核心结论

按职责而不是按排行榜理解开源 AI Agent 生态,会清晰得多:

text
业务工作流与策略
        |
Agent 运行时与编排
        |
模型、工具、记忆与评测适配器
        |
MCP / HTTP / 队列 / 数据库 / 沙箱

不同框架对“谁负责什么”做出了不同选择。轻量 SDK 可能让应用自己管理循环;图运行时可能负责检查点与跳转;角色系统可能引入委派概念;供应商工具包可能整合部署与评测。这些是设计选择,不是质量等级。

正确的选型流程是:

  1. 先证明普通代码不足以解决问题;
  2. 明确应用必须掌握的状态、控制与失败行为;
  3. 筛选满足需求的最小框架集合;
  4. 用同一批代表性任务实现原型;
  5. 比较质量、恢复、治理与退出成本;
  6. 保留迁移路径。

不要从框架出发

先从工作本身出发。

判断控制问题

工作负载 首先应该测试的实现
固定校验或转换 普通函数
已知步骤,包含重试与审批 工作流引擎或显式状态机
一个模型在少量有界工具中选择 直接编写 Agent 循环或使用轻量 SDK
长时间、可恢复、带分支的工作 图运行时或持久化工作流
不同角色确实拥有不同工具或评测者 有界多 Agent 编排
开箱即用的个人或编程助理 成品应用

Microsoft Agent Framework 的官方说明非常直接:如果一个函数能完成任务,就使用函数。这条原则具有普适性。只有语义决策、自适应规划或工具选择能提供确定性控制无法提供的价值时,Agent 框架才有必要。

写清验收契约

框架选型前先定义:

  • 任务输入与已授权上下文;
  • 允许使用的工具与副作用;
  • 期望输出或产物;
  • 正确性与证据评分标准;
  • 最大轮次、工具调用、时间和成本;
  • 审批点;
  • 可重试与终止失败;
  • 取消与恢复行为;
  • 审计与隐私要求。

这份契约就是框架对比标准。没有它,团队比较的只是 Demo 和抽象,而不是生产行为。

分层生态地图

第 0 层:确定性应用代码

它是基线,而不是低配 Agent。

校验、已知条件路由、授权、支付、状态转换和其他不变量应使用普通代码。模型可以建议动作,但可信代码必须决定动作是否允许。

第 1 层:直接模型与工具循环

应用自己管理循环:

  1. 组装已授权上下文;
  2. 调用模型;
  3. 校验模型请求的工具调用;
  4. 在策略约束下执行工具;
  5. 返回有界结果;
  6. 在已定义条件下停止。

这种设计抽象少、锁定低,但团队需要自行负责状态、重试、链路追踪、工具分发与防护规则。对于少量工具,它常常是正确基线。

第 2 层:轻量 Agent SDK

SDK 提供 Agent、工具、任务交接(Handoff)、会话(Session)、防护机制(Guardrail)与链路追踪等复用原语。

例如,OpenAI Agents SDK 用一组较小的原语描述这些能力以及人机协作。它的文档也明确区分:应用想自己掌握循环时使用更底层模型 API,需要托管轮次和工具执行时再使用 SDK。

选型的关键不在于“有没有功能”,而在于谁拥有功能语义:

  • “会话”是可移植应用状态,还是框架状态?
  • 暂停的任务能否在进程丢失后恢复?
  • 防护规则是否有真正执行点,还是只给模型提示?
  • 链路记录能否在不保留敏感内容的前提下导出?

第 3 层:图与持久化工作流运行时

图运行时让节点、跳转、状态、检查点、中断与恢复显式化。LangGraph 将自己定位为支持可控、持久化和人机协作 Agent 的低层运行时。

以下场景很适合图运行时:

  • 任务必须暂停等待审批,之后继续;
  • 不同失败类别进入不同路径;
  • 状态必须可检查或重放;
  • 循环需要显式终止;
  • 长任务不能依赖单个进程存活。

图本身不会自动让工作流安全。没有可靠退出条件的循环仍然会失控,含有凭证的检查点仍然会造成数据泄露。

第 4 层:角色与多 Agent 编排

CrewAI 区分结构化 Flow 与自主 Crew,并建议把 Flow 作为生产骨架,只在工作确实受益于协作时使用 Crew。

至少满足以下一项时,多 Agent 才有充分理由:

