AgentScope im Test

AgentScope ist ein Baukasten für Entwicklerteams, die das Verhalten ihrer KI-Agenten bis ins Detail festlegen wollen. Die Logik schreibst du in Python und bestimmst dabei selbst, welche Modelle, Werkzeuge und Abläufe zum Einsatz kommen. Der Schwerpunkt liegt darauf, dass nachvollziehbar bleibt, was ein Agent tut, vom Prompt über den Werkzeugaufruf bis zur Antwort. Version 2.0 hat die Schnittstellen dafür neu geschnitten, ein Rechte-System sowie abgeschottete Arbeitsumgebungen ergänzt und die Funktionen der früher getrennten AgentScope Runtime aufgenommen. Das Projekt kommt auf über 28.000 Sterne auf GitHub. Aktuell ist Version 2.0.5 vom 23. Juli 2026, sie setzt Python 3.11 oder neuer voraus.

Wichtigste Funktionen

• Rechte-System für Werkzeugaufrufe: Für jedes Werkzeug legst du fest, ob der Agent es ohne Rückfrage nutzen darf, nur nach Bestätigung durch einen Menschen oder gar nicht. Die Regeln reichen hinunter bis zum einzelnen Aufruf, einen Schreibzugriff auf ein bestimmtes Verzeichnis behandelst du also anders als einen Lesezugriff auf dasselbe Verzeichnis. Damit bleibt ein Agent steuerbar, auch wenn er über Stunden selbständig arbeitet.
• Abgeschottete Arbeitsumgebungen: Code und Werkzeuge laufen in einer Arbeitsumgebung, die du lokal, in einem Docker-Container, in Kubernetes oder bei den Cloud-Anbietern E2B, OpenSandbox und Daytona betreibst, der Agenten-Code bleibt dabei derselbe. Für den Betrieb im eigenen Rechenzentrum reichen die Varianten für Docker und Kubernetes.
• Zusammenarbeit mehrerer Agenten: Ein führender Agent legt bei Bedarf Arbeits-Agenten an, verteilt Aufgaben und tauscht mit ihnen Nachrichten aus, im einfachen Fall über einen Nachrichtenbus im Arbeitsspeicher. Bei verteiltem Betrieb übernimmt Redis, und ein Agenten-Team arbeitet dann über mehrere Rechner, ohne dass du den Code anfasst.
• Modell-Unabhängigkeit: AgentScope spricht OpenAI, Anthropic, Google, DeepSeek, Moonshot und xAI an und bindet ebenso lokale Modelle ein. Seit Version 2.0 liegen die Zugangsdaten getrennt von den Modell-Klassen, ein Anbieterwechsel ändert also nur die Konfiguration. So nutzt du denselben Agenten-Aufbau je nach Datenschutz- und Kostenanforderung mit einem Cloud-Modell oder einem im eigenen Unternehmen betriebenen Modell.
• Agenten als Dienst mit Weboberfläche: Ein mitgelieferter Dienst auf FastAPI-Basis stellt fertige Agenten als HTTP-Schnittstelle bereit, jeder Nutzer arbeitet dabei in einer eigenen Sitzung. Wiederkehrende Läufe starten nach Zeitplan, länger laufende Aufgaben arbeiten im Hintergrund weiter. Dazu gehört eine Weboberfläche, in der du den Verlauf mitliest, Werkzeugaufrufe freigibst und Wissensdatenbanken pflegst. Zugangsdaten, Agenten und Wissensdatenbanken teilst du innerhalb eines Teams oder einer Organisation.
• Werkzeuge, MCP und Skills aus einem Katalog: Über MCP (Model Context Protocol) bindest du externe Werkzeuge an, seit Anfang August 2026 auch direkt aus der GitHub MCP Registry. Skills sind Anleitungen im Markdown-Format, mit denen du einen Agenten für eine bestimmte Aufgabe schulst, ohne dafür Code zu schreiben.

