| 框架 | 运行时 | Harness | |
|---|---|---|---|
| 价值 |
|
|
|
| 何时使用 |
|
|
|
| 选项 |
|
|
|
Agent 框架（例如 LangChain）
Agent 框架提供抽象，让你在使用 LLM 构建应用时更容易上手。 LangChain 是一个 agent 框架，提供结构化内容块、agent loop 和 middleware 等抽象。 LangChain 的抽象旨在帮助你轻松上手，同时仍为高级用例提供所需的灵活性。 虽然 LangChain 构建在 LangGraph 之上，但你不需要了解 LangGraph 就能使用 LangChain。 其他 agent 框架示例包括 Vercel’s AI SDK、CrewAI、OpenAI Agents SDK、Google ADK、LlamaIndex 等。何时使用 LangChain
在以下情况下使用 LangChain：- 你想快速构建 agent 和自主应用。
- 你需要模型、工具和 agent loop 的标准抽象。
- 你想要一个易用且仍然灵活的框架。
- 你正在构建不需要复杂编排的直接 agent 应用。
Agent 运行时（例如 LangGraph）
Agent 运行时提供在生产环境运行 agent 所需的工具。 支持的工具可能包括：- 持久执行：Agent 可以在故障后继续存在，并长时间运行，从中断处恢复。
- 流式传输：支持 workflow 和响应的流式传输。
- Human-in-the-loop：通过检查和修改 agent state 纳入人工监督。
- 持久化：用于 state 管理的 thread 级和跨 thread 持久化。
- 低层控制：在没有高层抽象的情况下直接控制 agent 编排。
何时使用 LangGraph
在以下情况下使用 LangGraph：- 你需要对 agent 编排进行细粒度、低层控制。
- 你需要为长时间运行的有状态 agent 提供持久执行。
- 你正在构建结合确定性步骤和 agentic 步骤的复杂 workflow。
- 你需要用于 agent 部署的生产就绪基础设施。
Agent harness（例如 Deep Agents SDK）
Agent harness 是带有明确设计取向、开箱即用的框架，内置工具和能力，用于构建复杂且长时间运行的 agent。 支持的工具可能包括：- 规划能力：使用 to-do list 跟踪多个任务。
- 任务委派：使用 subagent 委派工作，并保持上下文整洁。
- 文件系统：在不同可插拔存储后端上读写文件。
- Token 管理：对话历史摘要，以及大型工具结果驱逐。
何时使用 Deep Agents SDK
在以下情况下使用 Deep Agents SDK：- 你正在构建需要长时间运行的 agent。
- 你正在构建需要处理复杂多步骤任务的 agent。
- 你想使用预定义工具，例如文件系统操作、bash 执行和自动化上下文工程。
- 你想使用预定义 prompt 和 subagent。
功能对比
虽然你可以用 LangChain、LangGraph 和 Deep Agents 完成类似任务，但集成它们的层级不同：| 功能 | LangChain | LangGraph | Deep Agents |
|---|---|---|---|
| 短期 memory | 短期 memory | 短期 memory | StateBackend |
| 长期 memory | 长期 memory | 长期 memory | 长期 memory |
| Skills | Multi-agent skills | - | Skills |
| Subagents | Multi-agent subagents | Subgraphs | Subagents |
| Human-in-the-loop | Human-in-the-loop middleware | Interrupts | interrupt_on 参数 |
| 流式传输 | Agent Streaming | Streaming | Streaming |
延伸阅读
Connect these docs to Claude, VSCode, and more via MCP for real-time answers.