9. CHANGELOG

v1.0.5

AgentScope Runtime v1.0.5 主要聚焦于提升部署灵活性以及 UI/协议层的集成能力。本次版本新增了带 CLI 支持的 PAI 部署器，引入 Boxlite 作为新的沙箱后端，并提供容器客户端工厂以统一容器化部署相关能力。同时新增 AG-UI 协议支持，集成 ModelStudio Memory SDK 及 Demo，并修复了 FC replacement_map、MS-Agent-Framework 兼容性、以及消息流工具调用处理等多个问题。文档也在多个章节进行了更新，并补充了贡献者信息。

Added

• PAI 部署器 + CLI 支持 新增 PAI 部署器，提供 CLI 支持，并补充了相关文档与测试。

• Boxlite 沙箱后端 新增 Boxlite 作为沙箱后端，可通过 CONTAINER_DEPLOYMENT=boxlite 启用。

• 容器客户端工厂（Container Client Factory） 引入容器客户端工厂，用于规范化/统一容器客户端的创建与使用。

• AG-UI 协议支持 新增对 AG-UI 协议的支持，提升与 UI 的互操作性。

• ModelStudio Memory SDK + Demo 集成 ModelStudio Memory SDK，并提供示例 Demo。

Changed

• 向 query_handler 暴露 AgentResponse 通过 kwargs 将 AgentResponse 暴露给 query_handler，增强可扩展性。

• 部署模块懒加载导入（Lazy Import Loader） 为部署相关模块引入懒加载导入机制，减少导入开销并改善启动表现。

Fixed

• FC replacement_map 热修复 修复 Function Compute（FC）部署中的 replacement_map 问题。

• BaseResponse completed_at 确保 BaseResponse 正确设置 completed_at 字段。

• A2A Registry 可选配置 修复启用 A2A registry 支持但未配置时引发的问题。

• MS-Agent-Framework 兼容性 为避免 ms-agent-framework v1.0.0b260114 引入的破坏性变更，临时将 ms-agent-framework 版本限制在 低于 v1.0.0b260114 的范围内，以保证运行稳定；后续版本将提供正式适配/升级。

• LangGraph 消息流工具调用 增强 LangGraph message stream 中的 tool call 处理逻辑。

Documentation

• 对 README 与多处文档进行了修正与更新（包括部署、自定义沙箱及其他说明性内容）。

v1.0.4

在保持 AgentScope Runtime v1.x 框架可扩展性与一致性的基础上，AgentScope Runtime v1.0.4 引入了多项部署支持的新特性，包括 Knative 与 Serverless FC 部署器、对 MS-Agent-Framework 的支持，以及异步 Sandbox SDK 以减少阻塞并提升响应速度。同时，本版本优化了 OpenTelemetry Tracer Provider 的安全处理，更新了依赖，并修复了非流式工具的调用问题。文档部分新增了 WebUI 试用入口与部署示例修正，并增添了多位新贡献者。

Added

• Knative Deployer 支持 新增 Knative 部署器功能，支持在 Knative 环境中快速部署 AgentScope Runtime。

• Serverless FC Deployer 支持 引入 Serverless Function Compute 部署器，方便在云原生无服务器环境运行。

• MS-Agent-Framework 支持 框架新增对微软 MS-Agent-Framework 的兼容与集成。

• Async Sandbox SDK 推出异步版 Sandbox SDK，实现非阻塞调用，提升系统的交互响应速度。

• Try WebUI 入口 在文档中新增试用 WebUI 的快速访问链接，方便用户体验最新功能。

Changed

• 依赖更新 更新 nacos-sdk-python 依赖版本，增强稳定性与兼容性。

Fixed

• 非流式工具调用支持 修复不同类型工具在非流式调用模式下的兼容性问题。

• OpenTelemetry Tracer Provider 安全处理 增加对已有 Tracer Provider 的安全检测与合理处理，避免冲突。

Documentation

• 更新 README，增加 WebUI 访问 URL。

• 部署示例（本地部署）中修正方法调用名称。

v1.0.3

AgentScope Runtime v1.0.3 在保持 v1.x 框架可扩展性与一致性的基础上，带来了 A2A 协议注册支持、更完整的异常与 Token 使用统计机制、新的天气组件与 UI 交互能力，以及多个 Sandbox、Redis、Agent 状态的修复与优化。同时改进了部署构建（Sandbox Image Building）、远程桌面自定义 URL 支持、PYPI 镜像配置等功能。

