Magentic-One、AutoGen、LangGraph、CrewAI 或 OpenAI Swarm：哪种多 AI 代理框架最好？

目录

一、说明

二、 AutoGen-自动生成（微软）

2.1 特征

2.2 局限性

三、 CrewAI

3.1 特征 

3.2 限制：

四、LangGraph

4.1 特征：

4.2 限制：

五、OpenAI Swarm

5.1 特征

5.2 限制

六、Magentic-One

6.1 特征

6.2 限制

七、那么，最好的多人工智能代理框架是什么？

---

一、说明

生成式人工智能中的多人工智能代理主题正在升温，各大科技巨头都围绕它发布了一些框架。但是该选择哪种多人工智能代理框架呢？他们实在太多了！！随着 OpenAI 发布 Swarm 和微软的 Magentic-One，这个领域变得非常混乱。因此，为了消除任何疑问，我将尝试解释每个框架的主要功能、优缺点，让您决定哪个最适合您。我们将讨论

AutoGen（微软）

LangGraph (LangChain)

CrewAI 船员人工智能

OpenAI Swarm（OpenAI）

Magentic-One（微软）

二、 AutoGen-自动生成（微软）

AutoGen 是微软在该领域最流行和最早的框架，更适合软件开发任务

2.1 特征

• 它主要涉及两个代理，即用户和助手。
• 用户代理和助手代理交互：在 Autogen 的用户助手代理模型中，用户代理可以提供提示或要求，而助手代理生成并执行代码。
• 助理代理不仅处理代码生成，还处理执行，并将结果返回给用户或设置中的其他代理。
• 专门负责代码任务的多代理编排，但也可以处理其他任务。
• 在交互过程中可以提供人工指导。
• 来自微软的强大社区支持。

2.2 局限性

• 不够直观，不适合非程序员。
• 设置复杂，尤其是本地 LLM；需要代理服务器。
• 如果不是软件开发任务，可能会很平庸

三、 CrewAI

由于 CrewAI 非常直观且易于设置，因此通常是人们为任何多 AI 代理任务构建快速演示的首选。

3.1 特征 

• 非常直观，主要依赖于提示写作。
• 创建新代理并加入生态系统非常容易。您可以在几分钟内创建数百个代理
• 非技术用户也易于操作。
• 由于 LangChain 集成，可以与大多数 LLM 提供商和本地 LLM 很好地合作。

3.2 限制：

• 灵活性和定制化有限。
• 适用于基本用例，并不适合复杂的编程任务。
• 代理与代理之间交互时存在一些bug。
• 社区支持有限

四、LangGraph

我个人最喜欢的是 LangGraph，它可以用于任何多 AI 代理任务，并提供很大的灵活性。

4.1 特征：

• 建立在 LangChain 之上；基于有向循环图的思想。
• 它不仅仅是一个多 AI 代理框架，还具有更多功能。
• 非常灵活且可定制，支持几乎任何多代理编排应用程序。
• 它是 LangChain 的扩展，因此得到了社区的大力支持。
• 与开源 LLM 和任何 API 配合良好

4.2 限制：

• 缺乏详尽的文档。
• 对于非程序员或者初级程序员来说不够友好。
• 需要良好的编程技能，特别是理解图表和逻辑流程。

五、OpenAI Swarm

OpenAI 最近发布了 Swarm，我必须说，如果你想入门的话，它是最简单的多 AI 代理框架

5.1 特征

• 适合多 AI Agent 新手
• 主要重点是简化“代理创建”和代理之间的上下文切换（称为 Handoffs）。
• 创建一个简短的演示非常简单

5.2 限制

• 不支持除 OpenAI API 之外的 LLM
• 不适合生产部署
• 不够灵活。
• 社区支持很差。你甚至无法在 Git Hub 上提出问题！

六、Magentic-One

该列表的最新成员是微软的 Magentic-One（他们的第二个框架），这也是为了简化他们现有的 AutoGen 框架

6.1 特征

• 与 Swarm 类似，适合非程序员且易于运行
• 默认包中有 5 个代理，一个管理代理和其他 4 个代理：WebSurfer通过浏览器导航和与网页交互，FileSurfer管理和导航本地文件，Coder专注于编写和分析代码，ComputerTerminal提供用于运行程序和安装库的控制台访问。
• 建立在 AutoGen 之上，更像是一个通用框架。
• 包括 AutoGenBench，一种专门用于分析代理性能的工具。

6.2 限制

• 对开源 LLM 的支持很复杂
• 不够灵活；对我来说更像是一个应用程序而不是一个框架
• 目前尚无文档和社区支持

七、那么，最好的多人工智能代理框架是什么？

根据我的观点（我已经使用了所有这些包），

• 对于软件开发：AutoGen（微软）——最适合涉及代码生成和复杂的多代理编码工作流程的任务。
• 最适合新手：OpenAI Swarm 和 CrewAI——用户友好，非常适合那些对多智能体 AI 不熟悉且没有复杂设置要求的人。
• 最适合复杂任务：LangGraph——提供高度灵活性，专为高级用户构建，允许自定义逻辑和编排。
• 开源 LLM：LangGraph — 与其他一些框架不同，它与开源 LLM 集成良好，并支持各种 API。甚至 CrewAI 也很好。
• 最佳社区支持： AutoGen 拥有良好的社区支持，可帮助您解决棘手的问题
• 随时可用：CrewAI — 设置快速且直观，适合需要快速创建代理的演示或任务。即使 Swarm 和 Magentic-One 也相当不错，但没有足够的社区支持
• 经济高效：Magentic-One — 配备预打包设置和通用方法，可节省初始成本。甚至可以考虑使用 Swarm 和 CrewAI。