agents-go 对比 LangChain：两种框架哲学

本文是《从 0 写 Agent》系列第 50 章。这个系列基于开源项目 agents-go（OpenAI Agents SDK 的 Go 移植版），用 Go 从零实现一个生产级 Agent 运行时；本章讲「agents-go vs LangChain：两种 Agent 框架哲学」。

读完这 49 章，你精通了 agents-go。但市场上还有其他 Agent 框架，最出名的是 LangChain（Python）。

这一章对比 agents-go 和 LangChain 的设计哲学差异。理解差异，你才能在不同场景选对工具。

设计哲学的根本差异

一句话，agents-go 是"少即是多"（小接口、显式、可读），LangChain 是"大而全"（多集成、多抽象、快速接入）。

核心抽象对比

Agent 定义

agents-go，一个结构体，字段即配置：

agent := &agents.Agent{
    Name: "助手",
    Instructions: agents.StaticInstructions("..."),
    Model: "openai/gpt-4o",
    Tools: []agents.Tool{tool1, tool2},
}

LangChain，多种方式，概念多：

# 方式一：create_agent
agent = create_agent(model, tools, prompt)

# 方式二：AgentExecutor（旧）
agent = AgentExecutor(agent=..., tools=..., memory=...)

# 方式三：LCEL Chain
chain = prompt | model | output_parser

agents-go 只有"一个 Agent 结构体"一种定义方式。LangChain 有多种，新人容易困惑选哪个。

工具定义

agents-go，函数 + 泛型反射 schema（第 3 章）：

tool := agents.NewFunctionTool("get_weather", "查天气", getWeather)

LangChain，@tool 装饰器或 StructuredTool：

@tool
def get_weather(city: str) -> str:
    """查天气"""
    ...

两者体验类似，LangChain 的 Pydantic 类型推导更顺滑（agents-go 作者承认）。

记忆

agents-go，Session 接口 + 三后端（第 8 章），显式传入：

agents.Run(ctx, agent, input, agents.RunOptions{Session: sess})

LangChain，Memory 抽象（ConversationBufferMemory 等），挂在 AgentExecutor 上：

agent = AgentExecutor(agent=..., memory=ConversationBufferMemory(...))

agents-go 更显式（Session 是 RunOptions 的参数），LangChain 更隐式（Memory 是 Agent 的属性）。

哲学差异的根源

agents-go（和 OpenAI Agents SDK）的哲学，显式、小接口、可读。

• 接口小（Model 两个方法、Session 四个方法、Tool 一个构造函数）
• 组合显式（NewFallbackModel(NewRetryModel(...)) 看得见嵌套）
• 代码可读（runner.loop 就是循环，看得到每一步）

LangChain 的哲学，集成丰富、抽象层多、快速接入。

• 几百个集成（文档加载器、向量库、工具、模型）
• 多层抽象（Chain/Runnable/Agent/Memory/Tool）
• 生态最大（你想要的大概率有现成的）

两种哲学各有道理，agents-go 适合"想理解内部、要部署到生产"的团队；LangChain 适合"要快速接入大量服务、在 Python 生态里"的团队。

优劣势对比

agents-go 的优势

1. 可读性，循环看得到，调试容易
2. 部署，单二进制，运维简单
3. 并发，goroutine 天然并发
4. 类型安全，编译期检查
5. 可控，小接口，行为可预测

LangChain 的优势

1. 生态，几百个集成，快速接入
2. Python 生态，AI/ML 库大多 Python
3. 社区，最大最活跃的 Agent 社区
4. 迭代快，新模型/新功能快速跟进
5. 文档/教程多，学习资源丰富

各自的劣势

选型建议

核心判断，你的团队用什么语言、你要"快速接入"还是"可控可部署"。

诚实说明

agents-go 是 OpenAI Agents SDK 的 Go 移植，它本身比较新，生态和社区远不如 LangChain。如果你做严肃的生产项目，LangChain 的成熟度和生态是真实优势。

但 agents-go 的价值在于，它让你"理解 Agent 运行时怎么工作"。 即使你最终用 LangChain，理解了 agents-go 的设计（循环、工具、Session、Handoff），你也能更好地用 LangChain，因为你知道它的抽象底下是什么。

这就是本系列的目的，不是让你必须用 agents-go，而是让你理解 Agent 运行时，从而能用好任何框架。

小结

agents-go 和 LangChain 是两种哲学：

• agents-go，最小显式、小接口、可读、单二进制。适合 Go 团队、生产部署、想理解内部。
• LangChain，大而全、多集成、多抽象、Python 生态。适合快速接入、数据科学团队。

没有绝对好坏，只有"适合"。 理解差异，按场景选。

下一篇

第 51 章，Agent 框架选型指南。除了 agents-go 和 LangChain，还有 CrewAI、AutoGen、agent-native 等。怎么在这么多框架里选？

本文是《从 0 写 Agent》系列第 50 章，案例代码基于开源项目 agents-go（OpenAI Agents SDK 的 Go 移植版）。全系列目录见总览。