AI Agent 框架全景报告 (2025-2026)
系统整理当前主流的 AI Agent 框架，涵盖通用框架、多 Agent 协作框架、自主 Agent、低代码平台、企业级框架等，附 GitHub 地址与官网链接。
整理时间： 2026 年 7 月 ｜ 涵盖： 30+ 框架
目录
- 选型快速指南
- 一、通用 Agent 框架（9个）
- 二、多 Agent 协作框架（8个）
- 三、自主 Agent 框架（4个）
- 四、低代码 / 可视化平台（5个）
- 五、企业级 / 厂商框架（3个）
- 六、有状态 / 记忆型框架（2个）
- 七、特定领域 / 轻量级框架（7个）
- 框架对比速查表
选型快速指南
| 需求场景 | 推荐框架 | 理由 |
|---|---|---|
| 复杂状态管理 & 精细流程控制 | LangGraph | 图结构工作流，最成熟的生产级框架 |
| 多 Agent 角色协作 | CrewAI / AutoGen | 角色扮演，最低学习曲线 / 对话式多 Agent |
| TypeScript 技术栈 | Mastra / Vercel AI SDK | 原生 TS / 前端 UI 集成最强 |
| OpenAI / Anthropic 生态 | OpenAI Agents SDK / Claude Agent SDK | 官方出品，深度优化 |
| Google Cloud 生态 | Google ADK | 原生 Gemini 支持，A2A 协议 |
| RAG / 数据密集型 | LlamaIndex | 最强数据索引与检索 |
| 非技术人员快速搭建 | Dify / Langflow / n8n | 可视化拖拽 |
| .NET / 企业级 | Semantic Kernel | C#/Python/Java 三语言，Azure 集成 |
| 需要长期记忆 | Letta | 原 MemGPT，有状态 Agent |
| 追求极简 | SmolAgents / Pydantic AI | ~1000 行核心代码 / 类型安全 |
一、通用 Agent 框架
1. LangGraph
- 开源方： LangChain 团队
- GitHub： https://github.com/langchain-ai/langgraph (⭐ 37.6k)
- 官网： https://langchain-ai.github.io/langgraph/
- 语言： Python / TypeScript
- 类型： 单/多 Agent
LangChain 团队出品的图结构 Agent 编排引擎，将 Agent 工作流建模为有向图（节点+边），原生支持循环、条件分支和持久化状态。月下载量超 3800 万，是实际生产中使用最广泛的 Agent 框架。
核心特性：
- 状态图工作流建模，支持循环和条件分支
- 持久化检查点 + 时间旅行调试
- 人机协作（Human-in-the-loop）
- LangSmith 可观测性集成
2. LangChain
- 开源方： LangChain Inc.
- GitHub： https://github.com/langchain-ai/langchain (⭐ 117k)
- 官网： https://langchain.com/
- 语言： Python / JavaScript
- 类型： 单 Agent
最经典的 LLM 应用开发框架，提供链式调用、工具集成、记忆系统和 RAG 等模块化组件。拥有最大的社区生态和数百个预置集成。LangChain 是整个 Agent 生态的基石。
核心特性：
- 丰富的 LLM/向量库/工具集成生态
- ReAct、Plan-and-Execute 等经典 Agent 模式
- 文档加载、向量检索、对话记忆
- 与 LangGraph / LangSmith 无缝配合
3. OpenAI Agents SDK
- 开源方： OpenAI 官方
- GitHub： https://github.com/openai/openai-agents-python (⭐ 20.5k)
- 官网： https://openai.github.io/openai-agents-python/
- 语言： Python / TypeScript
- 类型： 多 Agent
OpenAI 2025年3月发布的官方 Agent 框架，取代实验性 Swarm。核心抽象为 Handoff（交接）：Agent 之间显式转移控制权并携带上下文。月下载量超 1000 万。
核心特性：
- 四大原语：Agent、Tool、Handoff、Guardrail
- Agent 间 Handoff 交接机制
- 内置 Guardrails 安全防护
- 内置 Tracing 追踪（免费）
- 支持 100+ LLM（通过兼容端点）
4. Claude Agent SDK
- 开源方： Anthropic 官方
- GitHub： https://github.com/anthropics/claude-agent-sdk-python (⭐ 3.1k)
- 官网： https://docs.anthropic.com/
- 语言： Python / TypeScript
- 类型： 单 Agent
Anthropic 第一方 Agent SDK（原 Claude Code SDK），暴露与 Claude Code 相同的 Agent 循环、工具执行和上下文管理能力。内置文件操作、Bash 执行、代码编辑、计算机使用等工具。
核心特性：
- 内置工具：文件读写、Bash、代码编辑、搜索
- Computer Use 计算机操作
- 子 Agent 和多 Agent 模式
- 与 Claude Opus/Sonnet 深度优化
5. Vercel AI SDK
- 开源方： Vercel
- GitHub： https://github.com/vercel/ai (⭐ 20M+ 月下载)
- 官网： https://ai-sdk.dev/
- 语言： TypeScript
- 类型： 单 Agent
TypeScript 生态最主流的 AI 工具包，月下载量超 2000 万。v6 版本加入原生 Agent 抽象（Agent 类 + ToolLoopAgent），统一 25+ AI 提供商接口。与 React/Next.js 深度集成。
核心特性：
- 多提供商统一接口（OpenAI/Anthropic/Google 等）
- React Hooks 流式 UI 组件
- MCP（模型上下文协议）支持
- Edge Runtime 兼容
- 动态工具（运行时定义）
6. LlamaIndex
- 开源方： LlamaIndex Inc.
