Agent 框架与工具链

2026-09-26 · 人工智能（AI）

最后更新：2026-09-26 ｜领域：AI·平台、工具与落地｜说明：信息来源为公开网络资料，详见文末参考来源

概述

Agent 框架与工具链指构建 LLM 智能体（agent）所需的软件分层：编排框架（LangGraph、CrewAI、AutoGen、OpenAI Agents SDK 等）、上下文与文档框架（LlamaIndex）、工具与上下文连接协议（Model Context Protocol, MCP），以及记忆、沙箱、可观测等基础设施。2025–2026 年，这一领域从「各家框架百花齐放」走向分层收敛：编排层出现少数主流选项，而连接层由 MCP 统一，客户端与工具之间的互操作性显著提升。

最新进展（2025–2026）

MCP 成为事实标准并被基金会化。 Anthropic 将 Model Context Protocol（MCP）捐出并参与设立 Agentic AI Foundation，MCP 成为新基金会的创始项目。据其官方公告，MCP 已拥有超过 9,700 万次月度 SDK 下载、10,000 个以上活跃公共服务器，并获 ChatGPT、Claude、Cursor、Gemini、Microsoft Copilot、Visual Studio Code 等主流产品一等公民支持；基础设施侧则有 AWS、Cloudflare、Google Cloud、Microsoft Azure 提供部署支持（Donating the Model Context Protocol and establishing the Agentic AI Foundation、Announcement）。协议自身也在快速迭代：2026-07-28 规范被称为 MCP 自远程 MCP 发布以来最重要的一次修订，核心变化是"无状态协议核心"——MCP 从双向有状态协议转为请求/响应式无状态协议，每个请求自带协议版本、客户端身份与能力（携带于 _meta），可落在任意一台处于轮询负载均衡后的实例上；旧的 initialize/initialized 握手与 Mcp-Session-Id 头被退役（The 2026-07-28 Specification）。该版本还引入多项改动：Multi Round-Trip Requests（MRTR，以 resultType: "input_required" 支持工具调用中途向用户索取确认或缺失参数）、基于 HTTP 头的路由（Mcp-Method、Mcp-Name，便于网关/WAF 路由与限流）、可缓存的列表结果（ttlMs、cacheScope）、授权加固（RFC 9207 issuer 校验、从 Dynamic Client Registration 转向 Client ID Metadata Documents）、正式扩展框架（MCP Apps、Tasks、Enterprise Managed Authorization）以及带十二个月最短窗口的正式弃用政策；Tasks 从实验性核心移入 io.modelcontextprotocol/tasks 扩展，改用轮询式 tasks/get 与新 tasks/update（同上）。此前 2025 年 11 月规范已引入 Tasks 原语、OAuth 2.1 授权与 MCP Registry，并配套 TypeScript SDK v1.27、Python SDK v1.26（Model Context Protocol Details）。第三方统计显示公共 MCP 服务器数量从 2025 年一季度的约 1,200 个增长到 2026 年 4 月的 9,400+ 个（MCP Servers in 2026: Complete Model Context Protocol Guide）。该版本获得广泛生态支持：AWS 与 Anthropic 表示无状态核心已在 Amazon Bedrock AgentCore 可用，开发者可在标准可扩展基础设施上部署 MCP 服务器而无需管理会话或持久连接；Cloudflare 的 Agents SDK 自首日即支持该规范，并可在 Workers 中运行 MCP 服务器；Microsoft Foundry 以统一的 MCP 端点汇聚工具并集中治理、身份与可观测（The 2026-07-28 Specification）。

编排框架形成分层格局。 厂商维度上，LangGraph 来自 LangChain Inc.（MIT，Python + JS/TS），CrewAI 来自 crewAI Inc.（核心 MIT，另有企业版，仅 Python），OpenAI Agents SDK 来自 OpenAI（Apache 2.0 / MIT，Python + TypeScript），Microsoft Agent Framework 来自微软（MIT，.NET C# + Python），Claude Agent SDK 来自 Anthropic（代码 Apache 2.0 + Anthropic 商业条款，Python + TypeScript）（AI Agent Framework Comparison (LangGraph/CrewAI/AutoGen)）。LangChain 官方的 2026 框架对比表把 LlamaIndex（Workflows，MIT）、Google ADK（Apache 2.0）、OpenAI Agents SDK（MIT）与部分开源的 Mastra 列为代表性选择，分别面向文档中心事件驱动的多 Agent 系统、GCP 原生团队、范围紧凑的助手与委派工作流、以及 TypeScript 团队（The best AI agent frameworks in 2026）。另有一份第三方评测给出"按用例最佳"清单：编排与状态图首选 LangGraph 1.0，最干净的多 Agent handoff 属 OpenAI Agents SDK，Anthropic 原生/编码/computer-use 场景属 Claude Agent SDK，快速角色化多 Agent 原型属 CrewAI 1.14，企业 .NET/Azure 栈属 Microsoft Agent Framework（Best AI Agent Frameworks）。

