主流 Agent 框架的深度对比、选型决策指南与最佳实践。每个工具都标注了实际使用程度。
LangChain 生态下的有状态图编排框架。以节点（Node）和边（Edge）定义工作流，天然支持循环、分支和并行。适合需要精细控制 Agent 执行流程的复杂场景。
多 Agent 协作框架，以"角色（Role）"为核心抽象。每个 Agent 有独立的角色、目标和背景故事，通过任务（Task）和流程（Process）协调。Supervisor-Worker 模式的典型实现。
开源 LLMOps 平台，提供可视化的 Agent 编排界面。支持 RAG 管道、工具集成、监控和模型管理。适合需要快速原型验证和非技术团队参与的场景。
微软推出的多 Agent 对话框架，以"对话（Conversation）"作为 Agent 间通信的基本单元。支持去中心化的多 Agent 协作、代码生成与执行、人类介入。
Model Context Protocol，Anthropic 提出的标准化工具接入协议。将工具抽象为"资源（Resource）+ 工具（Tool）+ 提示（Prompt）"三个原语，MCP Server 提供，MCP Client 消费。正在快速成为行业标准。
Agent-to-Agent 协议，Google 提出的 Agent 间通信标准。解决多 Agent 系统中互操作问题——不同厂商的 Agent 如何在标准化的框架下发现彼此、协商任务、交换结果。
不同场景推荐不同的框架选择： • 简单单 Agent → 任何框架都行，选你最熟悉的 • 复杂工作流 → LangGraph（图编排） • 多角色协作 → CrewAI（角色抽象） • 快速原型 → Dify（可视化） • 去中心化系统 → AutoGen（对话驱动） • 工具标准化 → MCP（协议层统一） 核心原则：框架选型不是单选题。企业级系统往往需要组合使用——MCP 做工具层标准化，LangGraph 做复杂流程编排，Dify 做快速原型。
阅读关联文章 →