- GitHub： https://github.com/run-llama/llama_index (⭐ 40.9k)
- 官网： https://www.llamaindex.ai/
- 语言： Python / TypeScript
- 类型： 多 Agent
从 GPT Index 演化而来的综合数据框架，在 RAG 和数据检索领域最强。支持 AgentWorkflow 和 llama-agers 编排 100+ Agent，提供 LlamaCloud 托管服务。被 Salesforce、KPMG 等企业采用。
核心特性：
- 强大的数据索引与检索引擎
- 40+ LlamaHub 社区工具
- 事件驱动工作流 AgentWorkflow
- 多模态数据处理（PDF/图像等）
7. Agno
- 开源方： Agno（原 Phidata）
- GitHub： https://github.com/agno-agi/agno (⭐ 41.2k)
- 官网： https://docs.agno.com/
- 语言： Python
- 类型： 单/多 Agent
2025年1月从 Phidata 更名而来，设计理念是"无图、无链、无复杂模式——纯 Python"。Agent 实例化仅需 5 微秒，内存占用比 LangGraph 低 50 倍。支持多模态输入和 MCP。
核心特性：
- 极简 API，约 10 行代码搞定 MCP
- 超高性能：Agent 实例化 <5μs
- 多模态：文本/音频/图像/视频
- 内置部署运行时
8. Pydantic AI
- 开源方： Pydantic 团队
- GitHub： https://github.com/pydantic/pydantic-ai (⭐ 18.6k)
- 官网： https://ai.pydantic.dev/
- 语言： Python
- 类型： 单 Agent
Pydantic 团队打造的类型安全 Agent 框架。由于大量 Python Web 开发者已依赖 Pydantic，它是"零额外依赖风险"的选择。周下载量超 380 万，实际使用量排名前列。
核心特性：
- 类型安全 + 运行时验证
- 结构化输出（Structured Output）
- 极简抽象，贴近 LLM API
- 测试工具内置
9. Mastra
- 开源方： Mastra（Gatsby 团队）
- GitHub： https://github.com/mastra-ai/mastra (⭐ 26.3k)
- 官网： https://mastra.ai/
- 语言： TypeScript
- 类型： 多 Agent
TypeScript 原生的全栈 Agent 框架，由 Gatsby 团队打造。YC W25 毕业，2026年1月获 1300 万美元融资。通过 Mastra Model Router 连接 3300+ 模型，内置工作流、记忆、RAG、评估和可视化 Studio。
核心特性：
- 原生 TypeScript 设计（非 Python 移植）
- 3300+ 模型提供商
- 持久化工作流 + 时间旅行调试
- 内置 Guardrails / Evals / Tracing
- Mastra Studio 可视化调试
二、多 Agent 协作框架
1. AutoGen
- 开源方： Microsoft Research
- GitHub： https://github.com/microsoft/autogen (⭐ 50.6k)
- 官网： https://microsoft.github.io/autogen/
- 语言： Python
- 类型： 多 Agent / 研究型
微软研究院开发的多 Agent 对话框架，通过 Agent 间自然语言对话协作完成任务。支持 LLM、人类和工具的混合协作。分层架构（Core/AgentChat/Extensions），含 AutoGen Studio 无代码界面。注意：2025年底微软将其转为维护模式，推荐迁移至 Microsoft Agent Framework。
核心特性：
- 多 Agent 对话与群聊
- 代码执行与调试
- 人机协作（Human-in-the-loop）
- 异步消息与并行处理
2. CrewAI
- 开源方： CrewAI Inc.