LlamaIndex 从 RAG 框架转向 Agent 工作流。 其官方定位已更新为「构建上下文感知 AI Agent 的开发者框架」，强调 memory、状态管理、human-in-the-loop、reflection 等可扩展构建块，以及 Python/TypeScript SDK 和「Day zero integrations」（The developer-trusted framework for building context-aware AI agents）。Workflows 1.0 被定位为「面向 agentic 系统的轻量级框架」，支持类型化 Workflow State、Python 侧资源注入，以及通过 llama-index-instrumentation 接入 OpenTelemetry、Arize Phoenix 等可观测性后端（Announcing Workflows 1.0）。2026 年其又推出 LlamaAgents 开放预览，结合 LlamaParse 文档处理与 Agent Workflows，并用 CLI 工具 llamactl 生成模板与部署（Announcing LlamaAgents Open Preview）。

核心技术与关键概念

编排范式：以 LangGraph 为代表的状态化图编排，适合复杂有状态工作流；以 CrewAI 为代表的角色化「crew」多智能体模式，强调最快上手（约 20 行 Python 即可跑通原型）；以 OpenAI Agents SDK 为代表的多智能体工作流与委派（delegation）模式，并通过 LiteLLM 做到 provider-agnostic、支持 100+ 模型（AI Agent Frameworks in Mid-2026、AI Agent Framework Comparison）。一份 2026 年的三方对比给出维度化差异：LangGraph 具备逐节点 checkpoint 的可持久化/可恢复能力、一等公民的 human-in-the-loop，并通过 LangChain 兼容任意模型；CrewAI 通过 Flows 支持恢复（粒度较粗），同样支持 human-in-the-loop；OpenAI Agents SDK 以 Sessions 承载记忆、无内置 checkpointing（LangGraph vs CrewAI vs OpenAI Agents SDK: The 2026 Verdict）。多 Agent 系统层面，常见模式包括层级式 Supervisor（监督者只路由、自身不执行，常见于 CrewAI hierarchical 与 OpenAI Agents SDK handoffs）与 Maker-Checker（一方产出、另一方核验）（Multi-Agent AI Systems in 2026）。

工具连接协议（MCP）：MCP 把「模型—工具—数据源」的接入从各家私有插件规范统一为开放协议，客户端与服务器解耦；配合 MCP Registry 做服务器发现，配合 OAuth 做授权，配合 Tasks 扩展支持长时任务（The 2026-07-28 Specification、Model Context Protocol Details）。MCP Registry 是面向公开 MCP 服务器的开放目录与 API，用于提升可发现性与实现便利，已进入 preview 并可添加服务器（Introducing the MCP Registry — Announcement）；官方注册表站点会列出各服务器的版本与更新时间（Official MCP Registry）。SEP-2663（Tasks Extension）为最终（Final）状态的扩展轨道记录（SEP-2663: Tasks Extension）。

Agent SDK 的核心抽象：OpenAI Agents SDK 以 Python 优先，强调 Agents as tools / Handoffs（在多 Agent 间协调与委派）、Guardrails（与执行并行做输入校验与安全检查、不过即快速失败，含 inputGuardrails/outputGuardrails）、Function tools（任意 Python 函数经自动 schema 生成与 Pydantic 校验变为工具）以及 MCP server 工具调用（OpenAI Agents SDK）。其 JS 版文档展示了 triage agent 通过 handoffs: [bookingAgent, refundAgent] 把请求转交专门 Agent 的写法（Agents — OpenAI Agents SDK (JS)）。

记忆与状态：LlamaIndex 把 memory、state management、human-in-the-loop、reflection 列为核心组件，LangGraph 则以图状态承载跨步骤记忆（LlamaIndex、LangChain resources）。

可观测与沙箱基建：框架普遍通过 OpenTelemetry 打通 tracing；LlamaIndex Workflows 明确支持 OpenTelemetry 与 Arize Phoenix（Workflows 1.0）。LlamaAgents 提供本地应用服务器与云端部署（llamactl、LlamaCloud UI、headless API），构成部署型基建（LlamaAgents Open Preview）。

