技术笔记

Agent框架选型对比

Properties2
tags大模型/agent, 选型, 多智能体
aliasesAgent 方案对比

7分钟阅读

Agent 框架选型对比

一句话判断

如果你更看重可控工作流，优先看 LangGraph；如果你围绕 OpenAI 生态做应用，优先看 OpenAI Agents SDK；如果你强调多 Agent 协作，优先看 AutoGen；如果你想快速让业务跑起来，优先看 Dify Agent。

一、总体对比

方案主要定位优势风险 / 短板适合你当前知识库的程度
LangGraph有状态、可控的 agent workflow 框架工程能力强，适合复杂流程学习成本略高很高
OpenAI Agents SDK面向 OpenAI 生态的 agent SDK抽象清晰，工具与 handoff 语义自然更偏 OpenAI 生态很高
AutoGen多 Agent 协作框架多角色协作表达强，研究味浓版本变化大，概念层次多很高
Google ADKGoogle 体系 agent 开发框架值得跟踪，适合关注 Google 工具链生态成熟度仍需观察中高
CrewAI角色团队式 Agent上手快，角色协作直观大项目可控性要仔细评估中高
PydanticAIPython 工程化 Agent 框架类型安全、结构化输出好多 Agent 生态不如前三强高
smolagents轻量 Agent 框架轻、快、易理解大规模工程能力有限中
LlamaIndex Agent数据与检索驱动 Agent和 RAG、知识检索结合紧更适合数据应用而非广义编排高
Dify Agent平台 / 低代码交付快、可视化深度定制受限中高
OpenClaw个人常驻智能体运行时聊天入口、技能系统、长期运行、本地上下文高权限执行带来明显安全风险高
Hermes个人常驻智能体 / 数字员工关注任务细化、自学习、技能沉淀资料和实现需要继续核验中高
Agent Zero本地智能体运行环境Linux 桌面、浏览器、插件、skills、子智能体本地执行和主机权限风险高
AutoGPT Platformcontinuous agents 平台workflow builder、blocks、marketplace、触发器复杂流程调试和成本控制中高
OpenManusManus 类开源 Agent 框架开源、适合学习通用 Agent 实现项目成熟度需观察中
Manus通用自主 Agent 产品浏览器、代码、文档、研究、设计、slides闭源、成本、隐私和可控性中高
GensparkAI workspace / Super Agent多工具生产流、文档、表格、设计、网页平台锁定和深度可控性中
FellouAgentic Browserweb 自动化、计划审批、agentic memory账号权限和网页污染风险中高
OpenHands软件开发智能体平台代码、终端、浏览器、Git 集成更偏开发场景高
Letta记忆优先智能体平台长期记忆、skills、channels、MCP tools记忆治理和敏感信息管理高
Lindy工作助理 / AI assistant邮件、日程、会议、跟进、办公集成账号权限和企业合规中高
Relevance AI企业 AI workforce 平台RBAC、审计、evals、MCP、playbooks企业平台依赖和流程治理成本中高
PonytailAgent 行为规则 / skills 分发包约束 AI 编程 Agent 少造轮子、少过度设计，支持多宿主工具不是 Agent 框架，不提供调度、记忆、多用户隔离中高

二、按需求选

如果你要做“工作台式多数据源分析”

优先顺序建议：

  1. LangGraph
  2. OpenAI Agents SDK
  3. AutoGen

原因：

  • 你当前知识库里已经有明显的多步骤、多角色、多数据源思路
  • 这类场景更看重流程可控、状态可观测、工具接入能力
  • 不是单纯追求“能对话”，而是要“能执行工作流”

如果你要做“多 Agent 协作实验”

优先顺序建议：

  1. AutoGen
  2. CrewAI
  3. OpenAI Agents SDK

如果你要做“RAG + Agent”

优先顺序建议：

  1. LlamaIndex Agent
  2. LangGraph
  3. OpenAI Agents SDK

如果你要做“快速业务落地”

优先顺序建议：

  1. Dify Agent
  2. CrewAI
  3. OpenAI Agents SDK

三、我对这些方案的判断

一个直接判断

未来几年里，真正长期有价值的不是“谁最像人在聊天”，而是谁能把 Agent 做成稳定、可调试、可接管、可评测的任务执行系统。

最值得长期投入学习的

最适合保持关注的

最适合快速试验和教学的

需要单独观察的

如果你关心 AI 编程 Agent 的行为约束

可以单独看 Ponytail。它不替代 LangGraph、AutoGen 或 OpenAI Agents SDK，但适合作为 AI 编程 Agent 的默认规则包：先判断需求是否必要，再复用现有代码、标准库、平台原生能力和已安装依赖，最后才写最小可工作的代码。

如果你关心个人常驻智能体

先看 个人常驻智能体对比，再按场景选择：

四、和 MCP 的关系

很多人会把 MCP 当成 Agent 框架，其实不是。

  • MCP 更像工具与资源接入协议
  • Agent 框架 更像任务执行与编排系统

两者是互补关系，不是替代关系。可结合 MCP 概览 阅读。

五、建议你后面怎么用这个目录

  1. 先用 Agent框架选型对比 做总览
  2. 确定你最关心的 2-3 个框架
  3. 每个框架单独补：
    • 核心抽象
    • 运行模型
    • 工具接入方式
    • 状态与记忆
    • 适用场景
    • 和你自己项目的关系

相关笔记

关系图谱

反向链接