Agent 框架与编排生产可用
LangGraph
langchain-ai / langgraph
把 agent 写成有状态图:节点、边、检查点、人工确认与回滚都能显式表达。
为什么选
- 状态机结构清楚,适合需要分支、重试与人工确认的长流程。
- 检查点与持久化做得好,出问题能从中间步骤恢复。
- 和 LangChain 工具、LangSmith 观测兼容,生态资料多。
不适合
只做单轮问答或简单 prompt 链,没必要上图。
想零代码拖拽搭 agent,应该先看平台型产品。
许可与使用边界
GitHub 快照显示许可为 MIT。开源不等于可商用:GPL / AGPL 有传染性;代码许可、模型许可、生成内容许可要分开看。上线前读仓库 LICENSE 与模型卡,必要时让法务确认。
替代与相邻
- CrewAI — 先试这个,用“角色 + 任务 + 协作流程”搭多 agent 团队,适合快速把分工跑起来。
- AutoGen — 生产可用,微软的多 agent 框架,强调可对话的 agent、工具调用与分布式运行。
- OpenAI Agents SDK — 先试这个,轻量的 agent 运行时:agent、handoff、guardrail、trace 四个核心概念。
下一步
- 打开 GitHub,先读 README、LICENSE、最近 release 与 issue。
- 按“部署依赖 / 显存 / 数据 / 网络 / 权限”列一张上手清单。
- 用一个小样本跑通,再决定是否进生产;不要直接上生产数据。
快照口径:stars / forks / language / license / pushed_at 来自 GitHub API 2026-11-19 快照;之后的变化没有回写。标签与“适合 / 不适合”是编辑判断,不是 GitHub 元数据。
不背书:本站只做索引与风险提示,不审计代码、不保证安全、不替你做许可判断。仓库脚本与模型权重请自行审查。