- GitHub： https://github.com/crewAIInc/crewAI (⭐ 39.2k)
- 官网： https://www.crewai.com/
- 语言： Python
- 类型： 多 Agent
基于角色的多 Agent 协作框架，学习曲线最低。定义具有特定角色、目标和背景的 Agent，组成 "Crew" 协作完成任务。v2 新增顺序、层级和并行三种执行模式，约 20 行代码即可运行多 Agent Demo。
核心特性：
- 角色驱动设计（Role/Goal/Backstory）
- 三种流程模式：顺序/层级/并行
- Agent 间任务委托
- 内置记忆系统
- 企业版含 UI 和可观测性
3. MetaGPT
- 开源方： 国内开源
- GitHub： https://github.com/geekan/MetaGPT (⭐ 45.6k)
- 官网： https://www.deepwisdom.ai/
- 语言： Python
- 类型： 多 Agent
"虚拟软件公司"框架，输入一句话需求即可输出完整 PRD、竞品分析、API 设计和代码。角色分工：产品经理→架构师→工程师→QA。HumanEval Pass@1 达 81.7%。支持中文文档，社区活跃度高。
核心特性：
- 完整软件开发流程模拟
- 多角色协作（PM/架构师/开发/测试）
- 自然语言编程
- 代码仓库级输出
4. ChatDev
- 开源方： 清华 OpenBMB
- GitHub： https://github.com/OpenBMB/ChatDev (⭐ 28k)
- 官网： https://chatdev.modelbest.cn/
- 语言： Python
- 类型： 多 Agent / 研究型
清华大学 OpenBMB 团队开源的虚拟软件公司框架。通过聊天链让不同角色（CEO/CTO/程序员/测试员）在设计、编码、测试、文档环节协作。过程可视化强，适合学术原型验证。输入"做五子棋"3分钟出可运行程序。
核心特性：
- 聊天链协作模式
- 完整软件生命周期模拟
- 过程可视化
- 学术研究友好
5. CAMEL
- 开源方： CAMEL-AI.org
- GitHub： https://github.com/camel-ai/camel (⭐ 12k)
- 官网： https://www.camel-ai.org/
- 语言： Python
- 类型： 多 Agent / 研究型
早期多 Agent 角色扮演框架，聚焦"一对一角色对话"（如 AI 用户 vs AI 助手）。双循环机制：人类给 AI User 目标 → AI User 与 AI Assistant 对话完成任务。适合研究角色交互逻辑。
核心特性：
- 角色扮演式 Agent 交互
- 双循环任务执行
- 大规模角色数据生成
- 多 Agent 通信协议研究
6. AgentScope
- 开源方： 阿里巴巴
- GitHub： https://github.com/modelscope/agentscope (⭐ 8k+)
- 官网： https://modelscope.github.io/agentscope/
- 语言： Python
- 类型： 多 Agent / 企业级
阿里开源的分布式多 Agent 框架，支持单机多进程和多机协作。内置监控工具（通信耗时、成本统计），工程化成熟，适合大规模多 Agent 部署。适配国内模型生态。
核心特性：
- 分布式多 Agent 部署
- 单机多进程 + 多机协作
- 内置监控与成本统计
- 支持国产模型
7. Swarms Framework
- 开源方： 社区开源
- GitHub： https://github.com/kyegomez/swarms (⭐ 3k+)
- 官网： https://swarms.ai/
- 语言： Python
- 类型： 多 Agent
专注于"蜂群"式多 Agent 协作框架，让大量 Agent 像蜂群一样协同工作。支持多种编排模式和 Agent 拓扑结构。
核心特性：
- 蜂群式 Agent 编排
- 多种拓扑结构
- 大规模 Agent 协调
8. Microsoft Agent Framework
- 开源方： Microsoft
- GitHub： https://github.com/microsoft/agent-framework (⭐ 12.2k)
- 官网： https://github.com/microsoft/agent-framework
- 语言： Python / .NET
- 类型： 多 Agent / 企业级
微软推出的新一代 Agent 框架，融合了 AutoGen 和 Semantic Kernel 的理念，用于构建和运行单 Agent 及多 Agent 系统。作为 AutoGen 的继任者，深度集成 Azure 生态。
核心特性：
- 融合 AutoGen + Semantic Kernel
- 单/多 Agent 统一框架
- Azure 生态原生集成
- 企业级安全与合规
三、自主 Agent 框架
1. AutoGPT
- 开源方： Significant Gravitas
- GitHub： https://github.com/Significant-Gravitas/AutoGPT (⭐ 183k)
- 官网： https://agpt.co/
