智能体框架是用于构建 AI Agent（智能体）的软件开发框架，提供记忆、工具调用、多步骤推理、任务编排等基础组件，让开发者不必从零实现 Agent 的运行机制，代表如 LangChain、AutoGen、CrewAI 等。
AI Glossary
智能体框架（Agent Framework）是专门用于构建 AI Agent 的软件开发框架。一个能自主完成任务的 Agent，通常需要「感知输入 → 推理规划 → 调用工具 → 执行动作 → 反思修正」的循环，以及记忆、上下文管理等能力。如果每个 Agent 都从零实现这套机制，开发成本极高且难以复用——智能体框架就是把这套通用机制封装成现成组件，开发者只需聚焦业务逻辑。
当前主流的智能体框架包括 LangChain（最早出圈的 LLM 应用框架，Agent 模块成熟）、AutoGen（微软出品，擅长多智能体对话协作）、CrewAI（角色化多 Agent 协作，定义「团队」执行任务）、OpenAI 的 Assistants API 与 Swarm 等。
一个可用的 Agent 远比「调用一次大模型」复杂，框架主要解决四件事：
一是记忆管理：对话历史、长期知识、任务上下文的存取与摘要，让 Agent 在多轮交互中保持状态。
二是工具调用：把外部 API、数据库、浏览器、代码执行器等包装成「工具」，让模型通过函数调用（Function Calling）选择并执行，这是 Agent 真正「做事」的关键。
三是任务编排：把复杂任务拆解为多步计划，支持条件分支、循环、人工确认点，以及多个 Agent 之间的分工协作。
四是可观测性：记录每一步的推理、工具调用与结果，方便调试与追溯，避免黑盒失败。
LangChain / LangGraph：生态最丰富，从链式调用演进到图结构编排（LangGraph），适合复杂流程与状态管理，社区与集成最多。
AutoGen：微软开源，多智能体对话为核心，多个 Agent 通过对话协作完成任务，学术与实验场景常见。
CrewAI：以「角色团队」建模，定义 Agent 的角色、目标与工具，让多个 Agent 像团队一样协作，上手直观。
OpenAI Assistants API：托管式方案，官方提供记忆、工具与检索能力，省去自建基础设施，适合快速原型。
另外还有底层类框架（如 LlamaIndex 偏检索编排）与协议层（如 MCP 统一工具接入标准），共同构成 Agent 开发的技术栈。
自动化办公：让 Agent 自动整理邮件、生成报告、编排日程。
软件开发：Agent 自主写代码、跑测试、修 bug（如 Cursor、Devin 的底层机制）。
客服与知识问答：结合知识库检索与工具调用，完成订票、查单等真实操作。
研究分析：多 Agent 分工完成资料收集、交叉验证与报告撰写。
选择框架主要看三点：一是场景复杂度，简单工具调用用轻量框架即可，复杂多步骤流程选支持状态管理的框架；二是生态与语言偏好，Python 生态最全，TypeScript 场景也有对应方案；三是部署方式，托管 API 省运维但受平台约束，自建开源框架更灵活但需要自己维护。
智能体框架是 AI 应用从「对话」走向「执行」的关键基础设施，它把记忆、工具、编排等通用能力沉淀为组件，大幅降低了构建 Agent 的门槛。理解框架的组成与代表作品，能帮助开发者在面对「要不要用框架、用哪个」时做出更合理的选择——多数场景下，站在框架的肩膀上远比自己从零搭建更高效。
