中文サイト | チュートリアル | ロードマップ（2026年1月以降） | よくある質問
AgentScopeは、モデル能力の向上に対応する本質的な抽象化と、組み込みのファインチューニング支援を備えた、本番環境対応で使いやすいエージェントフレームワークです。
より自律的なLLMを想定して設計しています。 厳密なプロンプトや固定的なオーケストレーションで制限するのではなく、モデルの推論能力とツール使用能力を活かすアプローチを採用しています。
- シンプル：組み込みのReActエージェント、ツール、スキル、人間介入ステアリング、メモリ、計画、リアルタイム音声、評価、モデルファインチューニングにより、5分でエージェント開発を始められます。
- 拡張可能：ツール、メモリ、可観測性の多数のエコシステム統合。MCPとA2Aの組み込みサポート。柔軟なマルチエージェントオーケストレーションとワークフロー用のメッセージハブ。
- 本番環境対応：組み込みのOTelサポートを備え、ローカル、クラウドのサーバーレス、またはK8sクラスタ上でエージェントをデプロイして提供できます。
AgentScopeエコシステム
- [2026-04]
COMM: AgentScope 2.0 は近日公開予定です。ロードマップ | ディスカッション - [2026-02]
FEAT: リアルタイムボイスエージェントサポート。例 | マルチエージェント リアルタイム例 | チュートリアル - [2026-01]
COMM: エコシステムの更新と開発計画を共有する隔週ミーティングが開始されました - ご参加ください！詳細とスケジュール - [2026-01]
FEAT: メモリモジュールのデータベースサポートとメモリ圧縮。例 | チュートリアル - [2025-12]
INTG: A2A（エージェント間）プロトコルサポート。例 | チュートリアル - [2025-12]
FEAT: TTS（テキスト音声変換）サポート。例 | チュートリアル - [2025-11]
INTG: Anthropic Agent Skill サポート。例 | チュートリアル - [2025-11]
RELS: 様々な現実世界のタスク向けの Alias-Agent と、データ処理用の Data-Juicer Agent がオープンソース化されました。Alias-Agent | Data-Juicer Agent - [2025-11]
INTG: Trinity-RFT ライブラリによるエージェント強化学習。例 | Trinity-RFT - [2025-11]
INTG: 強化された長期記憶のための ReMe。例
以下のコミュニティにご参加ください
| Discord | DingTalk |
|---|---|
 |
 |
AgentScope には Python 3.10 以上が必要です。
pip install agentscopeまたは uv で：
uv pip install agentscope# Pull the source code from GitHub
git clone -b main https://github.com/agentscope-ai/agentscope.git
# Install the package in editable mode
cd agentscope
pip install -e .
# or with uv:
# uv pip install -e .ユーザーと ReAct エージェント 🤖 「Friday」との会話を始めましょう！
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, execute_shell_command
import os, asyncio
async def main():
toolkit = Toolkit()
toolkit.register_tool_function(execute_python_code)
toolkit.register_tool_function(execute_shell_command)
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())音声入出力機能を備えたReActエージェントを作成して、音声を理解・応答できます。マルチエージェント人狼ゲームを音声インタラクションで遊ぶこともできます。
werewolf_voice_agent.mp4
Webインターフェース付きのリアルタイム音声エージェントを構築して、ユーザーが音声入出力によってインタラクションできます。
リアルタイムチャットボット | リアルタイムマルチエージェント例
multi_agent_realtime_voice.mp4
ReActAgentでのリアルタイム割り込みに対応します。会話はリアルタイムでキャンセルによって割り込むことができ、堅牢なメモリ保存を通じてシームレスに再開できます。
個別のMCPツールをローカル呼び出し可能な関数として使用して、ツールキットを構成したり、より複雑なツールにラップできます。
— GitHub から取得した原文（一部省略の場合あり）
中文主页 | Tutorial | Roadmap (Jan 2026 -) | FAQ
AgentScope is a production-ready, easy-to-use agent framework with essential abstractions that work with rising model capability and built-in support for finetuning.
We design for increasingly agentic LLMs. Our approach leverages the models' reasoning and tool use abilities rather than constraining them with strict prompts and opinionated orchestrations.
- Simple: start building your agents in 5 minutes with built-in ReAct agent, tools, skills, human-in-the-loop steering, memory, planning, realtime voice, evaluation and model finetuning
- Extensible: large number of ecosystem integrations for tools, memory and observability; built-in support for MCP and A2A; message hub for flexible multi-agent orchestration and workflows
- Production-ready: deploy and serve your agents locally, as serverless in the cloud, or on your K8s cluster with built-in OTel support
The AgentScope Ecosystem
- [2026-04]
COMM: AgentScope 2.0 is on the way. Roadmap | Discussion - [2026-02]
FEAT: Realtime Voice Agent support. Example | Multi-Agent Realtime Example | Tutorial - [2026-01]
COMM: Biweekly Meetings launched to share ecosystem updates and development plans - join us! Details & Schedule - [2026-01]
FEAT: Database support & memory compression in memory module. Example | Tutorial - [2025-12]
INTG: A2A (Agent-to-Agent) protocol support. Example | Tutorial - [2025-12]
FEAT: TTS (Text-to-Speech) support. Example | Tutorial - [2025-11]
INTG: Anthropic Agent Skill support. Example | Tutorial - [2025-11]
RELS: Alias-Agent for diverse real-world tasks and Data-Juicer Agent for data processing open-sourced. Alias-Agent | Data-Juicer Agent - [2025-11]
INTG: Agentic RL via Trinity-RFT library. Example | Trinity-RFT - [2025-11]
INTG: ReMe for enhanced long-term memory. Example
Welcome to join our community on
| Discord | DingTalk |
|---|---|
|
|
- Quickstart
- Example
- Documentation
- More Examples & Samples
- Contributing
- License
- Publications
- Contributors
AgentScope requires Python 3.10 or higher.
pip install agentscopeOr with uv:
uv pip install agentscope# Pull the source code from GitHub
git clone -b main https://github.com/agentscope-ai/agentscope.git
# Install the package in editable mode
cd agentscope
pip install -e .
# or with uv:
# uv pip install -e .Start with a conversation between user and a ReAct agent 🤖 named "Friday"!
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, execute_shell_command
import os, asyncio
async def main():
toolkit = Toolkit()
toolkit.register_tool_function(execute_python_code)
toolkit.register_tool_function(execute_shell_command)
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())Create a voice-enabled ReAct agent that can understand and respond with speech, even playing a multi-agent werewolf game with voice interactions.
werewolf_voice_agent.mp4
Build a realtime voice agent with web interface that can interact with users via voice input and output.
Realtime chatbot | Realtime Multi-Agent Example
multi_agent_realtime_voice.mp4
Support realtime interruption in ReActAgent: conversation can be interrupted via cancellation in realtime and resumed seamlessly via robust memory preservation.
Use individual MCP tools as local callable functions to compose toolkits or wrap into a more complex tool.
