一、Agentic Framework 完整释义

1. 字面拆解

• Agentic：形容词，源自 agent（智能体），意为「具备自主智能体能力的、能自主规划 / 调用工具 / 多步思考的」
• Framework：开发框架、标准化代码库

Agentic Framework（智能体框架） 一套封装好的开发工具库，专门用来构建能自主思考、拆解任务、调用工具、多轮执行、多智能体协作的 AI 智能体系统。

和普通 LLM 库的核心区别

1. 普通 LLM 库（OpenAI SDK、LiteLLM）：只做单次问答、简单函数调用，无自主闭环；
2. Agentic Framework：内置任务规划、工具编排、记忆、状态管理、多智能体调度、循环 / 分支执行，支持 AI 自主完成复杂多步骤任务。

核心内置通用能力（所有 Agentic 框架标配）：

1. 任务拆解与自主规划
2. 工具调用、动态工具编排
3. 短期对话记忆 + 长期向量记忆（RAG）
4. 多轮自我反思、纠错重试
5. 多智能体协作、调度流程
6. 结构化输出、执行日志、异常容错

二、主流 Agentic Framework 分类大全

（一）Python 主流多智能体编排框架（业务开发首选）

1. CrewAI

主打多角色团队式智能体，分层管理、任务流水线、Flow 工作流，最适合报告生成、市场调研、企业离线自动化。 核心：Agent+Task+Crew+Manager 分层调度。

2. Agno（原 Phidata）

轻量高性能生产级 Agent 运行时，原生异步、低内存、内置监控面板、原生 MCP 协议适配，适合线上高并发实时服务。

3. LangGraph（LangChain 官方智能体框架）

行业标准底层 DAG 智能体引擎，基于图状态管理，高度自定义，适合自研复杂自定义 Agent 流程、RAG 检索智能体、复杂分支循环逻辑。 很多框架底层都基于 LangGraph 做调度。

4. AutoGen（微软）

主打多 Agent 对话协作，支持 Agent 互相聊天辩论、工具调用、代码执行，适合多专家辩论、代码开发、数据科学智能体。 支持多模型混合、人机交互 Agent。

（二）轻量化 / 极简单智能体框架

1. LlamaIndex Agents

依附 LlamaIndex 生态，强项是RAG 检索智能体，文档问答、知识库检索类 Agent 开发最快。

2. Haystack Agents

开源全栈检索 + 智能体框架，适合企业私有知识库、文档处理流水线。

3. OpenAI Agents SDK（官方最新）

OpenAI 原生官方智能体框架，内置工具、记忆、规划、追踪，极简 API，对接 GPT 系列最优。

（三）底层运行时 / 协议标准框架（MCP、通用调度层）

1. MCP Model Context Protocol

不是代码框架，是行业通用智能体通信协议，统一 LLM 与工具 / 资源交互标准，所有现代 Agentic 框架均兼容。

2. AgentOS（Agno 内置）

生产级智能体运行时，提供 API、监控、会话管理、任务调度。

（四）低代码 / 无代码 Agentic 平台框架（不用大量写代码）

1. AutoGPT：最早开源自主 Agent 框架，自动联网搜索、自主迭代任务
2. FlowiseAI：可视化拖拽 Agent 工作流，低代码
3. Dify / Coze（扣子）：国内主流应用级 Agent 平台，内置智能体编排能力

（五）企业级 / 云厂商原生 Agent 框架

1. AWS Bedrock Agents
2. Azure AI Agents / AutoGen Studio
3. Google Agent Development Kit (ADK)
4. Anthropic Claude Agent Tools

（六）小众但特色突出的框架

1. Magentic：极简 Python 装饰器式 Agent，工具调用极简
2. Pydantic AI：强类型结构化输出优先，轻量单 Agent 开发
3. Swarm（OpenAI 轻量多 Agent）：极简多 Agent 分工，轻量化替代 AutoGen

三、快速选型区分记忆

1. 要做复杂多角色团队离线自动化 → CrewAI
2. 要自研自定义 DAG、灵活流程 → LangGraph
3. 线上高并发、低延迟生产服务 → Agno
4. 多 Agent 辩论、代码协作、人机交互 → AutoGen
5. 知识库 / RAG 问答智能体 → LlamaIndex Agents
6. 最简单、官方原生对接 GPT → OpenAI Agents SDK
7. 可视化低代码快速搭建 → Dify、Flowise