1、五大 AI Agent 多智能體開(kāi)發(fā)框架

在 AI 大模型新時(shí)代，AI Agent 多智能體系統(tǒng)（Multi-Agent）技術(shù)正日益受到眾多科技巨頭的矚目。伴隨著 OpenAI 的 Swarm、微軟的 Magentic-One 等框架的推出，這一領(lǐng)域的發(fā)展變得更為錯(cuò)綜復(fù)雜。面對(duì)眾多的選項(xiàng)，選擇一個(gè)最匹配自身需求的 Multi-Agent 框架成為了眾多開(kāi)發(fā)者與企業(yè)需要解決的關(guān)鍵問(wèn)題。

本期我們將深入分析市場(chǎng)上最受歡迎的五款 AI Agent 多智能體框架，包括微軟的 AutoGen、CrewAI、LangChain 的 LangGraph、OpenAI 的 Swarm以及微軟的 Magentic-One，旨在為大家的框架選擇提供指導(dǎo)與參考。

2、AutoGen：微軟的開(kāi)創(chuàng)性作品，專為軟件工程打造

AutoGen 作為微軟在多智能體領(lǐng)域推出的早期且廣受歡迎的框架之一，旨在為軟件開(kāi)發(fā)提供解決方案。在該框架中，核心由兩種智能體構(gòu)成：用戶智能體（User-Agent）和助手智能體（Assistant-Agent）。用戶智能體負(fù)責(zé)傳達(dá)指令和需求，而助手智能體則負(fù)責(zé)代碼的生成與執(zhí)行，并將成果反饋給用戶或其他智能體。

AutoGen 的一大亮點(diǎn)在于其卓越的多智能體協(xié)調(diào)能力，尤其在應(yīng)對(duì)編程任務(wù)時(shí)表現(xiàn)尤為突出。它還允許在智能體互動(dòng)過(guò)程中進(jìn)行人工干預(yù)，增加了開(kāi)發(fā)流程的靈活性和可控性。

盡管如此，AutoGen 也并非完美無(wú)缺。其用戶界面可能不夠直觀，對(duì)于非技術(shù)人員來(lái)說(shuō)，可能需要一定的學(xué)習(xí)時(shí)間。另外，AutoGen 的配置過(guò)程較為繁瑣，尤其是在集成本地大型語(yǔ)言模型（LLM）時(shí)，還需要設(shè)置代理服務(wù)器。因此，AutoGen 更適合那些對(duì)軟件開(kāi)發(fā)有一定了解，并且愿意投入時(shí)間和精力去掌握其使用方法的開(kāi)發(fā)者。

Github 地址：

??https://github.com/microsoft/autogen??

3、CrewAI：打造演示的首選利器，操作簡(jiǎn)便高效

相較于 AutoGen，CrewAI 更加強(qiáng)調(diào)其易用性和快速搭建演示的特性。該平臺(tái)直觀易操作，主要通過(guò)編寫提示來(lái)生成和配置智能體。在 CrewAI 平臺(tái)上，智能體的創(chuàng)建和集成過(guò)程極為簡(jiǎn)便，用戶能在短時(shí)間內(nèi)輕松構(gòu)建數(shù)百個(gè)智能體，因此它成為了追求快速制作 Multi-Agent 演示或原型開(kāi)發(fā)者的首選工具。

不過(guò)，CrewAI 在靈活性和定制化方面有所不足，更適合處理簡(jiǎn)單的用例，而不太適合復(fù)雜的編程作業(yè)。同時(shí)，智能體間的交互可能會(huì)存在一些 Bugs，這可能會(huì)對(duì)項(xiàng)目的穩(wěn)定性和可靠性造成影響。盡管存在這些局限，對(duì)于那些僅需迅速構(gòu)建演示或原型，且對(duì)系統(tǒng)靈活性要求不高的開(kāi)發(fā)者而言，CrewAI 依舊是個(gè)合適的選擇。

Github 地址：

??https://github.com/crewAIInc/crewAI??

4、LangGraph：高度靈活，適合復(fù)雜任務(wù)

LangGraph 是一款基于 LangChain 打造的 Multi-Agent 框架，該框架通過(guò)引入有向循環(huán)圖的理念，打造了一個(gè)極具靈活性和可定制性的解決方案。LangGraph 不僅適用于各類 Multi-Agent 任務(wù)，還能支持幾乎所有的多智能體編排應(yīng)用，使其成為那些面臨復(fù)雜任務(wù)、追求高度靈活性和定制化能力的開(kāi)發(fā)者的首選工具。

盡管如此，LangGraph 的文檔資料相對(duì)較少，這可能會(huì)讓新手或編程經(jīng)驗(yàn)不足的用戶在入門時(shí)遇到困難。同時(shí)，使用 LangGraph 還需要用戶具備一定的編程能力，特別是對(duì)圖形結(jié)構(gòu)和邏輯流程的掌握。因此，LangGraph 更適宜于那些擁有豐富編程背景、愿意投入時(shí)間深入學(xué)習(xí)的高級(jí)開(kāi)發(fā)者。

Github 地址：

??https://github.com/langchain-ai/langgraph??

