《AI Agent 自学指北》第 5 篇：认识主流 Agent 框架

1. 前言

有没有一个框架，能让我们只关心工具函数本身，剩下的循环、错误处理、消息管理都由框架搞定？

2.框架

2.1 通用 Agent 框架

2.2 多 Agent 协作框架

2.3 自主 Agent 框架

2.4 低代码 / 可视化平台

3.重点框架介绍

3.1 LangChain —— 最全能的框架

LangChain 的核心组件：

LLM 封装 → 统一调用各种模型的接口
@tool 装饰器 → 把函数变成工具，自动生成描述
Agent → 定义 LLM 如何决策（选哪个工具）
AgentExecutor → 自动执行循环（决定→执行→反馈→再决定）
Memory → 记住对话历史

LangChain 的生态确实很全，基本上能想到的它都有。但文档概念太多了，Chain、Agent、Tool、Memory、Retriever……刚上手容易懵。

—–功能最全，但学习曲线最陡。适合想系统学 Agent 的人，不太适合只是想快速跑个 demo。

3.2 CrewAI —— 最简单的多 Agent 框架

CrewAI 的核心理念是：把 Agent 当成"团队成员"，每个 Agent 有自己的角色、目标和背景故事。

from crewai import Agent, Task, Crew, Process

# 定义三个"员工"
researcher = Agent(
role="研究员",
goal="收集关于{主题}的最新信息",
backstory="你是一个资深研究员，擅长从互联网找到准确信息",
)

writer = Agent(
role="技术写手",
goal="将研究结果写成清晰易懂的博客",
backstory="你是一个技术博客作者，擅长把复杂概念讲清楚",
)

editor = Agent(
role="编辑",
goal="检查文章质量，确保表达准确、结构清晰",
backstory="你是一个严格的编辑，对文字质量要求很高",
)

# 分配任务
research_task = Task(
description="研究{主题}的最新进展",
agent=researcher,
expected_output="一份详细的研究报告"
)

write_task = Task(
description="基于研究报告写博客",
agent=writer,
expected_output="一篇完整的博客文章"
)

edit_task = Task(
description="审核并修改博客",
agent=editor,
expected_output="最终版本的文章"
)

# 组建团队
crew = Crew(
agents=[researcher, writer, editor],
tasks=[research_task, write_task, edit_task],
process=Process.sequential # 顺序执行
)

result = crew.kickoff(inputs={"主题": "AI Agent 入门"})
print(result)

这段代码很容易看懂——三个 Agent 分别扮演研究员、写手、编辑，顺序执行任务，最后输出一篇博客。API 设计很直观，代码可读性很好。

—-如果想快速体验多 Agent 协作，CrewAI 是最佳选择。但功能不如 LangChain 丰富，复杂场景可能不够用。

3.3 Dify 和 Coze —— 不用写代码的选择

这两个是低代码/零代码平台，我简单看了一下。

Dify 是开源的，可以自己部署，拖拽式搭建 Agent 流程。Coze 是字节跳动的产品，国内直接访问，内置了很多插件（搜索、阅读、图片等），还能发布到飞书、微信。

—–如果不想写代码，或者想快速验证想法，这两个很合适。但我还是想自己写代码，所以暂时不深入。

4. 几个框架的对比总结

| 适合谁 | 想系统学的开发者 | 想快速体验的开发者 | 非技术人员 | 非技术人员 |

5. 实际项目怎么选

光看对比表格还不够，我说说具体做项目时怎么选。

做什么类型的项目？

6. 参考资料

• LangChain 官方文档：https://python.langchain.com/docs/get_started/introduction
• CrewAI 官方文档：https://docs.crewai.com/
• Dify 官网：https://dify.ai/
• Coze（扣子）：https://www.coze.com/