到底选谁？五大多智能体 ( Multi-AI Agent) 框架对比

编者按： 当前 AI 技术发展日新月异，多智能体框架如雨后春笋般涌现。如何在 AutoGen、LangGraph、CrewAI 等众多框架中做出正确选择，找出那一个真正适合你需求的多智能体框架？

本文作者通过对五大多智能体 AI 框架的比较，提出了一个关键观点：不同的 AI 框架适用于不同的场景和需求，选择的关键在于精准匹配项目特点和技术路线。

作者 | Mehul Gupta

编译 | 岳扬

在生成式 AI 领域，Multi-AI Agent 这一话题正变得日益火热。众多科技巨头纷纷推出了相关框架，令人目不暇接。

但是，面对众多的 Multi-AI Agent 框架，如何做出选择确实是个难题。

市场上的选项繁多，让人难以决断！

特别是在 OpenAI 推出了 Swarm，微软也推出了 Magentic-One 之后，这一领域更是显得拥挤。为了帮助大家理清思路，我将详细剖析这些框架的核心特性、优势以及潜在的不足，以便大家能根据自己的需求做出最佳选择。接下来，我们将逐一探讨这些框架：

AutoGen (Microsoft)

LangGraph (LangChain)

CrewAI

OpenAI Swarm (OpenAI)

Magentic-One (Microsoft)

01 Autogen

AutoGen 框架是该领域的先驱，由微软推出，并在软件开发领域得到了广泛应用。

主要特点如下：

• AutoGen 包含用户智能体和助手智能体两个核心角色。
• 用户智能体负责提出编程需求或编写提示词，助手智能体则负责生成和执行代码。
• 助手智能体不仅负责代码生成，还包括代码执行过程，并将结果反馈给用户智能体或其他智能体。
• 该框架擅长于代码任务的多智能体编排（multi-agent orchestration），同时也具备处理其他类型任务的能力。
• 在智能体间的交互过程中，允许人工提供指导。
• 来自微软的强大、坚实的社区支持。

然而，AutoGen 也存在以下局限性：

• 对非编程背景的用户来说，操作不够直观。
• 在本地部署大语言模型（LLMs）时，配置过程较为繁琐，需要额外配置代理服务器。
• 在非软件开发领域，其表现可能不如专业工具出色。

02 CrewAI

CrewAI 通常是大家快速搭建 Multi-AI Agent 任务演示的首选工具，因为它的操作直观，配置起来也十分简便。

功能特点：

• 操作界面直观，主要依靠编写提示词。
• 创建新智能体并将其融入系统非常简单，几分钟内就能生成上百个智能体。
• 即便是非技术背景的用户也能轻松上手。
• 得益于与 LangChain 的集成，它能够与多数 LLM 服务提供商和本地 LLM 配合使用。

不足之处：

• 在灵活性和定制化方面有所限制。
• 更适合处理基础场景，对于复杂的编程任务则不太理想。
• 智能体间的交互偶尔会出现一些故障。
• 技术社区的支持力度相对较弱。

03 Langraph

我个人非常推崇 LangGraph，这个工具可以适用于各种 Multi-AI Agent 任务，并且具有极高的灵活性。

功能特点：

• LangGraph 基于 LangChain 开发，其核心思想是“有向循环图（Directed Cyclic Graph）”。
• 它不仅仅是一个 Multi-AI agent 框架，功能远超于此。
• 高度灵活，可定制性强，几乎能够满足所有多智能体协作应用的需求。
• 作为 LangChain 的延伸，它得到了技术社区的大力支持。
• 能够与开源的 LLMs（大语言模型）以及各种 API 无缝协作。

不足之处：

• 文档资料不够详尽。对于编程经验较少的用户来说，上手难度较大。
• 使用它需要具备一定的编程能力，特别是在图（graphs）和逻辑流程的理解上。

04 OpenAI Swarm

OpenAI 最近发布了 Swarm，我得说，对于想要入门 Multi-AI agent 框架的新手来说，这可能是目前最易用的选择。

功能特点：

• 非常适合 Multi-AI Agent 领域的新手。
• 主要致力于简化“智能体创建”过程，以及智能体之间的上下文切换操作（我们称之为Handoffs）。
• 制作一个简短的演示应用极其简单。

不足之处：

• 只支持 OpenAI API，不支持其他 LLMs。
• 不适合在生产环境部署。
• 系统的灵活性有待提高。
• 技术社区支持较弱，甚至无法在 GitHub 上提交问题反馈。

05 Magentic-One

最新亮相的是微软推出的 Magnetic-One（这是微软的第二个框架），其目标是对现有的 AutoGen 框架进行简化。

功能特点：

• 与 Swarm 相似，Magnetic-One 同样适用于编程经验较少的用户，操作起来简便快捷。
• 系统预设了五个智能体，包括一个管理智能体和另外四个专用智能体：WebSurfer 负责在浏览器中浏览网页以及与网页进行互动，FileSurfer 负责本地文件的管理与导航，Coder 专注于代码的编写与分析，而 ComputerTerminal 则提供控制台访问权限，运行程序和安装库文件。
• 该框架基于 AutoGen 打造，是一个通用框架。
• 附带了 AutoGenBench 工具，专门用于评估智能体的性能。

不足之处：

• 对开源 LLMs 的支持较为复杂，不易实现。
• 灵活性有待提高；从某种程度上看，它更像是一款应用，而非一个框架。
• 目前的文档资料和技术社区支持力度几乎为零，尚需加强。

06 那么，哪一款 Multi-AI Agent 框架最为出色？

以下是我的个人见解（我亲身体验过这些智能体框架）：

• 在软件开发方面：AutoGen（由微软推出） —— 它最适合处理代码生成和复杂的 multi-agent 编码工作流任务。
• 对于初学者来说：OpenAI Swarm 和 CrewAI —— 这两个框架操作简便，非常适合刚接触 multi-agent AI 且没有复杂配置需求的新手使用。
• 处理复杂任务的首选：LangGraph —— 该框架提供了极高的灵活性，是为高级用户设计的，支持自定义逻辑和智能体编排（orchestration）。
• 在与开源 LLMs 的兼容程度方面：LangGraph —— 它与开源 LLMs 的兼容性极佳，支持多种 API 接口，这是其他一些框架所不具备的。CrewAI 在这方面也表现不俗。
• 技术社区支持最给力：AutoGen 拥有相当不错的技术社区支持，能够帮助用户解决一些难题。
• 即开即用的选择：CrewAI —— 它的配置快捷、操作直观，非常适合用于演示或是需要迅速创建智能体的任务。Swarm 和 Magentic-One 的表现也相当不错，但社区支持相对较弱。
• 性价比之王：Magentic-One —— 它提供了一套预配置的解决方案，采用了通用框架的设计方法，可能在初期能够节省成本。Swarm 和 CrewAI 在成本效益方面也值得关注。

Thanks for reading!

Hope you have enjoyed and learned new things from this blog!

About the authors

Mehul Gupta

GenAI Courses & Projects : 

https://datasciencepocket.gumroad.com/

END

本期互动内容 🍻

❓你认为哪个框架最适合你的需求？为什么？

原文链接：

https://medium.com/data-science-in-your-pocket/magentic-one-a...