- 语言： Python
- 类型： 自主 Agent
2023年引爆 AI Agent 概念的标志性项目，GitHub 星标达 18 万+。自主执行任务循环：搜索→规划→执行→自我反思。现已演化为可复用模块和工作流构建平台。展示了自主 Agent 的潜力，但可靠性仍需改进。
核心特性：
- 自主任务拆解与执行
- 20+ 内置工具（搜索/代码执行等）
- 自我反思与迭代改进
- 可视化界面
2. BabyAGI
- 开源方： Yohei Nakajima
- GitHub： https://github.com/yoheinakajima/babyagi (⭐ 22.2k)
- 官网： https://github.com/yoheinakajima/babyagi
- 语言： Python
- 类型： 自主 Agent / 研究型
仅约 100 行 Python 的任务驱动型自主 Agent。核心循环：生成任务→向量排序→执行→结果生成新任务。证明了任务驱动的 Agent 循环可以极简实现，启发了整整一代 Agent 构建者。
核心特性：
- 极简实现（~100行）
- 任务优先级队列
- 向量排序任务管理
- 循环式任务生成
3. SuperAGI
- 开源方： TransformerOptimus
- GitHub： https://github.com/TransformerOptimus/SuperAGI (⭐ 17.6k)
- 官网： https://superagi.com/
- 语言： Python
- 类型： 自主 Agent / 企业级
企业级自主 Agent 管理平台，解决 AutoGPT 在生产环境使用难的问题。提供图形化界面、Agent 市场、并发运行、思维链可视化等功能，是功能完备的 Agent 基础设施工具。
核心特性：
- 图形化仪表盘
- Agent 市场与工具包
- 并发 Agent 运行
- 思维链可视化
4. OpenHands
- 开源方： All-Hands-AI
- GitHub： https://github.com/All-Hands-AI/OpenHands (⭐ 44.2k)
- 官网： https://www.all-hands.dev/
- 语言： Python
- 类型： 自主 Agent
前 OpenDevin，旨在成为"AI 软件工程师"的开源平台。Agent 可自主编写代码、运行命令、浏览网页、调用 API。让 AI 自主完成从需求到代码的全流程。
核心特性：
- 自主代码编写与执行
- Web 浏览与 API 调用
- 端到端软件开发
- Docker 沙箱执行
四、低代码 / 可视化平台
1. Dify
- 开源方： Dify.AI
- GitHub： https://github.com/langgenius/dify (⭐ 100k+)
- 官网： https://dify.ai/
- 语言： Python
- 类型： 低代码
开源 LLM 应用开发平台（BaaS），集成可视化工作流编排、RAG 引擎和 Agent 能力。填补原型到生产之间的空白，支持私有化部署。被广泛用于企业知识库、客服系统和内部工具开发。
核心特性：
- 可视化 Prompt 编排
- RAG 管道 + Agent 双引擎
- LLMOps 全生命周期管理
- 支持私有化部署
2. Langflow
- 开源方： DataStax
- GitHub： https://github.com/langflow-ai/langflow (⭐ 44k+)
- 官网： https://www.langflow.org/
- 语言： Python
- 类型： 低代码
基于 LangChain 的可视化低代码 AI 应用构建器，拖拽式设计即可编排多 Agent 对话、记忆和检索。支持 Python 代码扩展，被 DataStax 收购后整合进 IBM 生态。
核心特性：
- 拖拽式可视化工作流
- 支持任何 LLM / 向量数据库
- 一键部署为 API
- Python 代码可扩展
3. Flowise
- 开源方： FlowiseAI
- GitHub： https://github.com/FlowiseAI/Flowise (⭐ 30k)
- 官网： https://flowiseai.com/
- 语言： TypeScript
- 类型： 低代码
开源低代码 LLM 应用构建工具，提供拖拽式可视化界面。支持从简单组合工作流到自主 Agent 的多 Agent 系统、聊天助手和人机协作工作流。
核心特性：
- 可视化拖拽构建
- 多 Agent 系统支持
- 人机协作工作流
- 开源 + 云版本
4. n8n
- 开源方： n8n GmbH
- GitHub： https://github.com/n8n-io/n8n (⭐ 160k+)
- 官网： https://n8n.io/
- 语言： TypeScript
- 类型： 低代码
融合无代码可视化与代码灵活性的工作流自动化平台，引入"AI 原生"能力。400+ 集成，支持 LangChain 集成构建自定义 Agent。适合集成密集型场景，GitHub 星标超 16 万。
核心特性：
- 400+ 预置集成
- 可视化 + 代码双模式
- LangChain AI 集成
- 支持自托管（Fair-code）
5. Botpress
- 开源方： Botpress Inc.
