Agent 框架给开发者提供现成的模板、工具和基础设施，用于构建和编排智能体。本笔记横向对比 2026 年主流开源框架的定位与特点。注意：Star 数为概数，随日期浮动，仅作相对参考，不代表框架质量。

框架定位总览

框架	出品方	核心定位	主要语言	Star(约)
LangChain / LangGraph	LangChain	生态最全的通用 Agent 平台；LangGraph 用图结构编排工作流	Python	135k / 31k
AutoGen	微软	事件驱动多 Agent 对话系统，可定制化 conversable agents	Python	58k
AutoGPT	Significant Gravitas	自主 Agent 先驱，任务完成+网页浏览+代码执行	Python	165k
MetaGPT	—	多 Agent"软件公司"模拟，角色分工（产品/架构/编码）	Python	67k
CrewAI	CrewAI Inc.	角色扮演多 Agent 协作，模拟团队分工	Python	50k
Dify	LangGenius	低代码 Agent 平台，可视化编排，适合业务落地	平台	55k
OpenAI Agents SDK	OpenAI	官方轻量 Agent 框架	Python	—
OpenClaw	社区	个人 AI 智能体，桌面/浏览器自动化，一切皆插件	—	高

代表框架详解

LangChain / LangGraph（生态最全）

• LangChain：LCEL 表达式，工具/记忆/检索生态最丰富
• LangGraph：有向图状态机编排，支持复杂多 Agent 工作流
• 适用：从 RAG 到复杂 Agent 的全场景，Python 开发者首选

CrewAI（角色协作）

• 核心：多个 Agent 扮演不同角色（如研究员/写手/审校），像团队一样协作
• 特点：几行 Python 定义角色，上手门槛低，MIT 开源可商用
• 适用：内容创作、市场分析、商业策划等标准化业务

AutoGen（微软）

• 核心：事件驱动多 Agent 对话，异步消息传递
• 特点：与 Semantic Kernel 融合，面向生产工作流
• 适用：多 Agent 深度对话、企业级协作

AutoGPT（自主先驱）

• 核心：给定目标后自主拆解、搜索、执行
• 意义：Agent 概念的引爆者，代表"完全自主"方向
• 注意：自主性高也意味着可控性挑战，适合探索原型

MetaGPT（软件公司模拟）

• 核心：让多个 Agent 扮演软件公司不同角色（产品经理/架构师/工程师）协作产出
• 适用：理解多 Agent 如何协同完成复杂工程

Dify（低代码平台）

• 核心：可视化编排 Agent/RAG/工作流，无需代码
• 适用：业务快速落地、非程序员构建智能应用

选型建议

• 想快速上手/做业务 → Dify（低代码）或 CrewAI（角色协作）
• 深度定制/复杂工作流 → LangGraph 或 AutoGen
• 探索自主 Agent 概念 → AutoGPT
• 理解多 Agent 协作 → MetaGPT
• 个人桌面自动化助手 → OpenClaw

一句话总结

Agent 框架选型看场景不看 Star：快速落地业务选 Dify 或 CrewAI，复杂工作流选 LangGraph 或 AutoGen，探索完全自主选 AutoGPT；Star 数只作相对参考，不代表质量。

关联概念

• 相关：[AI-Agent-概述与核心组成](/学习笔记/AI技术/AI Agent/AI-Agent-概述与核心组成)、[AI-Agent-类型与适用场景](/学习笔记/AI技术/AI Agent/AI-Agent-类型与适用场景)
• 实操：[AI-Agent-学习路径与资源](/学习笔记/AI技术/AI Agent/AI-Agent-学习路径与资源)（含框架官方教程）