技术笔记

00-Agent导航

Properties2
tags大模型/agent, 导航, 多智能体
aliasesAgent导航, AI Agent 导航

7分钟阅读

Agent 导航

概览

本目录用于系统整理当前主流的 Agent 框架、平台与设计思路，重点关注多 Agent 编排、工具调用、工作流控制、可观测性、工程化能力以及和 MCP、RAG、Workflow 的关系。

一、为什么要单独整理 Agent

Agent 已经不再只是“会调用工具的聊天机器人”，而是在逐步演化为一种任务执行层：

  • 能做多步规划
  • 能调用工具与外部系统
  • 能维护短期状态和长期记忆
  • 能把复杂任务拆分给多个角色协作
  • 能和 RAG、MCP、数据库、浏览器自动化、代码执行环境连接

如果说 LLM 提供的是推理与生成能力，那么 Agent 更像是把这些能力接到真实工作流上的执行框架。

二、主流方案总览

类型代表方案适合场景关键词
SDK / 编程框架OpenAI Agents SDK、LangGraph、AutoGen、Google ADK、CrewAI、PydanticAI、smolagents、LlamaIndex Agent自己写代码、自己控流程可编排、可扩展、可调试
平台 / 运行时 / 低代码方案Dify Agent、OpenClaw、Hermes、Agent Zero、AutoGPT Platform、OpenManus、Manus、Genspark、Fellou、OpenHands、Letta、Lindy、Relevance AI快速搭建内部工具、运营型 AI 应用、个人常驻 Agent工作流、可视化、长期记忆
Agent 工具 / 技能分发Ponytail约束 AI 编程 Agent 行为、复用规则、跨工具分发 skillsYAGNI、stdlib first、skills、hooks
协议与生态MCP概览、[[大模型/02-应用开发/MCP/一些优秀的MCP服务器MCP Server 生态]]工具接入、资源接入、跨工具互联协议标准化

三、选型的核心维度

1. 你到底要“Agent”还是“Workflow”

这一步最容易混淆。

  • 如果任务流程相对固定，建议优先选 Workflow 风格框架
  • 如果任务拆解、角色协作、动态决策很多，再选更强的 Agent 框架

一个很常见的误区

很多系统其实并不需要“自治 Agent”，而只需要“可观测的工作流 + 局部智能决策”。

2. 你要不要多 Agent

多 Agent 不是默认更高级，只是适合：

  • 多角色分工明显
  • 多数据源联动明显
  • 需要 planner / executor / reviewer 等协作

可以结合 大模型/08-个体重构/05-案例观察/智能工作台中的多Agent工作流实践 一起看。

3. 你需要什么级别的工程能力

需要重点看：

  • 状态管理
  • 中断与恢复
  • 观察与日志
  • 人工接管
  • 工具注册方式
  • 模型供应商兼容性
  • 部署和评测方式

四、建议优先关注的方案

第一梯队：当前最值得长期跟踪

  1. LangGraph
    适合把“Agent”做成可控工作流，工程化能力强，和 LangChain 生态联动明显。

  2. OpenAI Agents SDK
    适合围绕 OpenAI 生态做 agentic application，抽象较清晰，后续生态值得持续跟踪。

  3. AutoGen
    适合多 Agent 协作、消息驱动和研究/实验型系统，尤其适合看多角色编排。

  4. Google ADK
    适合关注 Google 体系 Agent 工程方案的人，值得持续观察其生态成熟度。

第二梯队：有明显风格和定位

  1. CrewAI
    角色协作表达直接，上手快，适合“团队分工型”多 Agent。

  2. PydanticAI
    更偏 Python 工程质量、类型约束、结构化输出和可维护性。

  3. smolagents
    思路轻，代码量少，适合快速验证和教学理解。

  4. LlamaIndex Agent
    适合和数据、检索、RAG 场景绑定较深的 Agent 系统。

平台型

  1. Dify Agent
    适合先把业务流程跑起来，再逐步补底层工程能力。

  2. OpenClaw / Hermes
    适合跟踪“个人常驻智能体 / 数字员工 / Agent OS 雏形”这一类方案。

个人常驻智能体 / 数字员工

这一类不完全等同于 SDK，更像“可运行的智能体产品或运行时”。建议从 个人常驻智能体对比 开始看。

Agent 工具 / 技能分发

这一类不是完整 Agent 运行时，而是给已有 Agent 工具增加行为约束、技能、命令或 hooks。

五、建议阅读顺序

路径零：先看 2026 年技术与研究变化

  1. 2026 Agent 技术与论文追踪
  2. Coding Agent 工具链对比
  3. Agent框架选型对比

路径一：先建立框架视角

  1. Agent框架选型对比
  2. LangGraph
  3. OpenAI Agents SDK
  4. AutoGen

路径二：从你当前知识库延伸

  1. AutoGen
  2. MCP 概览
  3. 多Agent工作流实践
  4. 回到 Agent框架选型对比

六、当前目录内容

七、后续可补的方向

  • Browser Use / Web Agent 体系
  • Semantic Kernel Agent 能力
  • Haystack Agent / pipeline 体系
  • Hermes / OpenClaw 这类个人常驻 Agent 运行时
  • Anthropic 的 agentic workflow 方法论
  • Agent 评测框架与 benchmark
  • Agent memory 体系
  • Agent skills / rules / plugin 分发体系

相关笔记

关系图谱

反向链接