  • 不同角色需要不同权限或工具;
  • 工作可以并行,且有清晰合并契约;
  • 独立评测者能降低已测出的失败;
  • 上下文隔离有价值;
  • 所有权边界对应不同服务或团队。

任务有多个步骤,并不足以证明需要多个 Agent。多 Agent 会增加交接中的信息丢失、上下文重复、模型调用、归因难度与攻击面。必须把它与“确定性工作流中的单 Agent”公平比较。

第 5 层:供应商与部署工具包

有些框架面向更完整的平台。

  • Google ADK 文档包含顺序、并行、循环与模型驱动 Agent 模式,以及多语言评测和部署集成。
  • Microsoft Agent Framework 整合 Agent、长任务执行框架、显式工作流、中间件、会话、遥测与模型供应商集成;不同语言的成熟度可能不同。
  • OpenAI Agents SDK 聚焦于工具、交接、防护规则、会话、链路追踪和隔离工作区组成的紧凑运行时。

这些描述来自各项目官方文档,体现的是预期范围,不是独立的可靠性或适配证明。应核对项目需要的具体语言、功能、许可证、发布版本与支持状态。

第 6 层:协议与集成边界

MCP 为工具、资源、提示词与可选扩展提供标准集成边界。2026-07-28 规范的协议核心使用无状态、自包含请求。

MCP 可以减少连接器重复开发,但不会决定:

  • 哪个用户可以调用工具;
  • 用户可以访问哪条记录;
  • 副作用是否需要审批;
  • 工具结果是否可信;
  • 哪个 Agent 可以向另一个 Agent 委派;
  • 工作流是否应继续。

这些仍属于应用与服务职责。

代表性框架定位

下表是官方设计意图地图,不是获胜者名单。

选项 主要抽象 应用仍须证明
直接模型 API 模型调用与工具请求 循环、状态、重试、策略、可观测性
OpenAI Agents SDK Agent、工具、交接、防护规则、会话 模型适配、恢复、策略执行、数据处理
LangGraph 显式图、状态、持久化、中断 跳转正确性、持久化、终止、策略
CrewAI Flow 与角色型 Crew 协作是否优于单 Agent、交接质量
Google ADK Agent、工作流模式、工具、评测、部署 模型可移植性、运行时行为、生产控制
Microsoft Agent Framework Agent、执行框架、工作流、中间件、集成 语言功能一致性、预览能力边界、合规适配
MCP SDK 协议客户端与服务端 业务授权、委派、工具安全、生命周期

AutoGPT、MetaGPT、编程助理和个人助理位于地图的其他位置。应把它们当作应用或带有特定设计选择的系统评估,而不是可互换的库。

建立框架评测环境

使用同一批任务

构建一组代表生产环境的用例:

  • 正常成功任务;
  • 应要求澄清的模糊输入;
  • 未授权动作;
  • 工具超时;
  • 已产生部分副作用但结果未知;
  • 检索内容中的提示注入;
  • 长工具调用期间取消;
  • 恢复前进程重启;
  • 重复状态循环;
  • 系统应拒绝或转人工的任务。

保持对比等价

固定:

  • 模型与参数;
  • 工具契约与结果;
  • 系统指令;
  • 策略与审批规则;
  • 输入样本;
  • 时间、轮次、Token 与成本预算;
  • 重试与幂等行为;
  • 环境与依赖版本。

如果一个框架自带功能、另一个没有,就把另一个为达到等价行为所需的应用代码纳入评估。否则测到的只是配置完整度,不是运行时适配。

不只评分任务完成

维度 示例指标
结果 合格任务率、产物正确性、证据覆盖
工具使用 有效调用、未授权尝试、参数纠正
恢复 恢复成功率、重复副作用防护、取消延迟
控制 审批遵循、预算执行、循环终止
运维 p50/p95 延迟、错误率、模型用量、基础设施成本
可观测性 动作可重建、关联、脱敏、链路导出
工程 代码量、可测试性、调试时间、升级投入
可移植性 模型替换、工具复用、状态导出、替换成本

