AI Agent 主流框架全景概览
从 LangChain 到 ADK，从任务编排到多智能体协作，2026 年的 Agent 框架生态正在快速成形。
什么是 AI Agent？
AI Agent（智能体）是当前 AI 领域最炙手可热的方向。简单来说，它不再是「你问一句、它答一句」的被动对话工具，而是能够理解目标、拆解任务、调用工具、自主执行的智能体。
吴恩达在 DeepLearning.AI 最新推出的 Agentic AI 课程 中将其定义为 AI 的下一个关键范式。B站上也有中文翻译版本可供学习。
通俗理解：如果说传统 LLM 是一个聪明的「大脑」，那么 Agent 框架就是给这个大脑装上了「手和脚」——它能写代码、查资料、操作软件、甚至指挥其他 AI 一起工作。
主流框架全景
目前市面上涌现了大量 Agent 框架，以下是值得重点关注的 13 个开源项目：
1. LangChain
🔗 https://github.com/langchain-ai/langchain
Agent 生态的基石项目，最早也是最成熟的 LLM 应用开发框架。提供了 Prompt 管理、链式调用、工具集成等核心能力，是进入 Agent 世界的首选入门框架。
2. LangGraph
🔗 https://github.com/langchain-ai/langgraph
LangChain 团队推出的图结构编排框架。与 LangChain 的线性链不同，LangGraph 支持有向图的任务流编排——这意味着你可以定义复杂的条件分支、循环和状态管理，适合构建真正复杂的多步骤 Agent。
3. DeepAgents
🔗 https://github.com/langchain-ai/deepagents
同样是 LangChain 家族的新成员，专注于深度推理型 Agent，适合需要多轮思考、逐步拆解的复杂任务场景。
4. DeerFlow（字节跳动）
🔗 https://github.com/bytedance/deer-flow
字节跳动开源的重磅项目，发布即登 GitHub Trending 第一。它不是普通的聊天机器人，而是一个 Agent 调度中枢：
-
能拆解复杂任务，自动派出子 Agent 分头执行，最终汇总交付 -
内置技能包括：写研报、建网站、做 PPT、生成视频 - 关键设计
：每个任务运行在独立 Docker 沙箱中，拥有自己的文件系统，可读写文件、执行代码，隔离且可审计 -
跨会话记忆持久化，用越多越懂你 -
支持 GPT-4、DeepSeek、豆包等任意模型 - 基于 LangGraph 构建，MIT 开源
5. Aiflowy
🔗 https://github.com/aiflowy/aiflowy | https://aiflowy.tech/
一个新兴的 AI 工作流编排平台，注重可视化与低代码体验。
6. Spring-ai-alibaba（阿里巴巴）
🔗 https://github.com/alibaba/spring-ai-alibaba
阿里推出的 Spring AI 框架，面向 Java 生态。如果你所在的技术栈是 Java/Spring Boot，这是将 AI 能力集成到现有系统中的最佳选择。
7. Agents-flex
🔗 https://github.com/agents-flex/agents-flex
一个灵活轻量的 Agent 框架，适合快速原型开发和小规模部署。
8. Agency-agents
🔗 https://github.com/msitarzewski/agency-agents
一个非常有特色的 Agent 人格集合。每个 Agent 都有：
-
🎯 专业化：领域深厚的专业知识 -
🧠 个性鲜明：独特的沟通风格和方法 -
📋 注重成果：提供真实的代码和可衡量的结果 -
✅ 可直接投产：经过实战检验的工作流
你可以理解为：组建你的梦之队，只不过他们是永不眠、永不抱怨、永不失职的 AI 专家。
9. CrewAI
🔗 https://github.com/crewaiinc/crewai
多 Agent 协作框架的代表。通过角色扮演机制，让多个 AI Agent 协同工作，处理复杂任务。CrewAI 是目前最成熟的多 Agent 编排方案之一，社区活跃，文档完善。
10. Flowable-engine
🔗 https://github.com/flowable/flowable-engine
企业级工作流和 BPM 平台，虽然并非专门为 AI 设计，但可以作为 Agent 任务编排的底层引擎，适合对流程管控有严格要求的企业场景。
11. LiteLLM
🔗 https://github.com/BerriAI/litellm
AI Gateway 定位，提供统一的 OpenAI 兼容接口调用 100+ 家 LLM API，内置成本追踪、护栏、负载均衡和日志功能。支持 Bedrock、Azure、OpenAI、VertexAI、Cohere、Anthropic、HuggingFace 等几乎所有主流模型。在多模型场景下，LiteLLM 几乎是必备基础设施。
12. Hello-agents（Datawhale）
🔗 https://github.com/datawhalechina/hello-agents | https://hello-agents.datawhale.cc
Datawhale 社区出品的 Agent 入门教程项目，中文友好，适合初学者系统学习 Agent 开发。
13. ADK（Agent Development Kit）
🔗 https://adk.dev/
Google 推出的 Agent 开发工具包，背靠 Google 的生态资源，值得长期关注。
如何选择？
面对这么多框架，可以从以下几个维度考虑：
|
|
|
|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
小结
Agent 框架生态正在快速成熟。从字节跳动的 DeerFlow 到 Google 的 ADK，从 LangChain 家族的深度布局到 Datawhale 的中文教程，2026 年的 Agent 开发者拥有了前所未有的丰富选择。
关键在于：不是选最火的，而是选最适合你场景的。建议从 LangChain + CrewAI 这对组合入手，快速建立对 Agent 开发的全景认知，再根据实际需求深度选择具体框架。
本文由安於然AIR整理自知识库的原始笔记