9. CHANGELOG¶
v1.0.0¶
AgentScope Runtime v1.0 在高效智能体部署与安全沙箱执行的坚实基础上，推出了统一的 “Agent 作为 API” 开发体验，覆盖完整智能体从本地开发到生产部署的生命周期，并扩展了更多沙箱类型、协议兼容性与更丰富的内置工具集。
变更背景与必要性
在 v0.x 版本中，AgentScope 的 Agent 模块（如 AgentScopeAgent、AutoGenAgent 等）采用黑盒化模块替换方式，通过直接将 Agent 对象传入 AgentApp 或 Runner 执行。这种封装在单智能体简单场景可以工作，但在复杂应用、尤其是多智能体组合时暴露了以下严重问题：
自定义 Memory 模块会被黑盒替换 用户在开发环境中自定义的 Memory（如
InMemoryMemory或自写类）在生产部署时会被不透明地替换为RedisMemory等实现，用户无法感知这种变化，也无法控制替换行为，导致线上与本地表现不一致。Agent State 未得到保留 旧框架缺少智能体状态序列化与恢复机制，多轮交互或任务中断后无法保留 agent 内部状态（如思考链、上下文变量），影响长任务的连续性。
无法挂载自定义逻辑（Hooks） 由于生命周期全被封装在内部，用户无法在 Agent 或执行阶段添加钩子函数（hooks），例如：
在推理前后插入自定义数据处理
运行时动态修改工具集或 prompt
多智能体与跨框架组合受限 黑盒模式无法在不同 agent 实例之间共享会话记录、长短期记忆服务、工具集，也难以将不同 agent 框架（如 ReActAgent 与 LangGraphAgent）无缝组合。
以上缺陷直接限制了 AgentScope Runtime在真实生产环境的可扩展性与可维护性，也使得“开发环境与生产环境一致”的目标无法实现。
因此，v1.0.0 重构了 Agent 接入模式，引入 白盒化适配器模式 —— 通过 AgentApp 与 Runner 装饰器明确暴露初始化 (init / init_handler)、执行 (query / query_handler)、关闭 (shutdown / shutdown_handler) 生命周期，使：
记忆、会话、工具注册等运行时能力可按需插入
Agent 状态可显式管理与持久化
用户可挂载 hooks 实现复杂自定义流程
完整支持多智能体构建与跨框架组合
主要改进：
统一的开发/生产范式：智能体在开发与生产环境中保持一致的功能性。
原生多智能体支持：完全兼容 AgentScope 的多智能体范式。
主流 SDK 与协议集成：支持 OpenAI SDK 与 Google A2A 协议。
可视化 Web UI：部署后开箱即用的 Web 聊天界面。
扩展沙箱类型：支持 GUI、浏览器、文件系统、移动端、云端（大部分可通过 VNC 可视化）。
丰富的内置工具集：面向生产的搜索、RAG、AIGC、支付等模块。
灵活的部署模式：支持本地线程/进程、Docker、Kubernetes、或托管云端部署。
Added¶
原生Short/Long Memory、智能体 State 适配器集成至 AgentScope Framework。
新聊天式 Web UI。
新增多种 Sandbox 类型（移动端沙箱、AgentBay无影云沙箱）。
Changed¶
AgentApp不再接受Agent作为入参数，用户需要通过query、init、shutdown装饰器自定义智能体应用的生命周期与请求逻辑。Runner不再接受Agent作为入参数，用户需要通过query_handler、init_handler、shutdown_handler自定义执行期的生命周期与请求逻辑。
Breaking Changes¶
以下变更会影响现有 v0.x 用户，需要手动适配：
Agent模块接口迁移
AgentScopeAgent、AutoGenAgent、LangGraphAgent、AgnoAgent等Agent模块已被移除，相关 API 迁移到AgentApp内的query、init、shutdown装饰器中。示例迁移：
# v0.x agent = AgentScopeAgent( name="Friday", model=DashScopeChatModel( "qwen-turbo", api_key=os.getenv("DASHSCOPE_API_KEY"), enable_thinking=True, stream=True, ), agent_config={ "sys_prompt": "You're a helpful assistant named Friday.", "memory": InMemoryMemory(), }, agent_builder=ReActAgent, ) app = AgentApp(agent=agent, endpoint_path="/process") # v1.0 agent_app = AgentApp( app_name="Friday", app_description="A helpful assistant", ) @agent_app.init async def init_func(self): self.state_service = InMemoryStateService() self.session_service = InMemorySessionHistoryService() await self.state_service.start() await self.session_service.start() @agent_app.shutdown async def shutdown_func(self): await self.state_service.stop() await self.session_service.stop() @agent_app.query(framework="agentscope") async def query_func( self, msgs, request: AgentRequest = None, **kwargs, ): session_id = request.session_id user_id = request.user_id state = await self.state_service.export_state( session_id=session_id, user_id=user_id, ) agent = ReActAgent( name="Friday", model=DashScopeChatModel( "qwen-turbo", api_key=os.getenv("DASHSCOPE_API_KEY"), enable_thinking=True, stream=True, ), sys_prompt="You're a helpful assistant named Friday.", toolkit=toolkit, memory=AgentScopeSessionHistoryMemory( service=self.session_service, session_id=session_id, user_id=user_id, ), formatter=DashScopeChatFormatter(), ) agent.set_console_output_enabled(enabled=False) if state: agent.load_state_dict(state) async for msg, last in stream_printing_messages( agents=[agent], coroutine_task=agent(msgs), ): yield msg, last state = agent.state_dict() await self.state_service.save_state( user_id=user_id, session_id=session_id, state=state, )
Runner 调整
原
Runner初始化方法替换为新的接口，用户需要覆盖父类方法query_handler、init_handler、shutdown_handler示例迁移：
