Agent全局观

原创已于 2026-06-18 14:55:58 修改 · 220 阅读

2 ·

本内容遵循CC 4.0 BY-SA版权协议

GEO检测

标签

#microsoft #ai #python #java

于 2026-06-18 14:52:08 首次发布

python 同时被 2 个专栏收录

11 篇文章

订阅专栏

2 篇文章

订阅专栏

Agent十大框架

MCP标准化

MCP全称Model Context Protocol,定义了大模型和外部工具、数据源交互的标准协议。

A2A协议

A2A全称Agent-to-Agent Protocal,定义了不同框架构建的Agent之间的交互标准协议，就是Agent怎么跟Agent说话。

目前，Microsoft Agent Framework、Google ADK、AgentScope原生支持A2A协议，LangGraph和CrewAi通过社区插件提供部分支持。

Context Engineering

第一种范式：图状态机

代表 - LangGraph

LangGraph - 不做任何架构决策，不预设Agent行为，需要自己设计状态模式、编排逻辑、错误处理。

第二种范式：角色驱动范式

代表 - CrewAI

特点：

CrewAI完全独立于LangChain从零构建，没有外部依赖，它提供两种编排方式，Crews强调自主协作，Agent可以自主委派任务给同伴，Flows提供事件驱动的精确控制路径。但这种易用性是有代价的，核心框架版本号还是0.x,API变动频繁，底层控制力不如LangGraph,复杂的条件分支和状态管理表达能力受限。

第三种范式：事件驱动范式

代表 - LIamaIndex、AgentScope

LIamaIndex -

LIamaIndex的核心哲学是“数据时Agent智能的基石”。

当其他框架在卷框架和编排的时候，LIamaIndex卷的是数据连接(怎么正确的数据，正确的连接，正确的格式以正确的方式送入大模型)

编排层使用Workflows 1.0作为编排引擎，通过事件驱动、异步优先、步骤化执行，在数据密集型Agent这个垂直领域，它的护城河深到几乎没有替代品。

AgentScope -

AgentScope来自阿里巴巴通义实验室，它的核心理念是“透明可控”。

不同于其他框架试图隐藏复杂性，AgentScope让每一个prompt，每一次API调用，每一个决策步骤，都对开发者可见。它有三个独特优势，（1）支持内置模型微调，可以直接在框架内做Agent的强化学习微调，（2）Python + Java双版本（3）原生适配国内生态(通义千问、阿里云函数计算、钉钉)

第四种范式 - SDK封装

代表 - OpenAI Agents SDK和Pydantic AI

OpenAI Agents SDK -

OpenAI Agents SDK的整个框架只有三个核心概念(Agent、Handoff、Guardrail)，Handoff是它的核心创新，Agent完成任务后，可以把控制器移交给另一个更合适的Agent,就像客服电话转接，上手门槛低到5行代码就能启动，而且因为是OpenAI官方出品，跟Responses API、微调、蒸馏工具链的集成是最原生的，它还有一个独特的亮点：原生的Realtime Voice Agent支持，包括中断检测、实时流式语音，但缺点也很明显，缺乏持久化执行和检查点机制、编排模式优先、不支持并行和循环。

Pydantic AI -

Pydantic AI, 走的是另一条路,类型安全，“把FastAPI的体验带给Agent开发“，所有输入输出通过Pydantic模型验证，结构化输出自动解析，失败了自动重试，支持25个以上的模型提供商(切换大模型完全不需要重写业务逻辑),它还内置了TestModel和mock工具，支持确定性测试，这在CI/CI管线里是救命功能。业内对PydanticAI的评价很高，认为它可能成为"类型安全Agent基础设施层"的事实标准。

不管是LangGraph图编排、CrewAi的角色协作还是PydanticAI的类型安全，有一个共同前提，理解大模型本身是怎么工作的(RAG怎么做、多模态怎么接、DeepSeek这类国产模型怎么用到生产里)，这些底层能力决定了你用任何框架的上限

第五种范式 - 低代码平台

代表 - Dify

Dify不是Python库，它是一个完整的Web平台、拖拽式工作流编辑器、模型管理、知识库管理、API一键发布、日志监控，全都在浏览器里操作，非技术人员也能构建复杂的Agent工作流。

它的核心价值不在于技术深度，而在于“让AI应用开发民主化”，灵活性是它最大的天花板，受限于可视化编辑器的表达能力，复杂定制仍需降级到代码。

通过前面讲解的五种范式，他们的生态定位各不相同。

企业统一类框架

- 来自大厂的“企业统一类”框架Microsoft Agent Framework和Google ADK

Microsoft Agent Framework -

Microsoft Agent Framework是2025年10月最重要的行业事件的产物，微软宣布合并AutoGen和Semantic Kernel成Microsoft Agent Framework，AutoGen是学术界最前沿的多Agent研究框架，Semantic Kernel是企业级稳定的AI编排引擎，合并后的新框架继承了两边的基因，AutoGen的群聊、辩论、烦死等先进多Agent模式，加上Semantic Kernel的企业级安全和遥测能力。

它有三个独特优势：

（1）唯一同时原生支持.Net和Python的主流框架；

（2）原生支持A2A、AG-UI、MCP三大标准，协议覆盖面是所有框架中最全的；

（3）与Azure AI Foundry深度集成。

目前，2026年02月达到Release Candidate状态，GA预计在2026年Q1末发布。

对.Net技术栈的开发者来说，这几乎是唯一选择。

Google ADK -

Google ADK走的是多语言路线，同时覆盖Python、TypeScript、Java、go等语言。它提供三类Agent,LImAgent做智能推理、SequentialAgent、ParallelAgent、LoopAgent做确定性编排、BaseAgent做自定义扩展，与Vertex AI和Cloud Run的原生集成，使它成为Google Cloud企业的自然选择。但框架本身还是0.x版本，社区规模远不及LangChain,离开Google生态后灵活性明显下降。