Added

• A2A Registry 支持 新增对 Google A2A 协议的注册能力，可与 AgentScope-Runtime 原生集成，实现跨平台智能体注册与发现。

• Token 使用统计（即使报错） 新增功能可在模型调用过程中，即便抛出异常，也获取到本次调用的 Token 使用量，便于计费与调试。

• Sandbox 镜像构建 Actions 在 CI/CD 中新增构建 Sandbox 镜像的 GitHub Actions，方便分发与部署自动化。

Changed

• 部署 PYPI 镜像配置优化 pypi_mirror 改为可指定输入并默认为 None，便于自定义 Python 包源。

Fixed

• RedisMapping 扫描键解析问题 修复 RedisMapping.scan 在 decode_responses 模式下的键解析错误。

• Redis 异步客户端关闭方式 调整为使用 aclose 关闭 Redis 异步客户端，避免warning。

• AgentBay 版本修复 修复 agentbay 版本依赖问题，保证运行时一致性。

• VNC 远程桌面自定义 URL 前缀支持 支持 VNC Remote Desktop 使用自定义 URL 前缀，提升部署灵活性。

• 会话与记忆热修复 新增 Redis Session 与 Redis Memory 过期时间。

v1.0.2

本次更新为 AgentScope Runtime v1.0.2，带来了 LangGraph 与 Agno 在 v1.x 框架下的支持、工具调用优化、移动端沙箱 UI 增强，以及多个兼容性与稳定性修复。 同时改进了 CLI 工具、MCP Tool 调用处理，并统一了业务异常管理。

Added

• LangGraph 支持：新增对 LangGraph 框架的原生兼容。

• 多框架支持扩展：在 v1.x 中加入对 Agno 框架的支持。

• 移动端沙箱 UI：支持在 WebUI 中展示移动端沙箱画面。

• CLI 工具：新增命令行执行与管理功能。

• 统一业务异常：引入统一的业务异常类。

• MCP Tool Call/Output 处理：新增 MCP 工具调用与输出的适配。

Changed

• 优化工具流式调用与输出的支持。

• 改进 adapt_agentscope_message_stream 对非 JSON 输出的兼容处理。

• 更新 .npmrc 以禁用 package-lock，并调整 peer dependency 配置。

Fixed

• LangChain 依赖补充（含 langchain_openai）。

• 修复 LangGraph 单元测试。

• 测试中引入 per-function event loop 以解决 Agno 下 “Event loop is closed” 错误。

• 修复沙箱中MCPstreamable_http 超时类型不匹配问题。

• 修复 OSS 配置在 AgentRun 场景下的异常。

Documentation

• 更新社区二维码。

• 文档微调与错误修正。

v1.0.1

AgentScope Runtime v1.0.1 主要包括稳定性修复、开发体验优化、运行时配置增强，以及 Windows WebUI 启动兼容性支持。同时引入服务工厂机制、工具调用类型区分，以及依赖更新对 AgentScope 1.0.9 的支持。

Added

• 服务工厂（Service Factory） 支持，更灵活创建运行时服务。

• 在 AgentScope 内区分 Tool Call 与 MCP Tool Call。

Changed

• 引入新的 runtime config 运行时配置机制。

• 更新依赖以支持 AgentScope 1.0.9。

Fixed

• 修复 AgentScope 消息转换逻辑。

• 修复 Windows 平台下 WebUI 启动问题（subprocess.Popen + shell 参数处理）。

• 修复表格存储（Table Store）相关问题。

Documentation

• 更新 serverless 部署文档。

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：

1. 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。

2. 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。

3. 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

4. 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：

1. 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,
         )
     

2. 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()
     

3. 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。