Agent 已经成为企业智能化升级的核心载体。但目前 Agent 开发主流框架多以 Python 为主，企业级集成能力难度大、状态管理混乱、缺乏调试工具与云原生部署支持等问题是摆在很 多Java 团队面前的挑战。
AgentScope 是阿里巴巴推出的一款以开发者为核心，专注于智能体开发的开源框架，其核心目标是解决智能体在构建、运行和管理中的难题，提供一套覆盖"开发、部署、调优"全生命周期的生产级解决方案，让智能体应用的开发更简单、运行更稳定、效果更卓越。
为了更好助力开发者高效上手，来自阿里云云原生应用平台 AgentScope Java 研发团队联合 InfoQ 推出「AgentScope 极客公开课」系列，深入讲解框架核心能力与实战案例。无论你是想探索 AI 编程新范式，还是亟需将大模型能力嵌入现有业务系统，课程都将为你提供一条低门槛、高效率、可落地的学习路径。
课程设计
AgentScope Java 系列课程强调"学完即用"，帮助你在碎片化时间内掌握核心技能，并快速应用于实际项目。
模块一：快速上手，5 分钟开发你的第一个 Java Agent
【第1节】什么选择 AgentScope Java？AgentScope 速览
内容简介：AgentScope Java 不仅是一个提供了开发者友好的 Agent 开发框架，更是一个通过 AgentScope 生态帮开发者实现从"开发、部署、调优"全生命周期的生产级解决方案。
【第2节】使用 ReActAgent 5 分钟快速开发一个 Agent 应用
内容简介：本小节将在 5 分钟内，让开发者基于 ReActAgent，通过不到 20 行代码，使用 Java 跑起一个 AI 智能体。
模块二：核心能力 ------ 让 Agent 真正"有用"
【第3节】使用 Tool 和 MCP 帮助 Agent 探索真实世界
内容简介：Tool 和 MCP 作为 Agent 与世界交互的桥梁，本小节将介绍如何使用 AgentScope Java 配置对应的 Tool 和 MCP，让你为已经创建的 AI 智能体添加查询搜索引擎的能力。
【第4节】RAG：赋予 Agent 私域知识
内容简介：为了让智能体能够拥有更准确的"私有知识"，本小节将介绍如何使用 AgentScope Java 配合阿里云百炼知识库实现高效地知识检索，让 AI 智能体更懂你的业务。
【第5节】记忆：让 Agent 迈向更高阶的智能
内容简介：双层记忆架构-短期记忆-AutoContextMemory 组件实现智能上下文管理，长期记忆实现跨会话的用户偏好记录，让 Agent 真正"记住"用户。
【第6节】结构化输出：将 Agent 应用整合到业务系统中的桥梁
内容简介：结构化的数据是将 AI 智能体整合到已有的业务系统中最佳的方案，本小节将介绍如何使用 AgentScope Java 构建一个具备推理、思考、执行能力且能返回结构化数据的智能体。
模块三：开发提效 ------ 调试、协作与复杂任务
【第7节】AgentScope Studio：调试、剖析 Agent 应用利器
内容简介：除了通过控制台和智能体交互，AgentScope 提供了一个开发者友好的 Studio 控制台，通过 AgentScope Studio 可以实时和智能体对话，观测智能体与 LLM 模型的请求过程。
【第8节】Plan：让 Agent 能自主分解复杂任务
内容简介：Plan/Act 通过分离规划与实施阶段，有效避免了 Agent "边想边做"导致的发散问题，广泛应用于 Manus、Coding 等领域。本小节将介绍如何通过 AgentScope Java 内置的 Plan 机制让智能体完成复杂任务。
【第9节】Tool Group：帮助模型面对大量 Tool 时更好地决策
讲师：吴宇奇(启淮)
内容简介：随着用户的任务复杂度的提升，需要暴露给 LLM 更多的工具，这会导致准确率下降和 Token 成本大幅提升。AgentScope Java 允许将工具进行规则，渐进式暴露给智能体使用。
模块四：高阶实战 ------ 多 Agent 的构建与难点
【第10节】Agent Debate：以狼人杀为例探讨多 Agent 系统难点
内容简介：随着智能体应用的蓬勃发展，多智能体的交互需要变得越来越急迫。本小节将以狼人杀游戏为例介绍如何构建一个具备不同能力的多智能体协作系统，探讨如何构建好一个多智能体系统。
【第11节】 A2A：多 Agent 分布式对话的桥梁
内容简介：A2A 协议做一个开放协议，目标是实现 AI 智能体之间的无缝通信与协作。本节将介绍如果通过 A2A 协议在 AgentScope Java 中构建一个分布式多智能体应用。
点击此处，0 元学 AgentScope Java。