多智能体编排完全指南：best-of-Agent-Harnesses 对比 LangGraph、CrewAI 与 AutoGen

做 AI Agent 应用时，"多智能体编排"（multi-agent orchestration）是最容易踩坑的环节：谁来指挥、状态怎么共享、任务崩溃后怎么办，每个框架的答案完全不同。开源项目best-of-Agent-Harnesses收录了 167 个 AI Agent 框架并每周重新评分（rescored weekly），它的 comparisons/multi-agent-orchestration.md 专门对比了LangGraph、CrewAI、AutoGen等主流编排框架。本文基于这份最新数据，用大白话讲清楚：这三大框架到底差在哪、什么场景该选谁。

先搞懂概念：编排层负责什么？

多智能体编排就是"团队管理层"：协调多个 AI 智能体（Agent）完成同一件事——谁先行动、它们之间共享什么、某一步失败后怎么补救。

这个榜单把"把模型变成能干活的智能体"的软件层称为Agent Harness（智能体外壳/运行时）。数据表明它比你想象的更重要：在 SWE-bench Pro 上，同一个模型只更换 Harness，通过率从 23% 提升到 52%；更夸张的是 ARC-AGI-3 上，同一模型裸跑约 30%，套上 Prime Agent 的 Harness 后达到 95.5%（详见 comparisons/why-the-harness-matters.md）。所以选编排框架，本质是在选 Harness。

四款主流多智能体编排框架一表看懂

下表数据来自 comparisons/multi-agent-orchestration.md（星标数为榜单 2026-10-04 抓取）：

💡 榜单的 attributes/ 目录为每个框架存了独立"体检报告"，比如 attributes/langgraph.json 记录了 LangGraph 的检查点与人工中断能力，attributes/autogen.json 记录了 AutoGen 的 Docker 沙箱代码执行能力，选型时值得逐一对照。

逐个拆解：三大框架的性格与适用场景

LangGraph：生产环境的"基础设施级选手"

• 怎么协作：把工作流画成一张显式的状态图，智能体是图上的节点，每一步怎么走都清清楚楚。
• 杀手锏：检查点（checkpointing）+ 持久执行——运行状态会存下来，进程重启、部署更新都不丢任务，是五款框架里唯一达到 durable 恢复等级的（见 attributes/langgraph.json）。任何节点内都可以调用interrupt()暂停，让人工审批、修改甚至取消。
• 代价：前期设计工作量最大，你得先把地图画好。
• 适合：要上生产、必须扛住重启和部署的长流程任务。

CrewAI：最像"组建团队"的框架

• 怎么协作：给每个智能体设定角色（role）、目标（goal）和背景故事（backstory），组成一个 Crew 协作干活；生产环境用 Flows 做事件驱动和层级控制。
• 杀手锏：上手最快、对非工程师最友好，是"用团队思维想问题"时最短的路径。内置统一记忆层（默认 LanceDB 向量存储，跨会话持久化，见 attributes/crewai.json）。
• 代价：它是一个"产品套件"——你会被迫接受它的世界观，想跳出声明式写法就要和框架"较劲"；任务护栏只能事后拦截和重试，做不到工具调用前的拦截。
• 适合：快速搭出多智能体 Demo、团队协作型任务（如内容生产流水线：研究员→写手→编辑）。

AutoGen：名气最大，但请睁大眼睛

• 怎么协作：智能体在群聊（group chat）里对话，直到满足停止条件。适合真的需要"辩论"的场景：评审小组、谈判模拟、头脑风暴。
• 杀手锏：代码执行 + 人工干预能力最完整——文档推荐的 Docker 命令行执行器把生成的代码全部关进容器，而且能在工具真正执行前否决（pre-execution veto），细节见 attributes/autogen.json。
• ⚠️ 最大坑：AutoGen 的 README 已官方宣布进入维护模式（maintenance mode），不再新增功能，微软官方把新用户导向 Microsoft Agent Framework。社区延续版是 AG2。存量项目可以继续用，新项目建议直接选 Agent Framework。
• 适合：对话式、辩论式问题；已用 AutoGen 的团队平稳迁移。