5、OpenAI Swarm：新手友好，但功能有限

OpenAI Swarm 是 OpenAI 最新推出的多智能體框架，致力于簡(jiǎn)化智能體的構(gòu)建過(guò)程以及智能體間的交接操作（即 Handoffs）。Swarm 框架特別適合初學(xué)者，讓他們能夠輕松入門多智能體技術(shù)，快速搭建演示項(xiàng)目。

盡管如此，Swarm 的功能范圍較為狹窄，僅支持 OpenAI API，而不兼容其他語(yǔ)言模型提供商的 API，這在實(shí)際生產(chǎn)部署中可能帶來(lái)限制。同時(shí)，Swarm 的靈活性不足，難以滿足追求高度定制化和靈活配置的用戶需求。另外，Swarm的社區(qū)支持力度較弱，用戶在 GitHub 上提交問(wèn)題或?qū)で髱椭鷷r(shí)可能會(huì)遇到困難。

Github 地址：

??https://github.com/openai/swarm??

6、Magentic-One：微軟的又一力作，簡(jiǎn)化 AutoGen

Magnetic-One是微軟繼 AutoGen 之后推出的新一款多智能體框架。與OpenAI 的 Swarm 相似，Magnetic-One 同樣專注于降低智能體構(gòu)建和操作的復(fù)雜性。該框架預(yù)裝了五個(gè)基礎(chǔ)智能體，其中包括一個(gè)負(fù)責(zé)管理的智能體以及四個(gè)分別承擔(dān)不同職能的智能體（WebSurfer、FileSurfer、Coder和ComputerTerminal），這使得 Magnetic-One 成為了一個(gè)適合非編程背景用戶以及需要迅速掌握使用方法的用戶的通用型平臺(tái)。

盡管如此，Magnetic-One 在支持開(kāi)源語(yǔ)言模型（LLM）方面存在一定難度，這可能給想要利用開(kāi)源 LLM 的用戶帶來(lái)挑戰(zhàn)。同時(shí)，Magnetic-One 在靈活性方面略顯不足，更傾向于一個(gè)應(yīng)用而非一個(gè)完全開(kāi)放的框架。目前，Magnetic-One 的文檔資料和社區(qū)支持也較為有限，這可能會(huì)對(duì)用戶的體驗(yàn)和問(wèn)題解決效率產(chǎn)生不利影響。

Github 地址：

??https://github.com/microsoft/autogen/tree/main/python/packages/autogen-magentic-one??

7、AI Agent 智能體開(kāi)發(fā)框架如何選型？

第一、代碼生成與多智能體工作流

在涉及代碼生成和復(fù)雜多智能體編碼的任務(wù)中，AutoGen 展現(xiàn)了其卓越的能力。它強(qiáng)大的代碼處理和多智能體協(xié)調(diào)功能，能夠應(yīng)對(duì)軟件開(kāi)發(fā)中的種種挑戰(zhàn)。盡管其配置過(guò)程較為復(fù)雜，但在專業(yè)的開(kāi)發(fā)環(huán)境中，AutoGen 能夠發(fā)揮其最大的效用。

第二、初學(xué)者友好框架

對(duì)于多智能體領(lǐng)域的新手來(lái)說(shuō)，OpenAI Swarm 和 CrewAI 是理想的選擇。OpenAI Swarm 的簡(jiǎn)易創(chuàng)建流程，以及 CrewAI 的高易用性和直觀性，讓初學(xué)者能夠迅速上手，輕松構(gòu)建基礎(chǔ)的多智能體應(yīng)用，避免了技術(shù)難題的困擾。

第三、應(yīng)對(duì)復(fù)雜挑戰(zhàn)

LangGraph 在處理復(fù)雜任務(wù)方面具有領(lǐng)先優(yōu)勢(shì)。其高度靈活性和定制能力，加之基于有向循環(huán)圖的創(chuàng)新架構(gòu)，使得它能夠支持高級(jí)用戶處理復(fù)雜的邏輯和多變的智能體編排需求。

第四、開(kāi)源語(yǔ)言模型融合

在集成開(kāi)源語(yǔ)言模型方面，LangGraph 展現(xiàn)了卓越的兼容性，能夠與多種開(kāi)源 LLM s和 API 無(wú)縫協(xié)作。CrewAI 也提供了不錯(cuò)的兼容性，選擇時(shí)可根據(jù)具體需求進(jìn)行權(quán)衡。

第五、社區(qū)支持的重要性

如果你看重社區(qū)支持，AutoGen 將是一個(gè)明智之選，其強(qiáng)大的社區(qū)資源能夠?yàn)殚_(kāi)發(fā)者提供及時(shí)的幫助和解決方案。而對(duì)于那些對(duì)社區(qū)支持依賴不高的用戶，CrewAI、OpenAI Swarm 和 Magentic-One 同樣具有各自的優(yōu)勢(shì)。

第六、成本效益分析

Magentic-One 提供的預(yù)配置設(shè)置和通用方法可能在成本方面具有一定的優(yōu)勢(shì)。OpenAI Swarm 和 CrewAI 在特定情況下也能提供良好的成本效益，這取決于項(xiàng)目的規(guī)模、需求和預(yù)算。

每個(gè)多智能體框架都有其獨(dú)特的特點(diǎn)。在選擇時(shí)，請(qǐng)根據(jù)你的具體需求、技術(shù)能力和預(yù)算狀況進(jìn)行綜合評(píng)估。希望這些建議能助你挑選出最合適的多智能體框架。

本文轉(zhuǎn)載自公眾號(hào)玄姐聊AGI  作者：玄姐

原文鏈接：??https://mp.weixin.qq.com/s/cBOPtRuR7VgRibp-iQrmPQ??