6. 部署配备工具沙箱的ReAct智能体¶

本教程演示了如何使用AgentScope Runtime与AgentScope框架创建和部署 “推理与行动”(ReAct) 智能体。

Note

ReAct（推理与行动）范式使智能体能够将推理轨迹与特定任务的行动交织在一起，使其在工具交互任务中特别有效。通过将AgentScope的ReActAgent与AgentScope Runtime的基础设施相结合，您可以同时获得智能决策和安全的工具执行。

前置要求¶

🔧 安装要求¶

安装带有必需依赖项的AgentScope Runtime：

pip install agentscope-runtime

🐳 Sandbox Setup¶

Note

确保您的浏览器沙箱环境已准备好使用，详细信息请参见工具沙箱。

确保浏览器沙箱镜像可用：

docker pull agentscope-registry.ap-southeast-1.cr.aliyuncs.com/agentscope/runtime-sandbox-browser:latest && docker tag agentscope-registry.ap-southeast-1.cr.aliyuncs.com/agentscope/runtime-sandbox-browser:latest agentscope/runtime-sandbox-browser:latest

🔑 API密钥配置¶

您需要为您选择的LLM提供商准备API密钥。此示例使用DashScope（Qwen），但您可以将其适配到其他提供商：

export DASHSCOPE_API_KEY="your_api_key_here"

分步实现¶

步骤1：导入依赖项¶

首先导入所有必要的模块：

import os

from agentscope_runtime.engine import AgentApp
from agentscope_runtime.engine.agents.agentscope_agent import AgentScopeAgent
from agentscope_runtime.engine.deployers import LocalDeployManager

步骤2：配置浏览器工具¶

定义您的智能体可访问的浏览器工具（如果您想为智能体配置其他工具，请参考工具沙箱中的工具用法）：

from agentscope_runtime.sandbox.tools.browser import (
    browser_navigate,
    browser_take_screenshot,
    browser_snapshot,
    browser_click,
    browser_type,
)

# Prepare browser tools
BROWSER_TOOLS = [
    browser_navigate,
    browser_take_screenshot,
    browser_snapshot,browser_click,
    browser_type,
]

print(f"✅ 已配置{len(BROWSER_TOOLS)} 个浏览器工具")

步骤3：定义系统提示词¶

创建一个系统提示词，为您的智能体建立角色、目标和网页浏览任务的操作指南：

SYSTEM_PROMPT = """You are a Web-Using AI assistant.

# Objective
Your goal is to complete given tasks by controlling a browser to navigate web pages.

## Web Browsing Guidelines
- Use the `browser_navigate` command to jump to specific webpages when needed.
- Use `generate_response` to answer the user once you have all the required information.
- Always answer in English.

### Observing Guidelines
- Always take action based on the elements on the webpage. Never create URLs or generate new pages.
- If the webpage is blank or an error, such as 404, is found, try refreshing it or go back to the previous page and find another webpage.
"""

print("✅系统提示词已配置")

Step 4: 初始化智能体和模型¶

使用AgentScope框架中您选择的大模型设置ReAct智能体构建器：

from agentscope.agent import ReActAgent
from agentscope.model import DashScopeChatModel

# Initialize the language model
model = DashScopeChatModel(
    "qwen-max",
    api_key=os.getenv("DASHSCOPE_API_KEY"),
)

# Create the AgentScope agent
agent = AgentScopeAgent(
    name="Friday",
    model=model,
    agent_config={
        "sys_prompt": SYSTEM_PROMPT,
    },
    tools=BROWSER_TOOLS,
    agent_builder=ReActAgent,
)

print("✅ 智能体初始化成功")

Step 5: 创建并启动Agent App¶

用agent和 AgentApp 创建一个 Agent API 服务器：

from agentscope_runtime.engine.agents.agentscope_agent import AgentScopeAgent

app = AgentApp(agent=agent, endpoint_path="/process")

app.run(host="0.0.0.0", port=8090)

运行后，服务器会启动并监听：http://localhost:8090/process

步骤6：发送一个请求¶

你可以使用 curl 向 API 发送 JSON 输入：

curl -N \
  -X POST "http://localhost:8090/process" \
  -H "Content-Type: application/json" \
  -d '{
    "input": [
      {
        "role": "user",
        "content": [
          { "type": "text", "text": "What is in example?" }
        ]
      }
    ]
  }'

你将会看到以 Server-Sent Events (SSE) 格式流式输出的响应。

步骤7: 使用 Deployer 部署代理¶

AgentScope Runtime 提供了一个功能强大的部署系统，可以将你的智能体部署到远程或本地容器中。这里我们以 LocalDeployManager 为例：

async def main():
    await app.deploy(LocalDeployManager(host="0.0.0.0", port=8091))

这段代码会在指定的端口运行你的智能体API Server，使其能够响应外部请求。除了基本的 HTTP API 访问外，你还可以使用不同的协议与智能体进行交互，例如：A2A、Response API、Agent API等。详情请参考 Agent API 协议规范。

总结¶

通过遵循这些步骤，您已经成功设置、交互并部署了使用AgentScope框架和AgentScope Runtime的ReAct智能体。此配置允许智能体在沙箱环境中安全地使用浏览器工具，确保安全有效的网页交互。根据需要调整系统提示词、工具或模型，以自定义智能体的行为来适应特定任务或应用程序。