agentscope

是Guava不是瓜娃

开源 AI Agent 中台 AgentOne(灵一)---私有部署、数据不出域的企业级 AI 助手完全私有部署 · 数据不出域 · 源码自主可控 · 对话可留痕On-premise AI Agent platform for regulated industries — banking, insurance, and state-owned enterprises.

【AgentScope 2.0】8-MCP 集成：Agent 的「USB-C 接口」是怎么接的源码地址：后端地址前端地址第 07 集讲工具时，buildToolkit() 的第一路来源留了个话头——「MCP 是 V2.3 新增：注册该 agent 绑定的 MCP clients」。这一篇把它讲完：MCP（Model Context Protocol）把外部服务的能力变成 Agent 的工具，平台怎么把数据库里的两行配置变成 Toolkit 里可调用的工具，以及比「接入」更重要的两件事——ssoToken 最小透传和 fail-closed 身份检查。

递归尽头是星辰

Java 智能体工程化：从 Spring AI 出发读懂 AgentScope本文承接 Java+AI 工程化实践系列，结合AgentScope 官方文档，建立从上到下梳理五层知识体系；拆解企业级 Agent 系统的五层架构设计；最后通过「订单智能助手」完整实战场景串联核心知识点，给出明确的技术选型边界。帮助开发者从概念到架构建立完整认知，快速判断 Spring AI 与 AgentScope 的适用场景。

老周聊架构

AgentScope 如何重构 Tracing：从装饰器耦合到声明式中间件可观测性在 Agent 框架里一直是"二等公民"——大多数实现都是先把功能跑通，再把追踪逻辑硬塞进主链路。AgentScope 1.0 时代的 Tracing 就是这么一个典型：OpenTelemetry 的集成直接焊死在 Agent 类内部，流式场景几乎没法追踪，会话 ID 在嵌套 span 之间传不出去。

【AgentScope 2.0】10-总结回顾详解版本基准:本文档基于 AgentScope 2.0 GA(v2.0.0)编写。具体版本号以 Release Notes 为准。

【AgentScope 2.0】05-文件系统（Filesystem）详解版本基准：本文档基于 AgentScope 2.0 GA(v2.0.0)编写。具体版本号以 Release Notes 为准。

阿里云云原生

金融级 AI 原生架构：FinXScope 如何解决智能体从 Demo 到生产的“最后一公里”？作者：孟辰(半堂)，文军(思越)，凌乐真(乐真)，徐磊(崇树)，林源(逆仞)FinXScope 是阿里云新金融技术服务团队基于 AgentScope Java 构建的金融级 AI 原生智能体底座。作为整个 Agent Harness 体系的核心组成部分，FinXScope 充分复用 AgentScope Java 在智能体编排、工具集成、多模型接入及可扩展运行时等方面的成熟能力，并在此基础上针对金融行业的合规性、安全性与高可用要求进行了深度定制与增强。完整的 Agent Harness 体系由 FinXS

阿里云云原生

AI Agent 上线容易稳定难？阿里云 AgentLoop 推出“经验自进化”闭环治理方案作者：刘军Managed Agents 让 Agent 运行在云端环境中：一方面，推理、编排、Harness 管理等核心环节均由云端统一托管，架构稳定性与运行效果由平台保障；另一方面，长周期任务不再依赖本地设备持续在线——即使个人电脑关机，任务依然可以在云端持续运行。

智_永无止境

阿里 AgentScope Java 2.0来了，Java也可以开发自己Agent了如果说Spring AI是给Java和AI的融合提供了方便，那么Langchain4j则是集成了更加丰富的功能。而阿里的 AgentScope Java 2.0则是基于Harness 架构，将AI Agent整套流程使用Java落地了，并提供了场地稳定运行的工程底座。

AgentScope-Java 入门：用 Middleware 审计 Agent 调用前面几篇，我们已经把 Review Copilot 做成了一个可运行的本地 Git diff 评审助手：

【AgentScope 2.0】 0. 学习指南版本基准:本文档基于 AgentScope 2.0 GA(v2.0.0)编写。具体版本号以 Release Notes 为准。

阿里云云原生

Agent 不再是“玩具”！AgentScope Java 2.0 GA 发布：构建企业级分布式智能体底座作者：刘军（陆龟）AgentScope Java 2.0 的核心思路，是基于 ReActAgent 推理内核基础上，增加 Harness 工程化层。开发者既可以继续使用轻量的 ReAct 循环，也可以按需启用 Workspace、持久记忆、Session、Sandbox、Skill 和 Subagent 等能力，将同一套 Agent 逻辑落地部署到企业级分布式服务中。

深色風信子

SpringBoot 集成 AgentScope Java

基于A2A + AgentScope + Nacos 构建分布式高可用异构 Agent 方案随着现在 Agent 的需求爆发，一个现实问题浮出水面，智能体们各自为政，难以协同。如一个典型的企业环境中，核心业务团队可能喜欢使用Java来开发服务，算法团队则偏爱Python来实现算法，不同的技术栈天然形成了协作壁垒。更棘手的是，各类Agent框架如：LangChain、AutoGPT、AgentScope等，各有各的接口规范和通信协议。当一个智能体需要调用另一个智能体时，开发者往往需要编写大量适配代码来处理协议转换、参数映射和错误处理，导致集成成本升高且维护困难。

【AgentScope】6.文件系统（Filesystem）详解文件系统是 Agent 的"文件柜"——它决定了 Agent 的文件存在哪里：是本机磁盘、远程存储，还是隔离的沙箱环境。

【AgentScope】4.会话（Session）详解会话管理就是让 AI Agent 记住"上次聊到哪了"，实现跨请求、跨进程、多用户的状态恢复。详见学习指南。此外需了解工作空间（Workspace）的文件存储基本结构和 JSONL 文件格式。

【AgentScope】3. 工作空间（Workspace）详解工作空间是 Agent 的"办公桌"——人格、记忆、知识、技能都以文件形式存放在这里，每次"上班"自动加载，每次"下班"自动保存。

【AgentScope】1. HarnessAgent 总览详解HarnessAgent 就是给"只有金鱼记忆的 AI 助手"装上一整套工程化装备——记忆系统、会话管理、上下文控制——让它能像一个靠谱的员工一样长期稳定工作。