TypeScript 侧：LangChain 官方将 Mastra 列为面向 TypeScript 团队的生产级自定义 Agent 框架（部分开源），与 Vercel AI SDK 构成该语言生态的主要选择（The best AI agent frameworks in 2026、Top AI Agent Frameworks in 2026）。

代表性项目 / 公司 / 产品（附官方链接）

LangGraph（LangChain Inc.）：状态化图编排，MIT，Python/JS（https://www.langchain.com/resources/ai-agent-frameworks）。
LangChain / LangSmith：框架与可观测/评测平台（https://www.langchain.com/）。
CrewAI：角色化多智能体，MIT 核心 + 企业版（AI Agent Framework Comparison）。
AutoGen（微软）：多智能体研究/原型框架（Best AI Agent Frameworks in 2026）。
Microsoft Agent Framework：.NET C# + Python，MIT（AI Agent Framework Comparison）。
OpenAI Agents SDK：多智能体工作流 SDK，MIT（The best AI agent frameworks in 2026）。
Claude Agent SDK（Anthropic）：Python/TypeScript（AI Agent Framework Comparison）。
LlamaIndex / LlamaAgents：文档中心 Agent 框架与工作流（https://www.llamaindex.ai/llamaindex）。
Google ADK（Agent Development Kit）：Apache 2.0，GCP 原生；支持自定义 Python 函数工具（FunctionTool）、内置工具（如 Google Search 的 AgentTool）、第三方工具（如 LangChain 的 LangchainTool）与 MCP 工具，可组合为多工具、含子 Agent 的结构（The best AI agent frameworks in 2026、Build an AI Agent with Google ADK）。Google Cloud 的 Gemini Enterprise Agent Platform 亦以 ADK 作为开源开发/部署框架之一（Build with Gemini Enterprise Agent Platform）。
MCP：开放工具连接协议，Agentic AI Foundation 创始项目（Anthropic）。

关键数据与评测结果（附来源）

MCP：97M+ 月度 SDK 下载、10,000+ 活跃公共服务器（Anthropic 2026）（Anthropic）。与此口径不同，2026-07-28 规范发布博客称 Tier 1 SDK 合计月下载接近 5 亿，其中 TypeScript 与 Python SDK 累计下载均突破 10 亿（The 2026-07-28 Specification）——两处数据口径与时间点不同，需分别看待。
公共 MCP 服务器：约 1,200（2025 Q1）→ 9,400+（2026 年 4 月）（第三方统计）（MCP Servers in 2026）。
OpenAI Agents SDK：v0.18、10.3M 下载，支持 100+ 模型（第三方统计）（AI Agent Frameworks in Mid-2026）。
社区热度（star 数）：AutoGen 约 57.4k、CrewAI 约 49.8k、LangGraph 约 30.3k、Agno 约 39k（第三方统计，不同来源数值不一）（Best AI Agent Frameworks in 2026、AI Agent Frameworks in Mid-2026）。
MCP 迁移动因量化：一家托管数千 MCP 服务器的平台称其 mcp-use 的新 SDK v2 借助新的 client-server 拆分把包体积缩小约 83%，同时提速约 25%（The 2026-07-28 Specification，该数据为厂商自述）。

趋势与争议

框架收敛与分层：编排层竞争仍在（LangGraph、OpenAI Agents SDK、CrewAI、Microsoft Agent Framework、Claude Agent SDK、Google ADK、Mastra 等），而连接层由 MCP 统一，形成「多编排 + 单协议」的格局（The best AI agent frameworks in 2026）。

框架选择的争议：一派主张按语言与技术栈选择（TypeScript 看 Mastra vs Vercel AI SDK，Python 看 LangGraph vs OpenAI Agents SDK vs CrewAI，.NET 看 Microsoft Agent Framework）（Top AI Agent Frameworks in 2026）；另一派担忧框架抽象过厚导致调试困难，倾向在 MCP 之上自建轻量编排。部分第三方统计将 AutoGen 标注为偏研究与原型（Best AI Agent Frameworks in 2026），此类定性来自第三方评测而非官方声明，需谨慎对待。

协议演进风险：MCP 2026-07-28 的大版本修订以破坏性变更为主（移除握手/会话、Tasks 迁为扩展、Roots/Sampling/Logging 及旧 HTTP+SSE 传输被弃用），官方承认这会带来迁移成本、尤其影响依赖 session identifier 的开发者，但通过正式弃用政策（十二个月窗口）与迁移说明降低风险（The 2026-07-28 Specification）。有分析认为，此举牺牲短期兼容换取可扩展性，是协议走向企业级基础设施的信号（同上）。