不要把隐藏的模型推理过程当作审计要求。记录策略允许的输入、工具决策、脱敏后的参数、结果类别、状态跳转、审批与产物。

治理不属于任何品牌名

每个严肃部署都需要应用控制平面:

  1. 可信身份:从已认证上下文派生用户、租户、工作负载与受委派执行者。
  2. 对象级授权:由负责数据的服务对每次读写执行策略。
  3. 工具白名单:只暴露任务需要的能力。
  4. 有界执行:限制轮次、调用、时间、输出、文件、网络目的地和开销。
  5. 副作用控制:使用确认、幂等键、事务与结果对账。
  6. 不可信输入处理:把网页、工具输出、资源和其他 Agent 消息都当作数据。
  7. 沙箱:移除生产凭据,限制文件系统、进程与网络访问。
  8. 审计:记录策略决策与可观察动作,不保留凭证或私密推理。

框架可以提供接入这些控制的扩展点,但应用仍然负责证明控制完整且已强制执行。

进入前先评估退出成本

框架采用会产生长期资产:状态快照、消息格式、工具封装、部署清单、链路记录、评测数据与运维知识。

进入生产前回答:

  • 业务状态能否按应用自有 Schema 导出?
  • 工具能否脱离框架运行?
  • 提示词与策略是否独立于运行时代码保存?
  • 链路能否迁移到开放可观测后端?
  • 任务能否根据版本化输入重放?
  • SDK 删除或改变功能时怎么办?
  • 第二套实现能否通过同一套评测?

最强的可移植机制不是给每个 API 再包一层抽象,而是稳定的验收契约、框架无关工具与策略、可移植状态和可重复测试集。

选型步骤

  1. 选择最简单基线。 从函数、工作流或直接循环开始。
  2. 识别缺失能力。 持久化、中断、角色隔离、部署或评测必须对应真实需求。
  3. 按职责筛选。 只比较解决同一层问题的框架。
  4. 原型验证高风险路径。 测试审批、重启恢复或真实工具故障,而不只是 Hello World。
  5. 运行共享评测。 保持模型、工具、策略与预算等价。
  6. 审查治理与数据流。 检查凭证、存储、遥测与第三方边界。
  7. 估算退出成本。 做一次小规模导出或替换演练。
  8. 固定并监控。 锁定版本、跟踪弃用,并在升级时重跑测试集。

常见问题

哪个开源 Agent 框架最好?

先判断需要的是工具循环、持久化状态、角色协作还是平台集成,再比较满足该需求的最小方案。没有任务分布、失败恢复和维护成本的“最佳框架”排名,不能直接指导生产选型。

多步骤任务都需要 Agent 框架吗?

不需要。步骤和跳转已知时,普通函数或工作流引擎更容易验证。只有语义判断或自适应工具选择带来可测价值时,才让模型掌握相应控制权。

MCP 能统一整个 Agent 技术栈吗?

它能统一一部分工具、资源和提示词集成边界,但不统一业务状态、租户权限、审批语义或框架恢复机制。协议兼容与应用可移植性需要分别验证。

两个框架应该怎样公平对比?

固定任务样本、模型、工具契约、策略与预算,同时测试正常完成、超时、重复副作用、取消和进程重启。把补齐功能所需的应用代码及维护投入计入成本。

如何降低框架锁定?

把业务工具、策略、任务样本和评测放在框架之外,以自有 Schema 保存业务状态。采用前先演练一次状态导出或实现替换,比仅承诺“以后可迁移”更可靠。

总结

开源 Agent 生态不是只有一名领先者的比赛,而是一组以不同方式分配控制权的层次。

已知流程使用确定性代码;只需要少量 Agent 行为时直接编写循环;SDK 确实减少重复工作时再采用 SDK;暂停、恢复、分支和检查是需求时使用图或持久化工作流;只有专业化或并行收益超过协调成本时才增加多个 Agent;用 MCP 标准化集成,业务策略仍由应用负责。

真正持久的资产是应用的任务契约、工具、策略、评测集与运维证据。框架应服务这些资产,并能在保留这些资产的前提下被替换。

一手来源

相关阅读