Qwen-Agent 智能体开发框架

能做什么

Qwen-Agent 是一个用于开发 LLM 应用的框架，围绕 Qwen 的指令遵循（instruction following）、工具使用（tool usage）、规划（planning）与记忆（memory）能力构建。

• 提供原子组件：LLM（继承自 BaseChatModel，带函数调用能力）与 Tool（继承自 BaseTool）。
• 提供高层组件：Agent（继承自 Agent），并内置如 Assistant、FnCallAgent、ReActChat 等实现。
• 支持自定义工具：通过 @register_tool 注册工具类，用 description 与 parameters 描述其功能与入参。
• 自带示例应用：浏览器助手（BrowserQwen）、代码解释器（Code Interpreter）、自定义助手。
• 支持函数调用（tool calling），默认工具调用模板原生支持并行函数调用（Parallel Function Calls）。
• 支持 MCP：可在开源 MCP server 上选择工具并进行配置调用（示例中给出 memory、filesystem、sqlite 等配置格式）。
• 代码解释器基于本地 Docker 容器实现，可在隔离沙箱中执行代码并返回结果。
• 提供基于 Gradio 的 GUI 接口，可用 WebUI(bot).run() 快速部署 Agent 的 Gradio Demo。
• 针对超长文档（含 1M token 场景）提供快速 RAG 方案与并行文档问答示例。

适用场景

• 需要基于 Qwen 或 OpenAI 兼容接口自行搭建 Agent 的开发者。
• 需要把自定义工具接入 LLM、并让模型自主编排工具调用的场景。
• 需要对超长文档做问答、或需要以 RAG / 多文档并行方式处理长上下文的场景。
• 需要通过 MCP 连接外部工具或数据源的场景。
• 需要快速以 Gradio WebUI 演示 Agent 的场景。

使用条件与限制

• 安装：可从 PyPI 安装 qwen-agent，可选依赖包括 [gui]（Gradio GUI）、[rag]（RAG）、[code_interpreter]（代码解释器）、[mcp]（MCP）；也可从源码安装开发版。
• 模型服务：可使用阿里云 DashScope 服务（需设置 DASHSCOPE_API_KEY 环境变量），或使用自行部署的 OpenAI 兼容服务（如 vLLM、Ollama）。
• 代码解释器：使用前需本地已安装并运行 Docker；首次构建容器镜像耗时取决于网络条件。来源明确提示该工具仅挂载指定工作目录并实现基本沙箱隔离，生产环境仍应谨慎使用。
• MCP 示例依赖 Node.js、uv 0.4.18 或更高版本、Git、SQLite 等组件。
• GUI 需要 Python 3.10 或更高版本。
• 示例中的 python 执行器（如 Qwen2.5-Math 示例）未做沙箱隔离，仅用于本地测试，不适用于生产环境。
• 使用 QwQ 与 Qwen3 模型时，来源建议不要为 vLLM 添加 --enable-auto-tool-choice 与 --tool-call-parser hermes 参数；Qwen3-Coder 则建议启用上述参数并结合 use_raw_api 参数。
• 许可：Apache License 2.0。