选 Agent 框架最容易踩的坑不是功能对比表,是维护状态。AutoGen 微软已经不投入了,新项目按老教程抄代码,半年后发现文档对不上新版本。这篇按 2026 年 8 月的真实 GitHub 数据和维护状态排序,不看谁的介绍页写得漂亮。
五个框架的现状一览
| 框架 | GitHub 星数 (2026-08) | 协议 | 维护状态 | 定位 |
|---|---|---|---|---|
| LangGraph | 3.98 万 | MIT | 活跃，LangChain 团队主推 | 显式节点图，生产级编排 |
| CrewAI | 5.7 万 | MIT | 活跃，已过 1.0（稳定分支 1.15.x） | 角色分工式多智能体 |
| OpenAI Agents SDK | 2.9 万 | MIT | 活跃，2026 年 4 月大更新 | 围绕 OpenAI 模型的沙箱执行 |
| Google ADK | 2.1 万 | Apache-2.0 | 活跃，2025 年才发布 | 图式工作流，多语言（Python/TS/Go/Java/Kotlin） |
| AG2（AutoGen 社区 fork） | 4863 | Apache-2.0 | 活跃但未到 v1.0 稳定版 | 对话式多智能体 |
排序逻辑很直接：星数看社区规模,维护状态看这个项目还有没有人认真投入,定位决定它适不适合你的技术栈。AutoGen 原始仓库没有单独列进这张表,因为它已经不是一个值得新项目起步的选项。
LangGraph：显式节点图，生产环境的默认答案
LangGraph 星数不是五个里最高的,但它的生产落地案例最扎实:据公开报道已经用在 Klarna、Uber、LinkedIn 的 Agent 系统里。核心设计是把每一步 LLM 调用变成一个显式节点,配合内置的 checkpoint 机制,任务中断了可以从断点续跑,还有专门的可观测性工具 LangSmith 配套。
亮点是 token 成本可预测,每次调用都是独立可审计的节点,适合要过合规审查、要断点续跑的严肃生产系统。局限是显式建图本身有学习曲线,写一个简单任务的样板代码量比 CrewAI 多。
CrewAI：角色分工快速上手，中小工作流够用
CrewAI 星数 5.7 万,是五个里最高的。它已经越过 1.0 里程碑,稳定分支到了 1.15.x,补上了持久化、部分流式输出和更完善的错误处理,据行业调研 Fortune 500 里六成公司用过。设计思路是给每个 Agent 分配一个角色（比如"研究员"“审稿人”），框架负责协调它们之间的任务传递。
亮点是上手快,几行代码就能跑起一个多角色协作流程,适合中小型工作流快速验证。局限是同样任务下 token 消耗一般比 LangGraph 多 3 到 5 倍,规模一大成本会明显拉开差距。
AutoGen/AG2：老项目进维护模式，改用社区 fork
这是最容易踩坑的一条。微软在 2024 到 2025 年把研发重心转向了新项目,原始 AutoGen 仓库实质进入维护模式,不再是新项目的起点。社区接手做了一个叫 AG2 的 fork,继续活跃开发,2026 年 8 月星数 4863,但还在冲刺 v1.0 稳定版,beta 阶段 API 可能还会变。
亮点是对话式多智能体的设计仍然有独特之处,适合探索性研究场景。局限也很明确:没有终止条件的开放式多轮对话容易失控,生产环境里被认为是最大的成本风险,一次没设好终止条件,token 消耗可能是预期的 5 到 10 倍。要用建议直接从 AG2 起步,不要再抄老 AutoGen 的教程。
OpenAI Agents SDK：绑定 OpenAI 生态的沙箱执行
2026 年 4 月 OpenAI 更新了 Agents SDK,新增了让 Agent 在受控沙箱里检查文件、跑命令、改代码、处理长任务的能力,Python 和 JavaScript/TypeScript 版本都在维护。
亮点是原生沙箱执行环境,不用自己另外搭安全隔离层。局限是设计上围着 OpenAI 模型转,如果你的技术栈要跨厂商切换模型,这个框架不是最优先的选择。
Google ADK：后发但增长快，多语言支持全
Google ADK 2025 年才发布,2026 年 8 月已经到 2.1 万星,是五个里最年轻但增长最快的。ADK 2.0 加了图式工作流、协作智能体和原生 OpenTelemetry 导出,同时支持 Python、TypeScript、Go、Java、Kotlin 五种语言。
亮点是多语言覆盖面广,适合已经在 Google Cloud/Vertex AI 生态里的团队直接接入。局限是历史积累不如 LangGraph 深,生产案例的公开报道目前还比较少。
我的判断
生产系统优先在 LangGraph 和 CrewAI 之间选:要精确控制和可审计选 LangGraph,要快速搭原型和中小工作流选 CrewAI。已经锁定 OpenAI 或 Google 云生态的团队,直接用对应厂商的 SDK 省去很多集成成本。AutoGen 的老教程可以当参考,但新项目起步一律看 AG2,不要拿维护模式的仓库当基础设施。