能让 AI 在你的电脑上自己创建文件夹、读写文件、调用外部 API，甚至多个 AI 同时协作完成任务——这已经不是一个简单的「聊天框」能搞定的事了。阿里通义实验室开源的 AgentScope 2.0（GitHub 28,500+ Star）正是为这种场景设计的 AI 智能体框架。它的设计哲学很特别：不教 AI 怎么干活，而是给 AI 一个安全的环境和一套趁手的工具，让 AI 自己想办法。

像「手机操作系统」一样的框架

如果把 AgentScope 比作手机操作系统，它包含几个核心能力：

• 沙盒（Workspace）：每个 AI 跑在自己的沙盒里，文件操作和命令执行都被隔离。支持六种运行环境：本地文件夹、Docker 容器、E2B 云沙盒、Kubernetes、OpenSandbox、Daytona
• 权限系统（Permission）：每种操作都要经过安全审批，5 种权限模式覆盖不同场景——默认模式、探索模式（只读）、接受编辑模式（工作区内自动放行）、旁路模式（全自动信任）、不打扰模式（无人值守不弹窗）
• 应用商店（MCP & Skill Hub）：从 GitHub MCP Registry 或 ClawHub 直接安装技能模块
• 任务管理器（Agent Team）：一个主 AI 创建子 AI 分工协作，主 AI 管分配，子 AI 干具体活，结果自动汇总

事件管道：透明的「事件流」

AgentScope 与其他框架最大的不同在于：它不是「调用-等待-返回」的黑盒子，而是一根透明的事件管道。AI 回复时，你会实时收到 30 多种不同事件：REPLY_START、MODEL_CALL_START、TEXT_BLOCK_DELTA（逐字流式推送）、THINKING_BLOCK_DELTA（AI 思考过程）、TOOL_CALL_START……

这套设计的核心价值是：前端 UI 可以精确响应每一步。AI 开始打字时显示输入动画，调用工具时展示「正在执行」，生成图片时通过 DATA_BLOCK_DELTA 事件实时渲染——一切都是流式的，不用等全部生成完才看到结果。

暂停与继续：人机协作

当 AI 想执行需要确认的操作时，它会暂停整个回复流程，向外部发送一个事件说「我需要你确认」，然后完整保存状态。等你点了确认，AI 拿着确认结果从刚才停下的地方继续执行。

AI 判断下一步动作有三种可能：

• Exit：对话结束，输出结果
• Reasoning：继续思考，调用模型
• Acting：执行工具调用

当工具调用需要外部确认时，执行流程会 break 出来，但 AI 的状态、上下文、迭代位置都完整保留，收到确认后无缝恢复。就像按了暂停键，随时可以继续播放。

中间件的「洋葱圈」设计

AgentScope 把中间件模式搬到了 AI 智能体里，设计了 7 个不同的拦截点：

• on_reply：拦截整个回复流程
• on_reasoning：拦截 AI 思考阶段
• on_check_permission：拦截权限检查
• on_acting：拦截工具执行
• on_model_call：拦截模型 API 调用
• on_compress_context：拦截上下文压缩
• on_system_prompt：修改系统提示词

每个拦截点都可以在操作前插入逻辑、也可以修改操作后的结果。更聪明的是，AgentScope 初始化时只把中间件安装到实际实现的钩子上，没实现的钩子不会产生任何性能开销。

沙盒里的 MCP 网关

所有文件读写、命令执行、MCP 连接都在沙盒里进行，沙盒通过一个内置网关和外界通信。这个网关在特殊的 .workspace 目录下运行，负责代理所有 MCP 连接。沙盒里的代码通过 localhost 访问网关，网关再转发到真实 MCP 服务——即使沙盒里的代码有问题，也不会影响宿主机安全。

让 AI 有时间感

AI 模型本身没有时间概念，AgentScope 通过运行时状态注入让 AI 知道当前时间、已运行时长、资源消耗等信息，从而做出更合理的决策。

📦 开源地址：agentscope-ai/agentscope