贺沼浊匣智能体需要与外部世界交互，这离不开模型、工具和 MCP（Model Context Protocol）的支持。AgentScope 通过统一的接口设计，让智能体能够无缝使用不同的模型提供商、执行各种工具函数，以及集成 MCP 服务。本文将深入分析 ChatModelBase 的模型无关设计、Toolkit 的工具管理机制，以及 MCP 协议的集成方式。通过阅读本文，你会理解框架如何实现"一次编程，适配所有模型"，工具如何被注册和执行，以及 MCP 如何扩展智能体的能力边界。

image.png

入口类与类关系

模型系统的类层次

AgentScope 通过 ChatModelBase 抽象接口实现了模型无关设计：

image.png

工具系统的类层次

工具系统由 Toolkit 统一管理：

image.png

关键代码：ChatModelBase 接口

让我们看看模型基类是如何定义的：

class ChatModelBase:

"""Base class for chat models."""

model_name: str

"""The model name"""

stream: bool

"""Is the model output streaming or not"""

def __init__(

self,

model_name: str,

stream: bool,

) -> None:

"""Initialize the chat model base class."""

self.model_name = model_name

self.stream = stream

@abstractmethod

async def __call__(

self,

*args: Any,

**kwargs: Any,

) -> ChatResponse | AsyncGenerator[ChatResponse, None]:

pass

def _validate_tool_choice(

self,

tool_choice: str,

tools: list[dict] | None,

) -> None:

"""Validate tool_choice parameter."""

# 验证工具选择参数的有效性

# ...

这个接口非常简洁，只定义了核心方法。所有模型提供商都实现这个接口，这样智能体就可以无缝切换不同的模型。

关键流程分析

模型调用流程

模型调用的流程相对直接，但支持流式和非流式两种模式：

image.png

工具执行流程

工具执行是 ReAct 模式中的关键环节：

image.png

MCP 工具调用流程

MCP 协议的集成让 AgentScope 可以使用外部服务：

image.png

关键技术点

1. 模型无关设计的实现

这是 AgentScope 的一个核心设计理念。通过 ChatModelBase 抽象接口，所有模型提供商都实现相同的接口：

@abstractmethod

async def __call__(

self,

*args: Any,

**kwargs: Any,

) -> ChatResponse | AsyncGenerator[ChatResponse, None]:

pass

这样，当你写代码时：

# 可以轻松切换模型

model = DashScopeChatModel(...) # 或 OpenAIChatModel、GeminiChatModel 等

agent = ReActAgent(model=model, ...)

智能体的其他代码完全不需要改变。这种设计让框架具有极强的灵活性。

2. 异步调用和流式处理

AgentScope 1.0 完全拥抱异步编程。模型调用、工具执行都支持异步和流式：

# 流式调用模型

async for chunk in model(messages):

# 处理每个 chunk

print(chunk.content)

# 流式执行工具

async for chunk in toolkit.call_tool_function(tool_call):

# 处理工具执行结果

print(chunk.content)

这种设计让框架能够：

实时显示生成内容（流式输出）

高效处理并发请求

支持长时间运行的工具

3. MCP 协议的集成

MCP（Model Context Protocol）是一个标准协议，让智能体能够使用外部服务。AgentScope 通过 MCPClientBase 抽象接口支持 MCP：

async def get_callable_function(

self,

func_name: str,

wrap_tool_result: bool = True,

) -> Callable:

"""Get a tool function by its name."""

if self._tools is None:

await self.list_tools()

target_tool = None

for tool in self._tools:

if tool.name == func_name:

target_tool = tool

break

if target_tool is None:

raise ValueError(f"Tool '{func_name}' not found in the MCP server")

return MCPToolFunction(

mcp_name=self.name,

tool=target_tool,

wrap_tool_result=wrap_tool_result,

client_gen=self.get_client,

)

这个设计非常巧妙：

无状态客户端：每次工具调用都创建新的会话，避免状态污染

统一接口：MCP 工具和普通工具使用相同的接口

细粒度控制：可以获取单个工具函数，也可以批量注册

4. 工具的执行和结果处理

Toolkit 的工具执行机制支持多种场景：

async def call_tool_function(

self,

tool_call: ToolUseBlock,

) -> AsyncGenerator[ToolResponse, None]:

"""Execute the tool function by the ToolUseBlock."""

# 检查工具是否存在

if tool_call["name"] not in self.tools:

return _object_wrapper(

ToolResponse(content=[TextBlock(...)]),

None,

)

# 获取工具函数

tool_func = self.tools[tool_call["name"]]

# 检查工具组是否激活

if (

tool_func.group != "basic"

and not self.groups[tool_func.group].active

):

return _object_wrapper(

ToolResponse(content=[TextBlock(...)]),

None,

)

# 准备参数并执行

# ...

工具执行支持：

同步/异步工具：自动包装同步工具为异步

流式/非流式返回：统一返回 AsyncGenerator[ToolResponse, None]

错误处理：自动捕获异常并返回错误信息

工具分组：支持按组激活/停用工具

总结

模型、MCP 和工具系统是 AgentScope 框架中让智能体具备"能力"的三个核心系统：

模型系统：通过统一的接口实现模型无关，让智能体可以无缝切换不同的模型提供商

工具系统：通过 Toolkit 统一管理工具，支持分组、流式执行、错误处理等高级特性

MCP 系统：通过标准协议集成外部服务，扩展智能体的能力边界