AutoGen 与 CrewAI 多 Agent 框架怎么选？

题目

请对比 AutoGen、CrewAI 与 LangGraph 三个主流多 Agent 框架的设计哲学与适用场景。

参考答案

AutoGen（Microsoft）：

• 设计哲学：对话式多 Agent。Agent 之间通过消息互相交流，可自定义回复逻辑。
• 核心抽象：ConversableAgent（可对话实体）+ GroupChat（群聊管理）。
• 特色：AssistantAgent / UserProxyAgent（人类代理执行代码）分工，支持人类在环。
• 适合：研究探索、对话式协作、需要人类介入的场景。
• 痛点：控制流偏松散，复杂流程难精确编排。

CrewAI：

• 设计哲学：角色化团队协作，模拟人类组织。每个 Agent 有角色（Role）、目标（Goal）、背景故事（Backstory），承担具体 Task，通过流程串联。
• 核心抽象：Crew（团队）+ Agent（成员）+ Task（任务）+ Process（流程：顺序/层级）。
• 特色：API 简洁、角色驱动、开箱即用，对非技术用户友好。
• 适合：业务流程明确的团队协作（如”研究员→写作员→审校员”流水线）。
• 痛点：灵活性弱于 LangGraph，复杂状态管理需绕弯。

LangGraph：

• 设计哲学：图结构状态机，把 Agent 工作流建模为有向图（节点=Agent/函数，边=条件跳转），状态在节点间传递。
• 核心抽象：StateGraph + Node + Edge + Checkpointer（持久化状态）。
• 特色：精确控制流、支持循环与条件分支、状态可持久化与恢复。
• 适合：需要精细控制、循环、人机协同、长流程的复杂 Agent。

对比表：

维度	AutoGen	CrewAI	LangGraph
抽象	对话	角色团队	图状态机
控制流	松散（消息驱动）	顺序/层级	精确（图）
上手难度	中	低	中-高
灵活性	高	中	最高
适合	研究/对话	业务流水线	复杂可控 Agent
出品	Microsoft	CrewAI	LangChain

选型建议：

• 快速搭业务流水线、非技术团队 → CrewAI。
• 研究多 Agent 对话、需人类在环 → AutoGen。
• 生产级复杂 Agent、需精确控制与状态持久化 → LangGraph。

面试加分点：

• 指出三者不是互斥替代——LangGraph 可作为底层编排，内层用 CrewAI 风格角色或 AutoGen 风格对话。
• LangGraph 因可持久化与可恢复（checkpointer），是生产 Agent 的首选。
• 多 Agent 框架的真正难点不在”协作”而在”可靠性”——状态一致性、错误恢复、成本控制。

出处：CSDN《Agent 面试必备 15：AutoGen 与 CrewAI 等多 Agent 框架详解》、《【AI Agent 面试进阶篇】30 道框架深入与多智能体系统高频题》。