AgentScope Java 支持多种模型、RAG 后端和扩展功能，各自需要不同的第三方 SDK。把所有依赖打包到一起会让项目变得臃肿，所以我们提供了两种引入方式：

• All-in-one：一个依赖搞定，默认带 DashScope SDK 和 MCP SDK，快速上手

• Core + 扩展：最小化核心包，按需加扩展模块，适合对依赖有严格要求的场景

大多数情况下用 all-in-one 就够了，需要精细控制依赖时再换成 core + 扩展。

要求：JDK 17+

Maven

<dependency>
    <groupId>io.agentscope</groupId>
    <artifactId>agentscope</artifactId>
    <version>1.0.12</version>
</dependency>

核心流程

在深入各个概念之前，让我们先理解智能体是如何工作的。AgentScope 的核心是 ReAct 循环（Reasoning + Acting）：

                              User Input (Message)
                                      |
                                      v
+-------------------------------------------------------------------------+
|                              ReActAgent                                 |
|                                                                         |
|    +------------------------+        +------------------------+         |
|    |        Memory          |        |        Toolkit         |         |
|    +------------------------+        +------------------------+         |
|              |                                  |                        |
|              v                                  |                        |
|    +------------------------------------------------------------+       |
|    |                    1. Reasoning                            |       |
|    |                                                            |       |
|    |    +-----------+     +-----------+     +-------------+     |       |
|    |    |  Memory   | --> | Formatter | --> |    Model    |     |       |
|    |    +-----------+     +-----------+     +-------------+     |       |
|    +------------------------------------------------------------+       |
|                                 |                                       |
|                                 v                                       |
|                          Need tool call?                                |
|                           /          \                                  |
|                         Yes           No                                |
|                         /              \                                |
|                        v                v                               |
|    +------------------------+    +------------------------+             |
|    |      2. Acting         |    |   Return final response |             |
|    |                        |    +------------------------+             |
|    |    +---------+         |               |                           |
|    |    | Toolkit |         |               |                           |
|    |    +---------+         |               |                           |
|    |         |              |               |                           |
|    |         v              |               |                           |
|    |   Store in Memory      |               |                           |
|    |         |              |               |                           |
|    |         v              |               |                           |
|    |   Back to step 1       |               |                           |
|    +------------------------+               |                           |
|                                             |                           |
+-------------------------------------------------------------------------+
                                              |
                                              v
                                    Agent Response (Message)

流程说明：

1. Reasoning（推理）：从 Memory 读取历史消息 → Formatter 转换格式 → Model 调用 LLM

2. Acting（行动）：Toolkit 执行工具 → 结果存入 Memory → 返回继续推理

理解了这个流程，下面我们逐一介绍各个概念。

消息（Message）

解决的问题：智能体需要一种统一的数据结构来承载各种类型的信息——文本、图像、工具调用等。

Message 是 AgentScope 最核心的数据结构，用于：

• 在智能体之间交换信息

• 在记忆中存储对话历史

• 作为与 LLM API 交互的统一媒介

核心字段：

内容类型：

• TextBlock - 纯文本

• ImageBlock / AudioBlock / VideoBlock - 多模态内容

• ThinkingBlock - 推理过程（用于推理模型）

• ToolUseBlock - LLM 发起的工具调用

• ToolResultBlock - 工具执行结果

--

AgentScope — Where Agents Come Alive

AgentScope Java