四大 Agent 设计框架概览
1. LangGraph（LangChain 生态）
仓库：https://github.com/langchain-ai/langgraph语言：Python / JavaScript 定位：低级编排框架，用于构建有状态、长期运行的 Agent
核心理念
- 受 Google Pregel 和 Apache Beam 启发
- 图结构编排：节点 = 计算单元，边 = 状态转移
- 持久化执行（Durable Execution）：支持中断、恢复、时间旅行
- 流式输出、人机协作（Human-in-the-Loop）
关键模块
| 模块 | 功能 |
|---|---|
langgraph | 核心图编排引擎 |
checkpoint | 状态持久化（SQLite/Postgres） |
prebuilt | 预构建的 Agent 模板（ReAct 等） |
sdk-py / sdk-js | 客户端 SDK |
cli | 开发调试工具 |
设计特点
- 状态图驱动：Agent 行为由图结构定义，不是自由推理
- 确定性 + 自主性混合：部分路径确定性编排，部分节点内自主决策
- 适合场景：需要精确控制流程的生产级工作流
2. Microsoft Agent Framework (MAF)
仓库：https://github.com/microsoft/agent-framework语言：.NET / Python 定位：生产级多 Agent 编排框架，支持 .NET 和 Python 双语言
核心理念
- 从 Semantic Kernel 和 AutoGen 演化而来
- 多 Agent 协作模式：顺序、并发、交接（Handoff）、群组协作
- 声明式 Agent：YAML 定义 Agent 配置
- 中间件管道：请求/响应处理、异常处理、自定义管道
关键模块
| 模块 | 功能 |
|---|---|
Microsoft.Agents.AI | 核心 Agent 抽象（.NET NuGet） |
agent-framework | Python 包 |
| EvalCheck | Agent 评估框架（LocalEvaluator / MeaiEvaluator / FunctionEvaluator） |
| Agent Skills | 技能系统（文件/代码/类库三种来源） |
| Workflows | 图编排引擎（检查点、流式、人机协作） |
| Foundry Hosted Agents | Azure 托管 Agent |
| A2A Protocol | Agent 间通信协议 |
| AGUI | Agent 前端交互协议 |
设计特点
- 中间件模式：类似 ASP.NET 的中间件管道，可插拔
- EvalCheck 评估：执行与验证分离，支持规则/LLM裁判/自定义函数三种评估
- 多 Provider 支持：OpenAI、Azure、Anthropic、Google、Ollama 等
- 适合场景：企业级 .NET 生态、需要 Azure 集成的场景
3. AgentScope Java（阿里）
仓库：https://github.com/agentscope-ai/agentscope-java语言：Java（JDK 17+） 定位：面向 Java 企业的 Agent 编程框架
核心理念
- ReAct（Reasoning-Acting）范式：Agent 自主规划 + 工具调用
- 运行时可干预：安全中断、优雅取消、人工注入
- 企业级集成：MCP 协议、A2A 协议、RAG
关键模块
| 模块 | 功能 |
|---|---|
ReActAgent | 核心 ReAct 推理 Agent（3138 行） |
agent/ | Agent 抽象基类、事件系统、流式处理 |
tool/ | 内置工具（PlanNotebook、结构化输出等） |
memory/ | 长期记忆（语义搜索、多租户隔离） |
model/ | 多模型适配（DashScope、OpenAI、Anthropic 等） |
formatter/ | 消息格式化 |
runtime/ | 安全沙箱（GUI 自动化、文件系统、移动端） |
mcp/ | MCP 协议集成 |
设计特点
- ReAct 循环：思考 → 行动 → 观察 → 思考...
- 安全中断：可在任意时刻暂停 Agent，保留完整上下文和工具状态
- 结构化输出：自纠正的输出解析器，保证类型安全
- 响应式架构：基于 Project Reactor，非阻塞执行
- 适合场景：Java 企业级应用、需要阿里生态集成
4. Hermes Agent（Nous Research）
仓库：https://github.com/NousResearch/hermes-agent语言：Python 定位：全功能个人 AI Agent，终端原生
核心理念
- 终端优先（Terminal-First）：CLI + TUI 双模式
- 工具自动发现：
tools/registry.py自动注册 - 插件化架构：记忆/模型/上下文引擎均可插拔
- 多平台网关：Telegram/Discord/Slack/微信/钉钉等 20+ 平台
关键模块
| 模块 | 功能 |
|---|---|
run_agent.py | 核心对话循环（~12k LOC） |
cli.py | CLI 交互编排器（~11k LOC） |
agent/ | Agent 内部组件（记忆、压缩、凭证等） |
tools/ | 工具实现（自动发现注册） |
gateway/ | 多平台消息网关 |
plugins/ | 插件系统（记忆/模型/上下文/看板等） |
skills/ | 内置技能 + 技能市场 |
hermes_cli/ | CLI 子命令、配置、皮肤引擎 |
cron/ | 定时任务调度 |
ui-tui/ | Ink (React) 终端 UI |
设计特点
- 工具注册表：
registry.register()自动发现，零配置 - 记忆插件：honcho/mem0/supermemory/openviking 等可插拔后端
- 模型插件：openrouter/anthropic/gmi 等推理后端
- Curator 系统：自动维护技能生命周期（创建→活跃→陈旧→归档）
- Kanban 多 Agent 协作：SQLite 持久化任务板
- 委托系统：子 Agent 隔离上下文 + 终端会话
- 适合场景：个人 AI 助手、多平台部署、终端重度用户
四大框架对比总结
| 维度 | LangGraph | MAF | AgentScope Java | Hermes |
|---|---|---|---|---|
| 语言 | Python/JS | .NET/Python | Java | Python |
| 编排模式 | 状态图 | 中间件+图 | ReAct循环 | 工具注册+委托 |
| Agent范式 | 图节点 | 声明式YAML | ReAct自主 | 对话循环 |
| 记忆 | Checkpoint | 中间件 | 长期记忆+RAG | 插件化后端 |
| 工具系统 | LangChain工具 | 函数工具 | MCP+内置 | 自动发现注册 |
| 多Agent | 图嵌套 | Handoff+群组 | Subagent事件 | 委托+Kanban |
| 评估 | LangSmith | EvalCheck | - | - |
| 部署 | 云/本地 | Azure/本地 | 企业服务器 | 终端/网关 |
| 生态 | LangChain | Azure/Foundry | 阿里/DashScope | 20+消息平台 |
共同核心抽象
所有框架都包含这些核心组件：
- Agent 循环：接收输入 → LLM 推理 → 工具调用 → 结果合并 → 输出
- 会话管理：多轮对话、上下文窗口管理
- 工具系统：函数注册、Schema 生成、调用执行
- 记忆/状态：短期（对话历史）+ 长期（持久化存储）
- 多 Agent：子 Agent 委托、任务分配
- 可观测性：日志、追踪、监控