字节笔记本
2026年10月24日 · 约 9 分钟读完
Agent 框架选型指南：一张决策清单
本文是《从 0 写 Agent》系列第 51 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「Agent 框架选型指南」。
Agent 框架不只 agents-go 和 LangChain，还有 CrewAI、AutoGen、agent-native、Pi 等。怎么选？
这一章给一个选型框架，帮你根据自己的场景做决策。
主流 Agent 框架速览
| 框架 | 语言 | 特点 | 适合 |
|---|---|---|---|
| agents-go | Go | OpenAI SDK 移植，最小显式 | Go 后端、生产部署 |
| LangChain/LangGraph | Python | 生态最大，状态图编排 | 快速接入、Python 团队 |
| CrewAI | Python | 角色扮演多 Agent | 模拟"团队协作"场景 |
| AutoGen（Microsoft） | Python | 多 Agent 对话 | 研究、复杂多 Agent |
| agent-native（Builder.io） | TypeScript | defineAction 多端复用 | Web/全栈 |
| openai-agents-python | Python | 官方 SDK（agents-go 的原版） | OpenAI 生态 |
| Claude Code | 闭源 | Anthropic 的编码 Agent | 编程（非框架） |
| Pi | 多语言 | 模型自由、极简内核 | 模型混用 |
选型的五个维度
维度一：语言
最重要的维度。 你的团队主力语言决定大方向：
- Go → agents-go（或自己写）
- Python → LangChain / CrewAI / AutoGen / openai-agents-python
- TypeScript → agent-native
- 多语言混用 → Pi（模型自由）
别逆语言选框架。 Go 团队硬上 LangChain（要跨语言调用），Python 团队硬上 agents-go（要学 Go），都痛苦。
维度二：场景
| 场景 | 推荐 |
|---|---|
| 编码助手 | Claude Code / Codex（成品）或 agents-go（自建） |
| 客服 | agents-go / LangChain |
| 数据分析 | LangChain（数据生态好）/ agents-go + MCP |
| 多 Agent 协作研究 | AutoGen / CrewAI |
| Web 应用内嵌 Agent | agent-native |
维度三：生产 vs 研究
- 生产部署 → agents-go（单二进制、类型安全）/ agent-native（Web 原生）
- 研究/实验 → AutoGen（灵活）/ CrewAI（快速试多 Agent）
- 快速原型 → LangChain（集成多，搭得快）
研究用的框架，不一定适合生产。 AutoGen 灵活但部署重；agents-go 刻板但好部署。
维度四：生态需求
- 要接大量第三方服务 → LangChain（几百个集成）
- 用 MCP 标准 → agents-go / openai-agents-python / 任何支持 MCP 的
- 自给自足 → agents-go（自己写工具）
MCP 是趋势，越来越多框架支持 MCP，工具能跨框架复用。选支持 MCP 的框架，未来不锁死。
维度五：控制粒度
- 要看到每一行 → agents-go（代码可读、循环显式）
- 要快速不用懂内部 → LangChain（
agent.invoke()搞定） - 要可视化配置 → agents-server（Web UI 配 Agent）
决策树
你的团队用什么语言？
├─ Go → agents-go
├─ Python → 你的需求？
│ ├─ 要最大生态 → LangChain
│ ├─ 要多 Agent 角色扮演 → CrewAI
│ ├─ 要多 Agent 研究 → AutoGen
│ └─ 要 OpenAI 官方 → openai-agents-python
├─ TypeScript → agent-native
└─ 混用/想自由 → Pi
附加判断：
├─ 生产部署重要？ → 偏 agents-go / agent-native
├─ 要理解内部？ → agents-go
├─ 要快速原型？ → LangChain
└─ 要 MCP 生态？ → 确认框架支持 MCP一个反直觉的建议：先自己写
读完这 50 章，你已经理解了 Agent 运行时。我的建议是，先试着自己写一个（参考第 1 章的 30 行循环），再选框架。
为什么？
- 你理解了内部，才知道框架的抽象在做什么，用 LangChain 时你知道
agent.invoke()底下是循环 - 你能判断框架的限制，知道哪里框架帮不了你，要自己补
- 你不被框架绑架，理解了原理，换框架成本低
框架是工具，不是信仰。 理解原理的人，能用任何框架；不理解原理的人，被框架困住。
不要做的事
别盲目追新
Agent 框架每月都在出新的。别看到"新框架"就换。 选一个，深入用，理解它。频繁换框架比用错框架更浪费。
别过度用框架
简单问题别用 Agent 框架（第 41 章讲过）。一个 API 调用能解决的，别套 Agent 循环。框架是减负的，不是增负的。
别忽视部署
很多人选框架只看"开发爽不爽"，忽视"部署难不难"。Python 框架开发爽但部署重（依赖、环境）。Go 框架开发"糙"但部署爽（单二进制）。生产项目，部署成本要算进去。
结语：框架会变，原理不变
Agent 框架每年都在变，今天的 LangChain 明天可能被替代，今天的 agents-go 可能演化。但 Agent 的原理不变，循环调模型、工具执行、状态管理、多 Agent 协作。
这本系列教你的不是"怎么用 agents-go"，而是"Agent 运行时的原理是什么"。 理解了原理：
- 用 agents-go，你知道每行干什么
- 换 LangChain，你知道它的抽象对应什么
- 框架出新版，你知道变化在哪
- 自己写一个，你知道从哪开始
这就是"从 0 写 Agent"给你的最大能力，理解原理，不被框架绑架。
全系列完结
51 章 + 4 附录，从最简循环到框架选型，你走完了"从 0 写 Agent"的完整旅程。
现在，你不仅能用任何 Agent 框架，更能理解它们、评判它们、甚至在需要时自己写一个。
这才是"从 0 写 Agent"的终极价值。
《从 0 写 Agent：用 Go 理解 AI Agent 运行时》全系列完。感谢读到这里。
如果你觉得这个系列有用，推荐：
- 动手用 agents-go 写一个真实 Agent（第 45-49 章的案例）
- 读 agents-go 源码对照本系列（附录 A 的源码地图）
- 读《企业级 Agent 平台工程》补"生产化"那块（附录 B）
- 关注 OpenAI Agents SDK 和 MCP 生态的最新进展
本文是《从 0 写 Agent》系列第 51 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。