- GitHub： https://github.com/botpress/botpress (⭐ 14.8k)
- 官网： https://botpress.com/
- 语言： TypeScript
- 类型： 低代码
对话式 AI 开发平台，提供可视化对话流设计和代码优先 SDK。内置 LLMz 推理引擎，支持复杂多步逻辑执行和企业级集成，专注于客服和对话场景。
核心特性：
- 可视化对话流设计
- 自定义推理引擎 LLMz
- 企业级扩展性
- 多渠道部署
五、企业级 / 厂商框架
1. Semantic Kernel
- 开源方： Microsoft
- GitHub： https://github.com/microsoft/semantic-kernel (⭐ 28.3k)
- 官网： https://learn.microsoft.com/en-us/semantic-kernel/
- 语言： C# / Python / Java
- 类型： 企业级
微软的企业级 AI 集成 SDK，支持 C#、Python、Java 三种语言。专为将 AI 能力嵌入已有企业应用设计，与 Azure OpenAI、Outlook、Teams、Dynamics 深度集成。注重安全、合规和治理。
核心特性：
- 三语言支持（C#/Python/Java）
- 插件/记忆/规划架构
- Azure 企业安全集成
- .NET 生态首选
2. Google ADK
- 开源方： Google
- GitHub： https://github.com/google/adk-python (⭐ 20.6k)
- 官网： https://google.github.io/adk-docs/
- 语言： Python / Go / Java
- 类型： 多 Agent / 企业级
Google 官方 Agent Development Kit，2025年 Cloud Next 大会发布。最大亮点是 A2A（Agent-to-Agent）协议，支持跨框架 Agent 通信，已有 50+ 合作伙伴。原生 Gemini 多模态支持。
核心特性：
- 四语言支持（Python/TS/Go/Java）
- A2A 跨框架 Agent 通信协议
- 原生 Gemini 多模态
- 工作流 Agent（顺序/并行/循环）
- 部署到 Vertex AI Agent Engine
3. AWS Bedrock Agents
- 开源方： Amazon
- 官网： https://aws.amazon.com/bedrock/agents/
- 类型： 企业级 / 托管服务
AWS 全托管 Agent 服务，与 Bedrock 基础模型深度集成。企业无需管理基础设施即可构建和部署 AI Agent，支持知识库、行动组和多步推理。
核心特性：
- 全托管无服务器
- Bedrock 基础模型原生集成
- 知识库 + 行动组
- 企业安全与合规
六、有状态 / 记忆型框架
1. Letta
- 开源方： Letta AI（原 MemGPT）
- GitHub： https://github.com/letta-ai/letta (⭐ 15.9k)
- 官网： https://docs.letta.com/
- 语言： Python / TypeScript
- 类型： 记忆型
MemGPT 的正式化版本，专注于构建有状态（Stateful）Agent。引入类似操作系统的内存管理机制，让 Agent 拥有持久化长期记忆，在跨会话和时间跨度中保持一致身份。白盒架构，模型无关。
核心特性：
- OS 级虚拟内存管理
- 分层记忆：主上下文 + 外部存储
- 跨会话持久记忆
- Agent 开发环境（ADE）可视化
- Letta Agent SDK（TS）
2. DSPy
- 开源方： Stanford NLP
- GitHub： https://github.com/stanfordnlp/dspy (⭐ 33.4k)
- 官网： https://dspy.ai/
- 语言： Python
- 类型： 研究型
斯坦福 NLP 团队打造，最具学术创新性的框架。不写 Prompt，而是定义输入-输出签名（Signature），让 DSPy 自动编译优化 Prompt。将 Prompt 工程视为编程问题系统化优化。
核心特性：
- 声明式 Signature 编程
- 自动 Prompt 优化编译
- 模块化组合
- 学术前沿研究导向
七、特定领域 / 轻量级框架
1. SmolAgents
- 开源方： Hugging Face
- GitHub： https://github.com/huggingface/smolagents (⭐ 28.4k)
- 官网： https://huggingface.co/docs/smolagents
- 语言： Python
- 类型： 轻量级
