AgentScope 2.0 面向承担复杂智能体任务的开发团队，将整合规划与状态管理功能的运行框架作为主要开发入口。服务器负责任务编排，隔离沙箱负责执行工具，使开发团队能够复用通用基础，专注于业务工具与结果判断。

1. 运行框架成为复杂任务的默认入口

阿里云社区于 2026 年 11 月 11 日发布的文章，以 Java 实现为中心介绍了 AgentScope 2.0 的运行框架结构。如果说开发框架提供模型和工具等组件，那么运行框架还整合了向模型传递信息、推进任务、调用工具及保存进度的工作方式。

此前版本侧重于反复进行模型判断与工具调用的流程，以及智能体之间的协作，而此次则将长期任务所需的工作方式纳入默认配置。开发者可以直接使用运行框架，也可以定制组件与执行过程。

2. 将服务器编排与隔离执行分开

在工具于隔离环境中执行的 Tool-In-Sandbox 结构中，衔接模型判断与工具调用的流程、模型调用及上下文构建均在服务端进行。文件操作、命令和代码执行等需要隔离的操作，通过工具接口在沙箱中完成，再将结果与产物返回运行框架。运维人员可以集中管理运行框架，按用户或会话配置执行环境，并分别扩展编排服务与沙箱资源。

这一结构面向希望为多个业务团队提供智能体服务的组织。平台团队提供状态管理、隔离环境、权限与可观测性等通用基础，业务团队则负责领域知识、工具及结果验收标准。这可以减少重复实现，但管理状态、权限与执行环境的责任也集中到了平台设计上。

3. 衔接任务、信息与行动的方式

文章从任务、信息、行动三个层面解释运行框架的作用。任务层处理规划、进度及子智能体协作，信息层组织提供给模型的资料与工作空间。行动层检查工具执行权限，并将执行结果作为下一步判断的依据。

进入规划模式后，常规修改工具会被禁用，仅保留只读工具及获准用于规划与协作的工具。对于影响较大的变更，先探索并制定计划，再经人工确认后执行。以下是原文 Java 示例中配置运行框架的部分。

HarnessAgent agent = HarnessAgent.builder()
        .name("remediation-agent")
        .model(model)
        .workspace(workspace)
        .enablePlanMode()
        .enableTaskList()
        .planFileDirectory("plans")
        .build();

应用于原文所举的支付服务依赖漏洞修复案例时，计划确定修改范围，测试结果则成为下一次修改的依据。通过分别管理目标、当前进度与验证结果，减少在长对话中重新推测哪些工作已经完成的情况。

4. 引入时同步设计业务边界

适合引入的任务需要经历多个阶段，信息持续积累，且必须在执行中寻找下一步路径。文章指出，对于路径固定的简短问答或结构化信息提取，轻量调用与任务编排可能更合适。

以漏洞修复为例，应用程序确定待检查的代码版本，以及测试、安全检查和提交文档的验收标准。可以通过为沙箱授予代码修改与测试所需权限，并用独立业务工具处理生产环境部署，来设计执行边界。

5. 根据实现语言与运行环境采用

一并查阅的 AgentScope 公开仓库介绍的是 Python 实现，要求 Python 3.11 及以上版本。除本地环境外，还支持用于隔离运行应用的容器及外部沙箱集成，并提供处理多个用户与会话的智能体服务。这是独立于 Java 介绍文章、可用于确认 Python 应用路径的资料。

仅启用 Java 示例中的规划功能，并不会使任务在规划模式下启动，因此需要先规划的应用程序必须明确进入该模式。业务结果的自动验收也不是默认提供的功能，检查对象、标准与验证流程须由调用方配置。

AgentScope 2.0 的变化在于超越智能体组装，将长期任务的工作方式整合进默认运行框架，而享受这种便利的代价，是承担明确设计业务权限与结果验收标准的责任。