AgentScope 2.0 发布：阿里通义实验室的新一代 Agent 框架

2026 年 5 月，阿里通义实验室正式发布 AgentScope 2.0（内部代号 RELS），定位是生产级、易用性的 Agent 开发框架，核心设计理念是「为越来越自主的 LLM 设计，让模型自己决定怎么做，而不是用 prompt 约束模型」。

核心设计哲学

AgentScope 2.0 和主流 Agent 框架的最大区别在于设计哲学。

大多数现有框架（LangChain、LangGraph、CrewAI、AutoGen）采用的是约束优先（constraint-first）思路：给模型一个严格的 prompt，告诉它「你必须用这个工具、按照这个流程、遵循这个状态机」。模型的自主性被压制在预设的编排层之下。

AgentScope 2.0 走的是释放优先（capability-first）思路：充分发挥模型自己的推理和工具调用能力，不在框架层做过度的流程强制。框架提供 abstraction 和工具，模型自己决定怎么用。

用官方的话说：「我们为越来越 agentic 的 LLM 设计。我们的方法利用模型自己的推理和工具调用能力，而不是用严格的 prompt 和固执的编排层来约束它们。」

主要特性

1. 快速上手

uv pip install agentscope

5 分钟内可以跑起来一个内置 ReAct agent。支持 tools、skills、human-in-the-loop steering、memory、planning、realtime voice、evaluation 和模型微调。

2. 丰富的生态集成

• 工具集成：MCP（Model Context Protocol）、A2A（Agent-to-Agent）
• 记忆系统：多种 memory 后端
• 可观测性：OTel（OpenTelemetry）支持
• 消息中心（Message Hub）：灵活的多 Agent 编排和工作流

3. 多环境部署

AgentScope 2.0 支持三种部署方式：

• 本地部署：本地运行，适合开发调试
• Serverless 云端：不需要管理基础设施
• K8s 集群：生产级大规模部署，内置 OTel 支持

4. 模型微调内置支持

不只是调用 API，框架内置了模型微调支持。这对于需要在特定领域优化 Agent 行为的团队很重要。

为什么这值得关注

原因 1：路线之争到了关键节点

Agent 框架领域现在有两条路线：

• 流派 A（CrewAI/AutoGen/LangGraph）：强流程编排，模型按预设的 workflow 走
• 流派 B（AgentScope 2.0）：弱编排，让模型自主决定

两条路线各有适用场景。但随着模型能力越来越强（GPT 5、Claude 4.6、Qwen 3），流派 B 的上限在提高——模型已经足够聪明，不需要框架强制它怎么推理。

原因 2：阿里在多 Agent 协作的积累

AgentScope 来自阿里巴巴通义实验室，在多 Agent 协作方向有长时间积累。Message Hub 的设计体现了阿里对多 Agent 协作场景的理解。

原因 3：生产级就绪

很多开源 Agent 框架是「能跑 demo」级别，AgentScope 2.0 明确面向生产环境：K8s 部署、内置 OTel、可观测性、serverless 支持——这些都是企业级的需求。

和其他框架的对比

适用场景

• 需要灵活的多 Agent 编排（Message Hub）
• 需要本地部署或私有化（K8s）
• 需要在特定领域微调 Agent 行为（内置微调）
• 模型能力强，想让模型自主推理而不是被流程约束

不适用场景

• 需要严格流程控制（选 LangGraph/CrewAI）
• 只需要 API 调用不想管基础设施（继续用 LangChain 即可）
• 个人开发原型（AgentScope 稍重，LangChain 更轻）

链接

• GitHub：github.com/modelscope/agentscope
• 文档：docs.agentscope.io/
• Discord：discord.gg/eYMpfnkG8h

AgentScope 2.0 代表了 Agent 框架的一个新方向——不再问「怎么约束模型按我们的方式走」，而是问「怎么让模型自主决策，同时我们提供足够的工具和环境」。随着模型能力持续提升，这条路线的吸引力会越来越大。