Agent 框架正大量涌现，设计理念各不相同，需要根据实际业务需求进行选择，最热门的不一定适合你。
补全表格（添加这3个，按流行度插入）
| 框架名称 | 开发者 / 组织 | 主要语言 | 核心焦点 | 关键特性 | 优势 | 适用场景 |
|---|---|---|---|---|---|---|
| CrewAI | crewAI Inc. | Python | 角色扮演式团队协作 | 角色/任务分配、层次化流程、人类反馈循环、并行执行；轻量高效。 | 易用性高、快速原型、生产性能强；角色模拟真实团队。 | 业务自动化、内容生成、团队式复杂任务。 |
| LlamaAgents | LlamaIndex Team | Python | 数据密集型 RAG 代理 | 强大的检索增强、索引工具集成、多模态数据支持；易于构建多代理系统。 | 数据处理与检索能力突出，擅长知识密集型任务。 | RAG 应用、文档分析与问答、知识库智能体。 |
| LangGraph | LangChain | Python | 有状态图基工作流编排 | 节点/边循环、分支控制、状态持久化；继承 LangChain 生态工具。 | 精确控制复杂分支与错误处理；可视化调试支持好。 | 复杂状态工作流、需持久化的代理、多分支逻辑应用。 |
| OpenAI Agents SDK | OpenAI | Python / TypeScript | 轻量级多代理工作流与守卫栏 | Handoffs、Guardrails、Tracing、Sessions；支持 100+ LLM，无状态到有状态。 | 生产就绪、可观测性强、易扩展；Swarm 的官方继任者。 | 生产级多代理应用、实时协作、守卫栏需求高的场景。 |
| Microsoft Agent Framework | Microsoft | .NET / Python | 企业级多代理编排 | 融合 AutoGen 与 Semantic Kernel；强化可观测性、合规性与 Azure 集成。 | 企业级稳健性，易于从实验向生产迁移。 | 企业工作流、合规性要求高的自动化、Azure 环境集成。 |
| Agent Development Kit (ADK) | Python / Go / TypeScript / Java | 全生命周期开发与部署 | 模块化设计、多模态流式支持、CLI 工具、本地 UI；深度集成 Gemini 与 Vertex AI。 | 生产就绪，与 Google 生态（如 Vertex AI）集成紧密。 | 生产级应用、多模态任务、复杂业务自动化。 | |
| Strands Agents | AWS | Python | 模型驱动自主代理 | 异步工具调用、MCP/A2A 支持、AWS 原生集成；几行代码建代理。 | 简洁高效、生产部署强（Lambda/Fargate/EC2）；社区贡献多。 | 企业级自动化、AWS 生态集成、并发高任务。 |
| Agno | agno-agi | Python | 全栈多代理平台（框架+运行时） | AgentOS云运行、MCP/A2A、记忆/知识/评估（Agent as Judge）、水平扩展。 | 性能极致（无状态缩放）、隐私云部署；多模态/异步统一API。 | 企业多代理系统、安全产品、长任务/高并发。 |
说明
- 追求易用性与生产性能：CrewAI 或 OpenAI Agents SDK
- 需要复杂状态管理与分支控制：LangGraph
- 企业级部署（Azure 环境）：Microsoft Agent Framework
- 企业级部署（Google Cloud 环境）：Agent Development Kit (ADK)
- 企业级部署（AWS 环境）：Strands Agents
- 保持关注的框架：CAMEL，AgentScope，VoltAgent，MetaGPT，SuperAGI，Portia AI
- 停止更新的框架：OpenAI Swarm，AutoGen，Semantic Kernel