# v0.x agent = AgentScopeAgent( name="Friday", model=DashScopeChatModel( "qwen-turbo", api_key=os.getenv("DASHSCOPE_API_KEY"), stream=True, ), agent_config={ "sys_prompt": "You're a helpful assistant named Friday.", "memory": InMemoryMemory(), }, agent_builder=ReActAgent, ) runner = Runner( agent=agent, context_manager=ContextManager(), environment_manager=EnvironmentManager(), ) # v1.0 class MyRunner(Runner): def __init__(self) -> None: super().__init__() self.framework_type = "agentscope" async def query_handler( self, msgs, request: AgentRequest = None, **kwargs, ): session_id = request.session_id user_id = request.user_id state = await self.state_service.export_state( session_id=session_id, user_id=user_id, ) agent = ReActAgent( name="Friday", model=DashScopeChatModel( "qwen-turbo", api_key=os.getenv("DASHSCOPE_API_KEY"), stream=True, ), sys_prompt="You're a helpful assistant named Friday.", toolkit=toolkit, memory=AgentScopeSessionHistoryMemory( service=self.session_service, session_id=session_id, user_id=user_id, ), formatter=DashScopeChatFormatter(), ) if state: agent.load_state_dict(state) async for msg, last in stream_printing_messages( agents=[agent], coroutine_task=agent(msgs), ): yield msg, last state = agent.state_dict() await self.state_service.save_state( user_id=user_id, session_id=session_id, state=state, ) async def init_handler(self, *args, **kwargs): self.state_service = InMemoryStateService() self.session_service = InMemorySessionHistoryService() self.sandbox_service = SandboxService() await self.state_service.start() await self.session_service.start() await self.sandbox_service.start() async def shutdown_handler(self, *args, **kwargs): await self.state_service.stop() await self.session_service.stop() await self.sandbox_service.stop()
Tool抽象接口变更
原
SandboxTool抽象被移除，使用原生Sandbox方法示例迁移：
# v0.x print(run_ipython_cell(code="print('hello world')")) print(run_shell_command(command="whoami")) # v1.0 with BaseSandbox() as sandbox(): print(sandbox.run_ipython_cell(code="print('hello world')")) print(sandbox.run_shell_command(command="whoami"))
# v0.x BROWSER_TOOLS = [ browser_navigate, browser_take_screenshot, browser_snapshot,browser_click, browser_type, ] agent = AgentScopeAgent( name="Friday", model=model, agent_config={ "sys_prompt": SYSTEM_PROMPT, }, tools=BROWSER_TOOLS, agent_builder=ReActAgent, ) # v1.0 sandbox = sandbox_service.connect( session_id=session_id, user_id=user_id, sandbox_types=["browser"], ) sandbox = sandboxes[0] browser_tools = [ sandbox.browser_navigate, sandbox.browser_take_screenshot, sandbox.browser_snapshot, sandbox.browser_click, sandbox.browser_type, ] toolkit = Toolkit() for tool in browser_tools: toolkit.register_tool_function(sandbox_tool_adapter(tool))
Removed¶
ContextManager和EnvironmentManager已被移除，现在由Agent进行上下文管理AgentScopeAgent、AutoGenAgent、LangGraphAgent、AgnoAgent已被移除，相关逻辑迁移到AgentApp内的query、init、shutdown装饰器中以供用户白盒化开发。SandboxTool和MCPTool抽象已被移除，现在通过sandbox_tool_adapter适配不同框架
v0.2.0¶
简化 agent 部署，并确保本地开发与生产部署的一致性。
Added¶
Agent 部署支持：可部署到 Docker、Kubernetes、以及阿里云函数计算（FC）。
Python SDK for Deployed Agent：用于与已部署 agent 交互。
类 App 部署模式：支持打包部署成应用形式。
Changed¶
统一 K8S & Docker 客户端：将客户端移动到公共模块，简化维护。
v0.1.6¶
提升对 AgentScope 全特性的原生支持，并增强 sandbox 的可交互性与可扩展性。
Added¶
更多消息/事件类型：扩展 Agent Framework 对多模态消息、事件的支持。
多 pool 管理：Sandbox Manager 支持管理多个 sandbox pool。
GUI Sandbox：提供图形化界面来操作 Sandbox。
内置浏览器 Sandbox 前端：基于 Web 的 sandbox 双控界面。
异步方法与并行执行：支持大规模并发处理。
E2B SDK 兼容：Sandbox 服务支持与 E2B SDK 对接。
v0.1.5¶
优化依赖安装，移除不再需要的 LLM Agent 模块，增强 sandbox 客户端功能。
Added¶
FC (AgentRun) Sandbox 客户端：支持在函数计算环境中运行 Sandbox。
自定义容器镜像与多目录绑定：可指定镜像名及绑定多个目录。
Changed¶
安装选项优化：将 AgentScope 和 Sandbox 作为基础依赖，简化安装。
Removed¶
LLM Agent & API：删除 LLM Agent 及相关接口。