跳到主要内容Skip to main content
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。

45.1k stars 7600 forks Python 语言 MIT 许可 最近推送 2026-11-18

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。

GitHub 仓库 ↗ 文档 ↗ 加入对比

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。