开源Agent框架全景研究：13个框架如何选型？

引言

2023年，一个AI Agent能调用工具就算“先进”；2024年，多Agent协作成为标配；到了2026年Q3，Agent框架的竞争维度早已从“能不能做”升级为“能不能在生产环境稳定运行”——长任务可恢复、状态可审计、权限可收放、成本可预测，缺一不可。

本文基于最新开源社区数据，对13个主流Agent框架进行系统梳理，涵盖编排范式、核心定位、选型场景，帮助技术团队建立清晰的选型决策框架。

一、Agent框架的本质：包装同一套“模型—工具—反馈”循环

无论框架名称如何变化——Agent、Assistant、Crew还是Workflow——大多数框架都在包装同一套核心流程：

步骤	功能	说明
01	任务/指令	目标、人设、规则与输出契约
02	模型判断	理解上下文，决定回答或行动
03	工具执行	搜索、数据库、代码、业务API
04	观察反馈	把结果送回模型，继续或纠错
05	状态/记忆	保留会话、进度、用户与知识
06	治理/评测	追踪、权限、审批、成本与质量

真正拉开框架差距的，不是能不能调用工具，而是状态能否恢复、流程能否控制、错误能否看见、权限能否收住。 模型决定智商上限，框架决定系统下限。

二、编排范式分类：决定“下一步”的六种方式

Agent编排的核心不是“有几个Agent”，而是谁决定下一步、如何回头、什么时候停。

范式	控制者	特点	代表框架
自由循环	模型 + 边界	模型决定工具、下一步与交卷时机；代码主要设边界	OpenAI SDK、PydanticAI、Hermes、Letta
状态图	State + Node + Edge	宏观路径和状态转移显式，适合高失败成本与跨日任务	LangGraph、MAF、Spring AI Alibaba
工作流	Step + 业务规则	步骤、输入输出、触发器、重试和SLA	Mastra、LlamaIndex Workflows、CrewAI Flows
角色协作	Manager + 角色关系	用角色、任务、委派、评审和Handoff描述协作拓扑	CrewAI、AutoGen、MAF、Agno Teams
图工作流	图引擎 + 动态路径	结合图与工作流的动态执行，Python/TS/Go/Java全覆盖	Google ADK 2.0
平台运行	Runtime + Policy	部署、会话、身份、权限、密钥、队列、调度、观测、多租户	Agno AgentOS、Letta Server

最容易混淆的一组： 工作流强调“任务和步骤的生命周期”，状态图强调“状态及其转移关系”。工作流可以用图实现，图也可以表达工作流——选型时应看团队更希望围绕Step还是State思考。

三、13个框架核心定位

S档——综合主战场

框架	核心定位	语言	社区热度	生产成熟度
LangGraph	状态图持久执行，支持长流程恢复与HITL	Python/TS	37.7K⭐	⭐⭐⭐⭐⭐
OpenAI Agents SDK	轻量原语+Handoff+Guardrails+Tracing	Python/TS	27.1K⭐	⭐⭐⭐⭐⭐
Google ADK	多语言+图工作流+A2A+Vertex部署	4语言	20.8K⭐	⭐⭐⭐⭐

A档——各有绝活

框架	核心定位	语言	社区热度
PydanticAI	类型安全+结构化输出+依赖注入	Python	18.6K⭐
LlamaIndex	文档解析+RAG+数据Agent护城河	Python/TS	51K⭐
Microsoft Agent Framework	AutoGen+Semantic Kernel统一	.NET/Python	12.2K⭐

B档——选对主场很能打

框架	核心定位	语言	社区热度
Mastra	TypeScript全栈Agent+Workflow	TypeScript	26.3K⭐
CrewAI	角色化协作+Flow管控	Python	55.8K⭐
Agno	AgentOS平台脚手架	Python	40.4K⭐

C档——偏科高手

框架	核心定位	语言	社区热度
**
**	Java/Spring+阿里云主场	Java	10.4K⭐
Letta	长期记忆独门绝技	Python/TS	23K⭐
Hermes Agent	自托管数字同事	Python	217K⭐

D档——新项目慎选

框架	核心定位	状态
AutoGen	对话驱动多Agent经典范式	官方维护模式，新项目转MAF

四、编排范式演进：从单一模式到组合调度

同题演示：一笔退款申请，换一种范式就换一种“组织语言”

范式	实现方式
自由循环	把退款目标、订单工具、政策检索和资金工具交给Agent；它自行决定先查什么、何时追问、何时提交结果
状态图	ENTRY→查订单→验政策→条件边：自动退款/人工审批/拒绝→END，每一步状态可检查点恢复
工作流	退款事件触发；订单校验和风险检查并行；汇聚后按金额路由；失败重试，超时进入人工队列
角色协作	客服Agent收集情况，政策Agent判断条款，风控Agent审核风险，Manager汇总并验收最终决定
平台运行	渠道消息进入Runtime，加载用户、租户和Session，执行任一内部编排，记录Trace并持久化结果

生产系统通常不是五选一，而是分层组合： 平台负责活着，图和工作流负责别乱跑，角色负责分工，自由循环负责处理那些没人提前想明白的问题。

五、选型决策框架

选型之前，先回答三个问题：

① 失败能不能重来？

• 不能 → 优先显式图、检查点、审批和幂等设计，先看LangGraph/MAF
• 能 → 轻量SDK或角色协作框架足够

② 难点到底在哪？

• 文档检索 → LlamaIndex
• 类型和结构 → PydanticAI
• 长期记忆 → Letta
• 多端平台 → Agno

③ 团队会什么？

• Python → LangGraph、PydanticAI、CrewAI
• TypeScript → Mastra、OpenAI SDK
• Java/Spring → Spring AI Alibaba
• .NET → Microsoft Agent Framework

六、生产落地的共同规律

从各框架的公开案例中可以总结出几条共性规律：

1. 自治与审查并存：所有生产级Agent系统都在关键节点嵌入人工审批（HITL）或规则校验
2. 先测检索，再谈Agent：RAG类Agent的成功率高度依赖检索质量，LlamaIndex等框架的价值在于先把数据地基打牢
3. 从问题出发选框架：不是“哪个框架最好”，而是先把业务题目念完——例如需要长期记忆的选Letta，需要Java企业集成的选Spring AI Alibaba
4. 降低Token成本是必修课：Google ADK等框架内置的上下文工程能力，正在成为生产级选型的硬性指标

七、结语

Agent框架的竞争已经从“功能数量”转向了 “生产环境的确定性” 。一个框架的真正价值，不在于演示时能完成多复杂的任务，而在于任务失败时能否恢复、状态变化时能否审计、成本失控时能否刹车。

选型不是问“谁最火”，而是问你的擂台、兵器和失败代价是什么。 八个不会干活的Agent，只是把无效会议搬进了token账单。