主流 Agent 框架横评：LangGraph、AutoGen、CrewAI 怎么选

Sun, 05 Apr 2026 00:00:00 +0000

背景

Agent 框架今年井喷，光开源的就十几个。最近为公司一个新项目调研选型，把主流的几个都跑了一遍，记录下来供参考。

评测维度：核心抽象、上手难度、可控性、可观测性、多智能体支持、生产可用性。

LangChain 团队的下一代产品，基于"图"抽象。每个节点是一个函数（可以是 LLM 调用、工具执行、条件判断），边定义流转逻辑。

核心抽象：StateGraph（有状态有向图）、Node、Edge、Checkpoint。

优点：

缺点：

适合：复杂工作流、需要中断恢复、对可观测性要求高的生产系统。

微软出品，主打对话驱动的多智能体协作。每个 Agent 都有自己的角色和系统提示，通过对话相互协作完成任务。

核心抽象：ConversableAgent、GroupChat、UserProxyAgent。

优点：

缺点：

适合：研究性质、原型探索、需要多角色协作的场景（如代码评审、辩论、头脑风暴）。

后起之秀，强调"角色 + 任务"的工作分配模式。每个 Crew 包含多个 Agent，每个 Agent 有明确的 role/goal/backstory，按 Task 顺序执行。

核心抽象：Crew、Agent、Task、Process（顺序/层级）。

优点：

缺点：