① 三位一体：内核 + 两个入口
不是「一个框架 + 一个产品」，而是三件套分工：内核解决 Agent 怎么跑，个人站和企业平台解决谁在用。
AgentScope 内核
Python / Java / TypeScript 多语言版本
↕
AgentScope 个人站
个人智能体工作台（~34.3k⭐）
+
多 Agent 协作平台 企业平台
企业级团队协作平台
AgentScope 个人站
- 单人多 Agent 工作台
- 软编排、Session 路由
- ReAct 为核 + 混合编排
- 易扩展、易上手
多 Agent 协作平台 企业平台
- 团队级 Agent 协作
- 统一 Skill 管理与治理
- 权限/审计/版本控制
- 与企业系统集成
② 治理四件套：四个「回答不了就崩」的问题
四件套是生态闭环的承重墙——很多团队内核和入口都做了，但没有治理，一个越权 MCP 工具就打穿整个平台。
| 组件 | 回答的问题 | 职责 |
|---|
| skillhub | 技能怎么发现/分发/版本化？ | Skill 市场（应用商店） |
| MCP 网关 | MCP 工具怎么注册/授权/审计？ | 工具治理（权限关卡） |
| Higress | Agent 流量怎么鉴权/限流/路由？ | AI 网关（流量大门） |
| Nacos | Agent/技能怎么被发现？ | 服务注册 + 配置中心 |
skillhub 技能市场
+
MCP 网关 工具治理
+
Higress AI 网关
+
Nacos 服务发现
③ Skill 生命周期七环节：闭环运转
一个 Skill 从诞生到进化，走完七个环节形成闭环。点击节点可聚焦每一步（自动播放会依序高亮）。
Skill 生命周期
闭环：造→发→注册→用→治理→沉淀→进化
① 造
写 Agent/Skill
核心能力开发
② 发
skillhub 发布
版本化+市场
③ 注册
Nacos 注册
服务发现
④ 用
AgentScope / 多 Agent 协作平台
编排执行
⑤ 治理
MCP 网关+Higress
权限/限流审计
⑥ 沉淀
ReMe 记忆蒸馏
经验沉淀
⑦ 进化
反馈→下一轮设计
闭环闭合
④ 六大框架选型坐标系
选型不是比功能多，而是比架构复杂度是否匹配业务确定性。
| 框架 | 路线 | 核心特性 |
|---|
| LangChain | ReAct-first 装配层 | 瑞士军刀式工具链，功能最全 |
| AgentScope | ReAct 偏 B | Actor 模型多 Agent 通信 |
| 企业 Agent 运行时（代称） | ReAct 为核+混合 | 软编排、Session 路由 |
| Spring AI | 中立抽象 | Java LLM 接入层，与框架解耦 |
| Spring AI Alibaba | Graph 运行时 + Agent Framework | DAG + 四种 Agent 类型 |
| LangGraph | 纯 Graph | StateGraph 节点内嵌 ReAct |
趋同洞察：行业从「ReAct vs Graph」之争收敛到一条共识——成熟框架最终都长成「ReAct 为核 + Graph 为壳」的混合架构。ReAct 核处理开放域自主推理，Graph 壳接管受控/合规域，确定性节点占比高时粗算可降 60–70%（未实测）。
⑤ 选型决策树
按业务确定性逐层决策——先评估场景再定框架，避免「架构选大了、选重了」的返工。
流程固定？→是→Workflow
可控性最高
否 → 任务复杂度？→简单→ReAct-first 装配层（LangChain）
否 → 需要规划？→Planner-Executor
否 → 多领域？→Multi-Agent（AgentScope/LangGraph）
否 → 受控域要求高？→Graph 壳 + ReAct 核（金融/合规）
金句：经验判断：相当一部分 Agent 返工，起因是架构选大了。Workflow 的可控性反而是最高的——架构越复杂不等于越可靠。小范围原型验证后才定全套。