Preise und Tarife

AgentScope steht unter der Apache-2.0-Lizenz und ist vollständig kostenlos, auch für den kommerziellen Einsatz. Das gilt für den Baukasten, den Agenten-Dienst und die Weboberfläche. Es gibt kein Cloud-Abo und keine Funktionssperren hinter einer Bezahlschranke. Kosten entstehen für die Infrastruktur, auf der du den Baukasten betreibst, und für die Modell-Aufrufe bei Cloud-Anbietern wie OpenAI oder Anthropic. Betreibst du die Arbeitsumgebung lokal, in Docker oder in Kubernetes, zahlst du nur die eigene Hardware. Die Arbeitsumgebungen bei den Cloud-Anbietern rechnen dagegen eigenständig ab, bei E2B etwa rund 129 Euro im Monat (150 USD) für den Pro-Tarif zuzüglich Nutzung, während der kostenlose Einstieg dort ein einmaliges Guthaben von rund 86 Euro (100 USD) enthält. Wer lokale Modelle einsetzt, hat nach der einmaligen Hardware-Anschaffung keine laufenden Modellkosten mehr.

Für wen ist AgentScope geeignet?

• Entwicklerteams, die ein eigenes KI-Produkt bauen: Wer eine Agenten-Anwendung für den eigenen Zweck baut, bekommt mit AgentScope die volle Kontrolle über Prompts und Abläufe, ohne an die Grenzen einer fertigen Plattform zu stoßen. Der mitgelieferte Dienst nimmt einen Teil der Arbeit für den späteren Produktivbetrieb ab, von der Sitzungsverwaltung bis zur Weboberfläche.
• IT-Abteilungen mit strengen Freigaberegeln: Wer Agenten in einem regulierten Umfeld einsetzt, muss belegen können, was ein Werkzeug im Namen des Agenten getan hat. AgentScope meldet jeden Schritt als Ereignis an die Oberfläche und lässt einzelne Werkzeugaufrufe von einem Menschen bestätigen, bevor sie ausgeführt werden.
• Forschung und technische Prototypen: Die nachvollziehbare Architektur und der Ereignisstrom machen Experimente mit mehreren Agenten überschaubar. Beim Vergleich verschiedener Modelle oder Abläufe siehst du jeden Zwischenschritt statt nur des Endergebnisses.

DSGVO und Datenschutz

AgentScope ist ein quelloffener Baukasten für den Betrieb im eigenen Unternehmen, der Code ist offen einsehbar und prüfbar. Es stammt allerdings von Alibaba, und die mitgelieferten Beispiele sind auf den Cloud-Dienst DashScope ausgelegt, dessen Server in China stehen. Für China gibt es keinen Angemessenheitsbeschluss der EU-Kommission, das heißt, die EU hat für China kein mit der DSGVO vergleichbares Schutzniveau festgestellt. Eine Übermittlung dorthin ist ohne zusätzliche Prüfung und Absicherung nicht zulässig.

Für den produktiven Einsatz tauschst du diese Standard-Anbindung gegen ein lokales Modell oder einen Anbieter mit EU-Serverstandort aus. Dasselbe gilt für die Arbeitsumgebungen, denn E2B und Daytona sind US-Anbieter, während du die Varianten für Docker und Kubernetes selbst betreibst. Bei einem lokalen Modell auf eigener Hardware bleibt die gesamte Verarbeitung auf deinen Servern, dann ist ein DSGVO-konformer Betrieb möglich. Das Rechte-System hilft, weil du festlegst, welche Verzeichnisse und Werkzeuge ein Agent überhaupt anfassen darf. Die Datenschutz-Bewertung entscheidet sich an der Wahl der angebundenen Dienste.

Alternativen zu AgentScope

• CrewAI ist ein ähnlicher Python-Baukasten für Multi-Agenten-Systeme mit Rollen und Werkzeugen. Es ist schneller zu erlernen, gibt dafür aber weniger Kontrolle über die einzelnen Abläufe als AgentScope und hat kein vergleichbares Rechte-System.
• Langflow baut Agenten und Abläufe per Drag-and-drop zusammen. Es ist die richtige Wahl, wenn niemand im Team Python schreiben will, bei komplexen Abläufen bleibt es dafür weniger flexibel.
• Paperclip verfolgt einen anderen Ansatz und steuert vorhandene Coding-Agenten über ein Dashboard, ohne dass du selbst Code schreibst. Das passt, wenn du Agenten betreibst statt sie selbst zu bauen.