引言：        

        AI Agent 正悄然重塑我们与信息系统的交互模式，它们不仅能自动化执行任务、做出决策，还能与人类并肩协作。然而，从零构建强大的 AI Agent，宛如攀登一座险峻高峰，充满挑战。好在，开源框架的诞生宛如一盏明灯，照亮了前行的道路，它们为开发者提供了丰富的工具和现成的架构，让打造智能、交互式的 AI Agent 变得轻而易举。于是，我利用周末的闲暇时光，精心梳理了日常工具库中那些我频繁使用或参考的 Agent 框架，并在此与大家共享，希望能为各位伙伴带来灵感的火花，点亮你们的开发之路。

一：Agently：快速构建 AI Agent 原生应用的开发框架

Agently
https://agently.cn/

Agently 是一个帮助开发者快速构建 AI Agent原生应用的开发框架，它让开发者能够以极其简单的方式在代码中使用和构建 AI Agent。

1：简单易用 

Agently 提供了极其简单的 API，让开发者能够快速上手，轻松构建 AI Agent应用。

2：插件增强 

Agently 支持通过插件来增强 AI Agent的功能，开发者无需重建整个Agent，只需添加所需的插件即可。

3：灵活扩展 

Agently 的架构设计灵活，支持多种扩展方式，满足不同场景下的应用需求。

!pip install -q -U Agently

二：CrewAI：Agent团队的指挥官

CrewAI
https://crewai.com/

CrewAI 是一个专注于多Agent编排的开源框架，使 AI Agent能够以定义的角色和共享目标进行协作，适用于需要Agent团队合作的任务场景。

1：基于角色的Agent协作 

CrewAI 允许创建具有明确角色和目标的 AI Agent，促进自然、自主的决策和动态任务分配，使Agent团队能够高效协作。

2： 生产级框架 

CrewAI 为可靠性和可扩展性而构建，适用于现实世界的应用场景，为复杂的业务挑战提供了精确的控制和深度的定制化。

pip install 'crewai[tools]'

三：Agno：AI 工程的简化利器

Agno
https://docs.agno.com/introductio

 Agno----是一个轻量级的框架，用于构建多模态 AI Agent，它允许开发者将LLM转化为 AI 产品中的Agent，支持来自 OpenAI、Anthropic 等供应商的闭源和开源 LLM。

Phidata 的架构以构建具有记忆、知识、工具和推理能力的Agent为中心，同时还支持Agent团队的协作。

1： 记忆与知识管理 

Phidata 能够记住过去的对话和信息，使 AI Agent在每次交互时不必从头开始，为用户提供更加连贯和个性化的体验。

2：多Agent编排 

当需要多个 AI Agent协同工作时，Phidata 可以有效地管理它们，确保它们能够友好协作，共同完成复杂的任务。

3：内置Agent UI 

Phidata 提供了一个用户友好的界面，方便开发者快速、轻松地测试和查看Agent的表现。

4：部署与监控 

借助 Phidata，开发者可以轻松部署 AI Agent，并实时跟踪其在实际应用中的性能，及时进行优化和调整。

四：AutoGen：对话式 AI Agent的专家

AutoGen
https://microsoft.github.io/autogen/stable/

AutoGen 是由微软开发的一个框架，旨在使用多个可以相互对话的Agent来构建 AI 应用程序，它专注于创建可定制的、对话式的 AI Agent，通过协作支持复杂的工作流程。

1：可扩展与分布式 

AutoGen 能够在各种环境中无缝部署大规模、分布式的Agent网络，满足不同场景下的应用需求。

2： 强大的调试功能 

内置的跟踪、追踪和调试工具确保了可靠的Agent工作流程，同时支持 OpenTelemetry，为开发者提供了可观测性，方便进行性能监控和问题排查。

五：LangGraph：构建复杂 AI 工作流程的能手

LangGraph
https://langchain-ai.github.io/langgraph/

LangGraph 是一个用于使用LLM构建有状态、多Agent应用程序的开源框架，它将工作流程结构化为图，其中每个节点代表一个特定的任务或功能，使开发者能够对应用程序的流程和状态进行细粒度的控制。

1：基于图的工作流程 

LangGraph 将任务作为图中的节点，使决策过程更加灵活，支持迭代和复杂的任务流程。

2：有状态Agent 

Agent能够在不同任务之间保留上下文和记忆，使多步骤的交互更加流畅自然，为用户提供更好的体验。

3：精确控制 

开发者可以对Agent的行为和工作流程进行精细的调整和定制，满足特定的应用需求。

4： 无缝集成 

LangGraph 与 LangChain 和 LangS

六：OpenAI Swarm：轻量级Agent协调的先锋

OpenAI Swarm
https://github.com/openai/swarm

OpenAI 的 Swarm 是一个实验性的开源框架，旨在帮助开发者协调多Agent AI 系统，专注于轻量级的协调，使Agent之间的交互更加可控和易于测试。

1：轻量级协调 

Swarm 设计用于快速、高效的Agent协调，避免了不必要的开销，提高了系统的响应速度和性能。

2：可控性 

该框架赋予开发者轻松测试和定制Agent交互方式的能力，使开发者能够根据需求灵活调整Agent的行为和协作方式。

3：客户端操作 

Swarm 几乎完全在客户端运行，为开发者提供了对系统行为和状态管理的更大控制权，增强了系统的可预测性和测试的便捷性。

pip install git+ssh://git@github.com/openai/swarm.git

or 

pip install git+https://github.com/openai/swarm.git

七：如何选择合适的框架

这六大框架各有特点：

• Agently 以其简单易用和插件增强的特点，让开发者能够快速构建 AI Agent 原生应用

• CrewAI 适用于多Agent协作和角色定义的场景

• Phidata 在记忆管理和多Agent编排方面表现出色

• AutoGen 专注于对话式 AI 和工作流程支持

• LangGraph 简化了复杂 AI 工作流程的创建

• OpenAI Swarm 则提供了轻量级的Agent协调框架

选择合适的框架取决于 AI Agent应用的具体需求，开发者应考虑任务的复杂性、对记忆和知识管理的需求、多Agent协作的重要性以及所需的控制和定制化程度等因素，以确保选择最适合项目需求的框架