el manejo.
• Independencia del Modelo: Programación única, compatible con todos los modelos.
• Construcción de Agentes Estilo LEGO: Todos los componentes son modulares e independientes.

2. Diseño Orientado a Multiagentes

• Paso Explícito de Mensajes: Diseñado específicamente para multiagentes, soporta el paso explícito de mensajes y la orquestación de flujos de trabajo.
• Sin Encapsulación Profunda: Evita encapsulaciones complejas, manteniendo la legibilidad y mantenibilidad del código.
• Altamente Personalizable: Herramientas, prompts, agentes, flujos de trabajo, bibliotecas de terceros y visualizaciones, todo soporta personalización.

3. Potente Mecanismo de Tolerancia a Fallos

AgentScope ofrece mecanismos de tolerancia a fallos incorporados y personalizables, junto con soporte a nivel de sistema para gestionar y utilizar datos multimodales, herramientas y conocimiento externo. Incluye:

• Mecanismo de reintento a nivel de servicio para garantizar la fiabilidad de la API.
• Herramientas de corrección basadas en reglas para manejar problemas de formato en las respuestas de LLM.
• Configuración de tolerancia a fallos personalizable (parse_func, fault_handler, max_retries, etc.).
• Sistema de registro dedicado para aplicaciones multiagente.

4. Soporte para Arquitectura Distribuida

• Marco Distribuido Basado en Actores: Soporta una fácil transición entre despliegues locales y distribuidos.
• Optimización Paralela Automática: Permite la optimización paralela sin esfuerzo adicional.
• Soporte para Simulación a Gran Escala: Capaz de simular 1 millón de agentes en 4 dispositivos.

Nuevas Características de AgentScope 1.0

Soporte para Ejecución Asíncrona

• Adopta completamente el modo de ejecución asíncrona.
• Ofrece múltiples nuevas funcionalidades y mejoras.

Funciones de Módulos Centrales

Módulo	Función	Descripción
Model	Soporte para llamadas asíncronas	Soporta llamadas asíncronas para varios LLM
Tool	Integración de herramientas	Rica biblioteca de funciones de herramientas
MCP	Protocolo de Control de Modelos	Soporta la integración del Protocolo de Control de Modelos
Tracing	Monitoreo de trazado	Trazado y visualización de la ejecución de aplicaciones
Memory	Memoria a largo plazo	Gestión de la memoria a largo plazo de los agentes
Session	Gestión de sesiones	Gestión de estado y sesiones
Evaluation	Sistema de evaluación	Evaluación del rendimiento de los agentes
Prompt Formatter	Formateo de prompts	Herramienta inteligente de formateo de prompts

Arquitectura Técnica

Mecanismo de Intercambio de Mensajes

AgentScope utiliza un mecanismo de comunicación basado en mensajes:

from agentscope.message import Msg


message_from_alice = Msg("Alice", "Hi!")
message_with_media = Msg("Bob", "What about this picture?", url="/path/to/picture.jpg")

Creación de Agentes

from agentscope.agent import ReActAgent, UserAgent
from agentscope.model import DashScopeChatModel
from agentscope.formatter import DashScopeChatFormatter
from agentscope.memory import InMemoryMemory
from agentscope.tool import Toolkit, execute_python_code

import os, asyncio

async def main():
    toolkit = Toolkit()
    toolkit.register_tool_function(execute_python_code)
    
    agent = ReActAgent(
        name="Friday",
        sys_prompt="You're a helpful assistant named Friday.",
        model=DashScopeChatModel(
            model_name="qwen-max",
            api_key=os.environ["DASHSCOPE_API_KEY"],
            stream=True,
        ),
        memory=InMemoryMemory(),
        formatter=DashScopeChatFormatter(),
        toolkit=toolkit,
    )
    
    user = UserAgent(name="user")
    
    msg = None
    while True:
        msg = await agent(msg)
        msg = await user(msg)
        if msg.get_text_content() == "exit":
            break

asyncio.run(main())

Pipelines y Flujos de Trabajo

from agentscope.pipeline import MsgHub, sequential_pipeline
from agentscope.message import Msg

async def multi_agent_conversation():
 
    agent1 = ...
    agent2 = ...
    agent3 = ...
    
   
    pipeline = sequential_pipeline([agent1, agent2, agent3])
    result = await pipeline(initial_message)

Integración de MCP (Protocolo de Control de Modelos)

from agentscope.mcp import HttpStatelessClient
from agentscope.tool import Toolkit
import os

async def fine_grained_mcp_control():

    client = HttpStatelessClient(
        name="gaode_mcp",
        transport="streamable_http",
        url=f"https://mcp.amap.com/mcp?key={os.environ['GAODE_API_KEY']}",
    )
    
  
    func = await client.get_callable_function(func_name="maps_geo")
    

    await func(address="Tiananmen Square", city="Beijing")
    

    toolkit = Toolkit()
    toolkit.register_tool_function(func)

Soporte para Datos Multimodales

AgentScope adopta una estrategia de carga diferida, desacoplando la transmisión de datos multimodales del almacenamiento al proporcionar atributos unificados basados en URL en los mensajes. Soporta:

• Procesamiento de datos de texto, imagen, audio, video.
• Referencia de datos basada en URL.
• Mecanismo de carga bajo demanda.

Ecosistema de Herramientas y Servicios

Funciones de Servicio Integradas

• Ejecución de código Python.
• Búsqueda web.
• Operaciones de archivo.
• Integración de conocimiento externo.

Soporte para RAG (Generación Aumentada por Recuperación)

• Módulo de procesamiento de conocimiento de extremo a extremo.
• Sistema de recuperación altamente configurable.
• Componentes de procesamiento de conocimiento compartibles.

Instalación y Uso

Requisitos del Sistema

• Python 3.10 o superior.

Métodos de Instalación

Instalar desde el código fuente (Recomendado)

git clone -b main https://github.com/agentscope-ai/agentscope.git


cd agentscope
pip install -e .

Instalar desde PyPI

pip install agentscope

AgentScope Studio

npm install -g @agentscope/studio
as_studio

Soporte de Modelos

AgentScope soporta una amplia gama de Grandes Modelos de Lenguaje:

APIs en la Nube

• Serie OpenAI GPT.
• DashScope (Alibaba Cloud).
• Google Gemini.
• ZhipuAI.
• LiteLLM API.

Despliegue Local

• Ollama.
• Flask + Transformers/ModelScope.
• FastChat.
• vLLM.

Escenarios de Aplicación

Simulación a Gran Escala

• Simulación de mercados financieros.
• Modelado de planificación urbana.
• Análisis de impacto de políticas.
• Investigación de comportamiento social.

Tareas Colaborativas

• Simulación de equipos de desarrollo de software.
• Sistemas de diálogo multirrespuesta.
• Resolución de problemas complejos.
• Procesamiento colaborativo de conocimiento.

Aplicaciones Empresariales

• Automatización del servicio al cliente.
• Optimización de procesos de negocio.
• Soporte inteligente para la toma de decisiones.
• Modelado de gestión de riesgos.

Comunidad y Soporte

• Documentación Oficial: https://doc.agentscope.io/
• Repositorio de GitHub: https://github.com/agentscope-ai/agentscope
• Paquete PyPI: https://pypi.org/project/agentscope/
• Tutoriales y Ejemplos: Documentación completa de tutoriales y abundante código de ejemplo.

AgentScope representa un avance significativo en el desarrollo de sistemas multiagente, proporcionando a investigadores y desarrolladores una plataforma potente, flexible y fácil de usar para aprovechar al máximo el potencial de los agentes.