Hugging Face 出品的极简 Agent 库，核心代码仅约 1000 行。最大特色是 Code Agent 模式——Agent 直接编写并执行 Python 代码完成任务，比 JSON 工具调用少 30% 步骤和 LLM 调用。
核心特性：
- ~1000 行核心代码，极简
- Code Agent 模式（直接写 Python）
- 沙箱执行（E2B/Docker/Pyodide）
- 模型无关，支持 HF Hub 模型
2. GPT Researcher
- 开源方： 社区开源
- GitHub： https://github.com/assafelovic/gpt-researcher (⭐ 28.4k)
- 官网： https://gptr.dev/
- 语言： Python
- 类型： 研究 Agent
自主研究 Agent，串行多 Agent 协作：规划者生成研究问题→执行者搜索信息→汇总者生成带引用的长报告。适合学术论文、市场分析报告撰写。
核心特性：
- 自主网络研究
- 并行信息收集
- 带引用的长篇报告
- 支持本地文件
3. Qwen-Agent
- 开源方： 阿里 Qwen 团队
- GitHub： https://github.com/QwenLM/Qwen-Agent (⭐ 16.8k)
- 官网： https://github.com/QwenLM/Qwen-Agent
- 语言： Python
- 类型： 单 Agent
基于通义千问（Qwen）模型的 Agent 框架，支持函数调用、MCP、代码解释器、RAG。内置助手和浏览器助手等现成 Agent，适配国产模型生态。
核心特性：
- Qwen 模型原生优化
- 函数调用 + MCP 支持
- 代码解释器
- RAG 检索增强
4. Rasa
- 开源方： Rasa Technologies
- GitHub： https://github.com/RasaHQ/rasa (⭐ 21.1k)
- 官网： https://rasa.com/
- 语言： Python
- 类型： 企业级
2016年诞生的对话式 AI 框架，比 GPT-3 还早7年。专注企业级对话 Agent，支持本地化部署，适合有数据隐私和合规要求的场景。
核心特性：
- 企业级对话管理
- 本地化/私有部署
- NLU 自然语言理解
- 多语言支持
5. Haystack
- 开源方： deepset
- GitHub： https://github.com/deepset-ai/haystack (⭐ 24.7k)
- 官网： https://haystack.deepset.ai/
- 语言： Python
- 类型： 企业级
deepset 打造的管道式 NLP/搜索框架，2019年推出。以有向无环图（DAG）方式思考，在 RAG 和搜索领域表现突出。适合需要生产级检索和搜索的应用。
核心特性：
- 管道式组件架构
- 强大的 RAG 与搜索
- 生产级可靠性
- 文档检索优化
6. PocketFlow
- 开源方： 社区开源
- GitHub： https://github.com/pocketflow-ai/pocketflow (⭐ 11k)
- 官网： https://pocketflow.ai/
- 语言： Python
- 类型： 轻量级
仅 100 行 Python 的超轻量框架，捕获 LLM 应用的核心图抽象。用最少的代码构建 Agent、工作流和 RAG，无冗余依赖。
核心特性：
- ~100 行核心代码
- 图抽象核心
- 零冗余依赖
- 快速原型
7. Eino
- 开源方： 字节跳动 CloudWeGo
- GitHub： https://github.com/cloudwego/eino (⭐ 12.4k)
- 官网： https://www.cloudwego.io/zh/docs/eino/
- 语言： Go
- 类型： 单 Agent
字节跳动开源的 Go 语言 LLM 应用框架，提供可复用组件、图式组合和内置流式处理。适合 Go 技术栈构建 Agent 应用。
核心特性：
- Go 原生框架
- 图式组件组合
- 内置流式处理
- 高并发优势
框架对比速查表
| 框架 | 语言 | 类型 | 核心优势 | GitHub Stars | 开源方 |
|---|---|---|---|---|---|
| LangChain | Python/JS | 通用 | 最大生态，模块化 | 117k | 社区 |
| LangGraph | Python/TS | 通用 | 图结构状态管理 | 37.6k | LangChain |
| OpenAI Agents SDK | Python/TS | 多Agent | Handoff 交接机制 | 20.5k | OpenAI |
| Claude Agent SDK | Python/TS | 通用 | 内置工具，Claude 深度优化 | 3.1k | Anthropic |
