| 年份 | 关键事件 | 趋势 |
|---|---|---|
| 2023 | RAG 之年；OpenAI Function Calling (6月) | 线性链式 Agent |
| 2024 | Agentic RAG；LangChain → LangGraph 转型；CrewAI 崛起 | 框架爆发 |
| 2025 | “Agent 之年”；Microsoft 合并 AutoGen + Semantic Kernel；企业部署 | 生产落地 |
演进：LangChain（线性链）→ LangGraph（状态图）
LangGraph 是当前 LangChain 团队推荐的 Agent 构建方式：
状态图 (StateGraph)
├── 节点 (Node): 执行具体操作的函数
├── 边 (Edge): 节点之间的转换规则
├── 条件边: 基于状态决定下一步
└── 状态: 图中流转的数据
核心优势：
局限：
核心概念：角色驱动的任务执行
Crew (团队)
├── Agent: Researcher (研究员)
│ └── Task: 调研竞品
├── Agent: Writer (写手)
│ └── Task: 撰写报告
└── Agent: Reviewer (审阅者)
└── Task: 质量检查
核心优势：
局限：
核心概念：对话优先的多 Agent 框架
2025年10月与 Semantic Kernel 合并为统一的 Microsoft Agent Framework。
核心优势：
局限：
| 框架 | 来源 | 核心优势 | 适用场景 |
|---|---|---|---|
| OpenAI Agents SDK | OpenAI | 轻量、与 OpenAI API 深度集成 | OpenAI 生态用户 |
| Google ADK | Vertex AI 集成、企业级安全 | GCP 生态用户 | |
| Amazon Bedrock Agents | AWS | 托管服务、与 AWS 生态集成 | AWS 生态用户 |
| Claude Agent SDK | Anthropic | 与 Claude API 深度集成、类型安全 | Anthropic 生态用户 |
| 维度 | LangGraph | CrewAI | AutoGen | OpenAI SDK |
|---|---|---|---|---|
| 架构模式 | 状态图 | 角色-任务 | 对话驱动 | 轻量级链 |
| 多 Agent | 图节点 | Crew 团队 | 对话组 | Handoff |
| 流程控制 | 条件边、循环 | 顺序/并行 | 对话轮次 | 线性 |
| 可观测性 | LangSmith | 内置日志 | 对话记录 | OpenAI 平台 |
| 学习曲线 | 高 | 低 | 中 | 低 |
| 社区规模 | 最大 | 快速增长 | 中等 | 增长中 |
| 维度 | LangGraph | CrewAI | AutoGen |
|---|---|---|---|
| 错误恢复 | 检查点 + 重试 | 基础重试 | 对话级重试 |
| 状态持久化 | 内置 | 需自建 | 内置 |
| 成本控制 | LangSmith 追踪 | 基础统计 | Azure 集成 |
| 安全模型 | Human-in-the-Loop | 基础权限 | 对话审批 |
| 部署方式 | LangServe / 自建 | Docker / Cloud | Azure / 自建 |
| 模式 | LangGraph | CrewAI | AutoGen |
|---|---|---|---|
| 路由 (Router) | 条件边 | 不直接支持 | GroupChat |
| 编排 (Orchestrator) | 状态图 | Sequential/Hierarchical | 对话管理器 |
| 投票 (Voting) | 自定义节点 | 不直接支持 | 多回复投票 |
| 辩论 (Debate) | 循环图 | 不直接支持 | 自然支持 |
| 层级 (Hierarchy) | 子图嵌套 | Hierarchical Process | 嵌套对话 |
各协作模式的通用设计，详见第4章 Agent 设计模式。
你的 Agent 需求是什么？
│
├── 需要复杂流程控制（循环、分支、回溯）？
│ └── YES → LangGraph
│
├── 需要直观的多角色协作？
│ └── YES → CrewAI
│
├── 已深度绑定某个云生态？
│ ├── Azure → AutoGen / Microsoft Agent Framework
│ ├── AWS → Bedrock Agents
│ └── GCP → Google ADK
│
├── 需要最轻量级的方案？
│ ├── 用 OpenAI 模型 → OpenAI Agents SDK
│ └── 用 Claude 模型 → Claude Agent SDK
│
└── 不确定 / 原型验证阶段？
└── CrewAI（上手最快）或 LangGraph（上限最高）
| 团队规模 | 推荐 | 原因 |
|---|---|---|
| 个人/小团队 | CrewAI 或 OpenAI SDK | 上手快，概念简单 |
| 中型团队 | LangGraph | 灵活性高，可观测性好 |
| 大型企业 | LangGraph + LangSmith，或云厂商方案 | 完整工具链，企业级支持 |
| Benchmark | 领域 | 评测内容 |
|---|---|---|
| SWE-bench | 软件工程 | 从 GitHub Issue 到 PR 的全流程 |
| HumanEval | 编程 | 函数级代码生成 |
| GAIA | 通用 Agent | 多工具、多步骤任务 |
| WebArena | 网页操作 | 浏览器自动化任务 |
评测体系的完整讨论，详见第9章 评测、可观测性与安全。