顺带一提：OpenAI Agents SDK 与 Agent Framework

• OpenAI Agents SDK（29.8k 星）：交接 + 护栏 + 几乎别的东西，五款里"框架感"最轻的。不确定选什么时从这里开始——它是最容易放弃的一个。自带沙箱执行环境和多种会话后端（SQLite/Redis/MongoDB，见 attributes/openai-agents-python.json）。
• Microsoft Agent Framework（13.9k 星）：AutoGen 与 Semantic Kernel 的合体继任者，2026 年 4 月 1.0 GA，Python 和 .NET 双语言，带图工作流和检查点。微软的技术投入现在在这里。

按场景快速选型：6 种情况 6 种答案

⚠️ 三个容易踩的坑

1. AutoGen 的名气会骗人。它是这类榜单里星标最高的名字之一，但状态是"稳定但冻结"。选型第一件事：查维护状态，别只看星数。
2. "多智能体"可能是伪需求。榜单指出，现网大多数所谓多智能体系统，其实只是"一个协调者 + 一批互不说话、各自无状态的工人"——这种用一个普通循环就能实现。只有当智能体需要共享演化中的状态、互相挑战产出、来回传递活任务时，才值得引入编排框架。
3. 控制流可见性决定排障成本。对话式（AutoGen）的走向从对话中"涌现"，出了问题最难复现；图式（LangGraph）你自己画的地图，每一步都可查。风险越高，越要选可见性最高的。

用好 best-of-Agent-Harnesses：让选型持续保持最新

框架格局变化很快（AutoGen 转向维护模式就是活例），这个榜单的价值在于每周重评，不用你自己盯新闻：

• 🧭 决策指南：comparisons/how-to-pick-a-harness.md——用 6 个问题把整个榜单筛到只剩 2、3 个候选；
• 📊 分类榜单：comparisons/best-ai-agent-harnesses-2026.md——每次刷新自动重新生成各分类前三；
• 🤖 机器可读数据：harnesses.json（结构化全量数据）、llms.txt（单文件版），甚至可以让你的 Agent 通过内置 MCP 服务器（mcp/server.py）直接调用pick_harness、compare来帮你选型；
• 📁 能力标签：TAGS.md 提供multi-agent、memory等标签的完整交叉索引；
• 🔬 想动手理解原理：templates/minimal-harness/harness.py 是一个约 180 行 Python 的最小可用 Harness（含循环、工具、权限门、崩溃恢复），适合"我想看懂整个循环"的学习者；
• 🧪 沙箱安全：AutoGen 的容器化执行只是冰山一角，各框架沙箱能力横向对比见 comparisons/sandboxed-code-execution.md。

常见问题

Q：三个框架能混用吗？A：可以，但成本高。协作模型（图/角色/对话）会塑造整个代码库，混用意味着维护多套心智模型。建议先用两周试用协议验证（comparisons/how-to-test-drive-a-harness.md），再定主框架。

Q：星标数能代表质量吗？A：只能代表热度。榜单特意把"星标操纵"和"上游已归档"的项目放进 Graveyard（墓地区）单独展示，attributes/ 里的体检报告才是选型依据。

Q：以后模型升级了，还要重选框架吗？A：要。数据显示不同模型的框架排名几乎不相关（秩相关约 -0.05），框架和模型是"一对搭档"，换模型就该重新配对。

总结：一句话选型

• 要稳（生产、重启不丢状态）→LangGraph
• 要快（组队、出 Demo）→CrewAI
• 要聊（辩论、群聊）→ AutoGen 存量可用，新项目转Microsoft Agent Framework
• 要轻（最少框架束缚）→OpenAI Agents SDK

选完只是开始——框架格局每周都在变，把 comparisons/multi-agent-orchestration.md 加进你的收藏，让它持续替你做情报工作。