| Vercel AI SDK | TypeScript | 通用 | 前端 UI 集成最强 | 20M+月下载 | Vercel |
| LlamaIndex | Python/TS | 通用 | RAG 与数据检索最强 | 40.9k | 社区 |
| Agno | Python | 通用 | 极简高性能（5μs实例化） | 41.2k | 社区 |
| Pydantic AI | Python | 通用 | 类型安全，结构化输出 | 18.6k | Pydantic |
| Mastra | TypeScript | 多Agent | 原生 TS，全栈内置 | 26.3k | Gatsby团队 |
| AutoGen | Python | 多Agent | 对话式多 Agent 协作 | 50.6k | Microsoft |
| CrewAI | Python | 多Agent | 角色驱动，最低学习曲线 | 39.2k | CrewAI Inc. |
| MetaGPT | Python | 多Agent | 虚拟软件公司 | 45.6k | 国内开源 |
| ChatDev | Python | 多Agent | 聊天链软件开发模拟 | 28k | 清华OpenBMB |
| CAMEL | Python | 多Agent | 角色扮演式交互研究 | 12k | CAMEL-AI |
| AgentScope | Python | 多Agent | 分布式多 Agent 部署 | 8k+ | 阿里巴巴 |
| Swarms | Python | 多Agent | 蜂群式编排 | 3k+ | 社区 |
| Microsoft Agent Framework | Python/.NET | 多Agent | 融合 AutoGen+SK | 12.2k | Microsoft |
| Google ADK | Python/Go/Java | 多Agent | A2A 协议，Gemini 原生 | 20.6k | |
| Semantic Kernel | C#/Python/Java | 企业级 | .NET 生态，Azure 集成 | 28.3k | Microsoft |
| AWS Bedrock Agents | 托管 | 企业级 | 全托管无服务器 | — | Amazon |
| AutoGPT | Python | 自主Agent | 自主任务循环 | 183k | 社区 |
| BabyAGI | Python | 自主Agent | 极简任务驱动 | 22.2k | 社区 |
| SuperAGI | Python | 自主Agent | 企业级 Agent 管理平台 | 17.6k | 社区 |
| OpenHands | Python | 自主Agent | AI 软件工程师 | 44.2k | All-Hands-AI |
| Dify | Python | 低代码 | 可视化编排+RAG+LLMOps | 100k+ | Dify.AI |
| Langflow | Python | 低代码 | 拖拽式 LangChain 可视化 | 44k+ | DataStax |
| Flowise | TypeScript | 低代码 | 拖拽式多 Agent 构建 | 30k | FlowiseAI |
| n8n | TypeScript | 低代码 | 400+集成，工作流自动化 | 160k+ | n8n GmbH |
| Botpress | TypeScript | 低代码 | 对话式 AI 平台 | 14.8k | Botpress |
| Letta (MemGPT) | Python/TS | 记忆型 | OS 级长期记忆管理 | 15.9k | Letta AI |
| DSPy | Python | 研究型 | 自动 Prompt 编译优化 | 33.4k | Stanford NLP |
| SmolAgents | Python | 轻量级 | Code Agent，~1000行 | 28.4k | Hugging Face |
| GPT Researcher | Python | 研究Agent | 自主网络研究报告 | 28.4k | 社区 |
| Qwen-Agent | Python | 单Agent | Qwen 模型原生优化 | 16.8k | 阿里Qwen |
| Rasa | Python | 企业级 | 企业级对话管理 | 21.1k | Rasa |
| Haystack | Python | 企业级 | 管道式 RAG 与搜索 | 24.7k | deepset |
| PocketFlow | Python | 轻量级 | ~100行超轻量 | 11k | 社区 |
| Eino | Go | 单Agent | Go 原生 LLM 框架 | 12.4k | 字节跳动 |
备注： GitHub Stars 为近似值，请以仓库实时数据为准。数据截至 2026年7月。
评论