微软 Agent Framework 实战:从单 Agent 到多 Agent 工作流
13k Stars 的微软官方 Agent 框架,Python 和 .NET 双栈,内置四种编排模式。本文用最小代码 + 架构图,讲清它怎么把 Agent 从 Demo 推向生产。
GitHub 9k+ Star 的 PraisonAI,主打 5 行代码起一个自主 Agent 团队,内置 memory 和 RAG。这篇拆开它的架构,对比一下和 CrewAI、AutoGen、LangGraph 的实际差别。
13k Stars 的微软官方 Agent 框架,Python 和 .NET 双栈,内置四种编排模式。本文用最小代码 + 架构图,讲清它怎么把 Agent 从 Demo 推向生产。
Show HN 上 36 分的项目,用同一个模型跑 9 种 harness,最贵和最便宜的 cost per pass 差了 17 倍。Agent 框架的选型,可能比换模型更影响账单。
17.6k Star 的早期多 Agent 框架,Role-Playing 让两个 Agent 自驱协作,无需人编排每一步。本文拆解它的设计哲学、跑通最小例子,以及它和 AutoGen / CrewAI 的实际差距。
5.7 万 Star 的多 Agent 编排框架 CrewAI,靠角色分工+任务链把复杂协作压成几十行代码。本文拆它的核心抽象、Process 机制,以及和 LangGraph/AutoGen 的差异。
GitHub 28k stars 的官方多 Agent SDK,原生支持 100+ LLM,内置 Tracing / Guardrails / Sessions。从代码、架构、横向对比拆解,告诉你它值不值得花一个下午上手。
把 Agent 当成图来跑:循环、分支、状态持久化、人机协同,一个框架搞定。LangGraph 已经成生产环境 Agent 编排的事实标准之一。
69.9k stars 的多智能体框架,把软件公司的标准流程写进 LLM 角色链。一句话需求进去,PRD + API + 代码出来。我跑了一次,看看 SOP 这套工程化思路到底管不管用。
arXiv 一篇 position paper 把 MAS 失败模式重新框定为并发问题。LLM 推理窗口长 = 长事务,stale read、lost update 全部复现。