QwenLM/Qwen-Agent：大模型Agent开发框架

Qwen-Agent 在 GitHub 上已经拿到 16,284 Star 了。
阿里巴巴通义千问团队开源了这个框架，基于通义千问大模型的指令遵循、工具使用、规划和记忆能力，开发LLM应用。框架内置浏览器助手、代码解释器、自定义助手等示例应用，目前是通义千问聊天产品的后端服务。

1、 核心功能

Qwen-Agent提供两类开发组件。原子组件包含LLM类和工具类，LLM类继承自BaseChatModel，内置函数调用功能。工具类继承自BaseTool，可自定义扩展。高级组件包含Agent类，衍生出Assistant等实现。
框架支持并行多步多轮工具调用，适配Qwen2.5、QwQ、Qwen3、Qwen3.5等全系列通义千问模型。2026年2月新增的Qwen3.5支持最新的Agent能力，配套的DeepPlanning评估基准也同步开源。

2、 安装使用

安装可通过PyPI获取稳定版：

pip install -U "qwen-agent[gui,rag,code_interpreter,mcp]"

也可从源码安装开发版本。可选依赖包含gui（Gradio界面支持）、rag（检索增强生成支持）、code_interpreter（代码解释器支持）、mcp（模型上下文协议支持），按需选择即可。
使用前需配置模型服务。可使用阿里云DashScope提供的模型服务，设置DASHSCOPE_API_KEY环境变量即可。也可部署自有的Qwen模型服务，兼容OpenAI API协议，支持vLLM、Ollama等部署方式。
开发自定义Agent仅需四步。添加自定义工具，配置使用的大模型，创建Agent实例，运行交互即可。框架内置GUI界面，一行代码即可启动Gradio Demo，快速验证Agent效果。

3、 内置能力

代码解释器基于本地Docker容器实现。Agent可自主编写代码，在隔离沙箱环境中安全执行，返回运行结果。使用前需安装并运行Docker，首次启动会自动构建容器镜像。
MCP协议支持已内置。可直接对接开源MCP服务器提供的工具，配置相关环境即可使用。官方提供SQLite、文件系统、内存等MCP工具的使用示例。
长文档问答支持1M Token上下文。框架提供快速RAG方案和并行文档问答Agent，在两项基准测试中性能超过原生长上下文模型，单针压力测试表现稳定。

4、 适用场景

• 开发自定义AI Agent应用的开发者
• 搭建企业内部RAG系统的技术团队
• 需要代码解释器能力的AI应用场景
• 基于多模态大模型开发工具调用能力的项目

开源地址：https://github.com/QwenLM/Qwen-Agent

tps://github.com/QwenLM/Qwen-Agent