框架生态与选型地图

2025 年前后 Agent 框架密集涌现：通用编排库、图状态框架、官方轻量 SDK、多智能体框架、低代码平台各占一块。面对地图先别慌着学，先按"要解决的问题"挑类型，再深入单点。

框架分类地图

类型	代表	特点	适合场景
库/编排	LangChain、LlamaIndex	组件丰富、生态庞大	快速接模型/工具/知识库
图状态	LangGraph	显式建模步骤与状态	复杂可控的流程编排
官方轻量	OpenAI Agents SDK、Claude Agent SDK、Google ADK	贴近自家 API，简洁直接	深度绑定某家模型
多智能体	CrewAI、AutoGen/AG2、Magentic-One、MetaGPT	多角色分工协作	子任务可分给不同角色
低代码	Dify、Coze 扣子	可视化搭建、免写代码	业务同学快速上线

各类怎么选

• LangChain / LlamaIndex：全家桶式库，Retrieval、工具、记忆现成；适合快速原型与生态复用，代价是抽象层较厚、版本演进快（用法以官方文档为准）。
• LangGraph：把流程画成图，节点与状态显式、可检查可恢复，适合"必须可解释、可回滚"的生产流程。
• 官方轻量 SDK：厂商自带的 Agent 循环，与自家模型的工具调用配合最顺；多模型混用时互操作性较弱。
• CrewAI / AutoGen / AG2 / Magentic-One / MetaGPT：做"角色+协作"（如研究员+写手+评审），机制有差异，以官方文档为准；注意多智能体之间沟通会放大 token 成本。
• Dify / Coze 扣子：低代码拖拽，内置模型管理、知识库与发布渠道，适合验证想法与运营型应用。

MCP：把工具接入层标准化

框架五花八门，工具接入却在走向统一：MCP（模型上下文协议） 定义了"工具/资源如何暴露、客户端如何连接"，让同一个工具服务器可被多种框架与宿主复用，减少重复封装。协议细节与实战见本站《MCP 模型上下文协议》教程。

选型决策树

要不要写代码？
├─ 不要 → Dify / Coze 扣子（低代码）
└─ 要 →
   ├─ 是否多角色协作？
   │  ├─ 是 → CrewAI / AutoGen / MetaGPT
   │  └─ 否 → 流程是否复杂需显式控制？
   │     ├─ 是 → LangGraph
   │     └─ 否 → 只用某一家模型？
   │        ├─ 是 → 该家官方 Agents SDK
   │        └─ 否 → LangChain / LlamaIndex（通用编排）

选型时的通用提醒

• 版本演进快：Agent 框架处于快速迭代期，教程、博客常已过时，落地前务必查官方文档与升级说明；
• 抽象越厚，排障越难：框架帮你省掉样板代码，也藏起了细节，出问题时要能下钻到它调用的模型与工具层（配合可观测性章节）；
• 先最小可用再上框架：单模型+两三个工具的原型不一定要框架，等循环、状态、多工具真的变复杂再引入，能省大量学习成本；
• 关注维护状态：框架活跃度差异很大，选型时看文档更新频率、社区规模与 issue 响应，冷门或停更的框架慎选；
• 允许混用：图状态框架里也可以调用编排库的组件，选型不必"押注单一全家桶"。

小结

框架没有绝对优劣，先按定位分类（编排库/图状态/官方轻量/多智能体/低代码）匹配自己的问题：快速原型用 LangChain 系，复杂可控流程用 LangGraph，多角色协作看 CrewAI 等，业务快速上线用 Dify/扣子。工具接入层交给 MCP 统一，框架选型与切换的成本就低很多。