AgentScope - Plataforma de Desenvolvimento Multiagente Flexível e Poderosa

Visão Geral do Projeto

AgentScope é uma plataforma multiagente inovadora, projetada especificamente para desenvolvedores construírem aplicações multiagente baseadas em Grandes Modelos de Linguagem (LLM). A plataforma utiliza a troca de mensagens como mecanismo central de comunicação, reduzindo significativamente a barreira de entrada para desenvolvimento e compreensão.

Endereço do GitHub: https://github.com/agentscope-ai/agentscope

Principais Recursos

1. Princípios de Design Amigáveis ao Desenvolvedor

• Transparência Prioritária: Totalmente transparente para os desenvolvedores, incluindo engenharia de prompts, chamadas de API, construção de agentes, orquestração de fluxos de trabalho, tudo visível e controlável.
• Controle em Tempo Real: Capacidade de interromper agentes a qualquer momento e personalizar o tratamento.
• Independência de Modelo: Programe uma vez, funcione com todos os modelos.
• Construção de Agentes Estilo LEGO: Todos os componentes são modulares e independentes.

2. Design Orientado a Multiagentes

• Passagem Explícita de Mensagens: Projetado especificamente para multiagentes, suportando passagem explícita de mensagens e orquestração de fluxos de trabalho.
• Sem Encapsulamento Profundo: Evita encapsulamento complexo, mantendo a legibilidade e manutenibilidade do código.
• Altamente Personalizável: Ferramentas, prompts, agentes, fluxos de trabalho, bibliotecas de terceiros e visualizações são todos personalizáveis.

3. Mecanismos Robustos de Tolerância a Falhas

AgentScope oferece mecanismos de tolerância a falhas integrados e personalizáveis, juntamente com suporte em nível de sistema para gerenciar e utilizar dados multimodais, ferramentas e conhecimento externo. Inclui:

• Mecanismos de repetição em nível de serviço para garantir a confiabilidade da API.
• Ferramentas de correção baseadas em regras para lidar com problemas de formato nas respostas de LLM.
• Configurações de tolerância a falhas personalizáveis (parse_func, fault_handler, max_retries, etc.).
• Sistema de log dedicado para aplicações multiagente.

4. Suporte a Arquitetura Distribuída

• Framework Distribuído Baseado em Ator: Suporta transição fácil entre implantação local e distribuída.
• Otimização Paralela Automática: Otimização paralela alcançada sem esforço adicional.
• Suporte a Simulação em Larga Escala: Capaz de simular 1 milhão de agentes em 4 dispositivos.

Novas Funcionalidades do AgentScope 1.0

Suporte à Execução Assíncrona

• Abraça totalmente o modo de execução assíncrona.
• Oferece várias novas funcionalidades e melhorias.

Funcionalidades dos Módulos Principais

Módulo	Funcionalidade	Descrição
Modelo	Suporte a Chamadas Assíncronas	Suporta chamadas assíncronas para vários LLMs.
Ferramenta	Integração de Ferramentas	Rica biblioteca de funções de ferramentas.
MCP	Protocolo de Controle de Modelo	Suporta integração de protocolo de controle de modelo.
Rastreamento	Monitoramento de Rastreamento	Rastreamento e visualização da execução de aplicações.
Memória	Memória de Longo Prazo	Gerenciamento da memória de longo prazo dos agentes.
Sessão	Gerenciamento de Sessões	Gerenciamento de estado e sessões.
Avaliação	Sistema de Avaliação	Avaliação de desempenho de agentes.
Formatador de Prompt	Formatação de Prompt	Ferramenta inteligente de formatação de prompt.

Arquitetura Técnica

Mecanismo de Troca de Mensagens

AgentScope adota um mecanismo de comunicação baseado em mensagens:

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")

Criação 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 e Fluxos de Trabalho

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)

Integração do MCP (Protocolo de Controle de Modelo)

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)

Suporte a Dados Multimodais

AgentScope adota uma estratégia de carregamento preguiçoso (lazy loading), desacoplando a transmissão de dados multimodais do armazenamento, fornecendo atributos unificados baseados em URL nas mensagens. Suporta:

• Processamento de dados de texto, imagem, áudio, vídeo.
• Referência de dados baseada em URL.
• Mecanismo de carregamento sob demanda.

Ecossistema de Ferramentas e Serviços

Funcionalidades de Serviço Integradas

• Execução de código Python.
• Pesquisa na Web.
• Operações de arquivo.
• Integração de conhecimento externo.

Suporte a RAG (Geração Aumentada por Recuperação)

• Módulo de processamento de conhecimento de ponta a ponta.
• Sistema de recuperação altamente configurável.
• Componentes de processamento de conhecimento compartilháveis.

Instalação e Uso

Requisitos do Sistema

• Python 3.10 ou versão superior.

Métodos de Instalação

Instalação a partir do Código-Fonte (Recomendado)

git clone -b main https://github.com/agentscope-ai/agentscope.git
cd agentscope
pip install -e .

Instalação via PyPI

pip install agentscope

AgentScope Studio

npm install -g @agentscope/studio
as_studio

Suporte a Modelos

AgentScope suporta uma ampla gama de Grandes Modelos de Linguagem:

APIs em Nuvem

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

Implantação Local

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

Cenários de Aplicação

Simulação em Larga Escala

• Simulação de mercados financeiros.
• Modelagem de planejamento urbano.
• Análise de impacto de políticas.
• Pesquisa de comportamento social.

Tarefas Colaborativas

• Simulação de equipes de desenvolvimento de software.
• Sistemas de diálogo multirrodada.
• Resolução de problemas complexos.
• Processamento colaborativo de conhecimento.

Aplicações Empresariais

• Automação de atendimento ao cliente.
• Otimização de processos de negócios.
• Suporte inteligente à decisão.
• Modelagem de gestão de riscos.

Comunidade e Suporte

• Documentação Oficial: https://doc.agentscope.io/
• Repositório GitHub: https://github.com/agentscope-ai/agentscope
• Pacote PyPI: https://pypi.org/project/agentscope/
• Tutoriais e Exemplos: Documentação completa de tutoriais e código de exemplo rico.

AgentScope representa um avanço significativo no desenvolvimento de sistemas multiagente, oferecendo a pesquisadores e desenvolvedores uma plataforma poderosa, flexível e fácil de usar para explorar todo o potencial dos agentes.