一句话定义
Agent Frameworks 是编排智能体的软件框架：提供状态管理、工具调用、多 Agent 协作、人工介入和可观测性。它们不直接提升模型能力，而是决定流程是否可控、可恢复。
为什么需要它
从零实现循环、重试、状态、日志和多 Agent 通信很容易失控。框架把这些模式标准化，让你专注任务逻辑；但抽象越强，越要评估锁定、调试和迁移成本。
常见框架
- LangGraph：把流程画成图/状态机，节点是步骤、边是转移；支持 checkpoint、human-in-the-loop，适合可控、可恢复的流程。
- AutoGen：偏多智能体对话/群聊，支持代码执行和工具协作，适合研究和多角色原型。
- CrewAI：用角色 + 任务 + Crew 组织分工，适合业务流水线原型。
- OpenAI Agents SDK：提供 Agent、handoff、guardrail、tracing 和工具调用，适合轻量生产接入。
关键取舍
- 图/状态机更可控，但学习和建模成本高；对话式框架更灵活，但更难约束。
- 多 Agent 框架适合协作，但通信和调试成本会放大。
- 框架托管状态/追踪会带来锁定；要评估导出和替换。
- 生产环境还要看部署、权限、审计和成本。
常见误区
- 框架等于模型能力：它只提供编排。
- 框架越重越生产：简单任务用轻量循环更稳。
- 多 Agent 框架一定更强：协调失败会更糟。
- 有 tracing 就万事大吉：还要有评测和告警。
用在哪里
- 多步骤 Agent、人工审批、失败恢复。
- 多角色协作的研究/内容/代码流水线。
- 需要追踪、回放和审计的生产系统。
相关概念
- Agent Workflow：框架要表达的控制流。
- Multi-Agent：多角色协作模式。
- Tool Calling：框架接入工具的基础。