Agents

常用的Agent开发框架

Agent开发不一定需要自己纯手撸(当然,我们后面会有很多章节介绍如何手撸,但是目的是让大家更好的理解),其实有很多成熟的框架可以用的。 Python常用的Agent框架 LangChain&LangGraph LangChain是…

TL;DR

Agent开发不一定需要自己纯手撸(当然,我们后面会有很多章节介绍如何手撸,但是目的是让大家更好的理解),其实有很多成熟的框架可以用的。 Python常用的Agent框架 LangChain&LangGraph LangChain是…

Agent开发不一定需要自己纯手撸(当然,我们后面会有很多章节介绍如何手撸,但是目的是让大家更好的理解),其实有很多成熟的框架可以用的。

Python常用的Agent框架

LangChain&LangGraph

LangChain是最流行的 LLM 应用开发框架之一,支持 Agent 构建、工具调用、记忆、链式推理等。 LangGraph 是 LangChain 团队推出的一个用于构建 状态化(stateful)、多参与者(multi-actor)、循环式(cyclic)智能体工作流 的库。它基于 有向图(Directed Graph) 模型,允许开发者以声明式方式定义复杂的 Agent 执行流程,特别适合需要规划、反思、协作或人类干预的高级应用场景。 在我们的文档中也有介绍:

✅LLM应用开发框架:LangChain

LangChain 是一个非常知名的开源框架,他的主要作用是简化基于大型语言模型构建应用程序的过程。它提供了一套模块化、可组合的工具和抽象,帮助开发者将 LLM 与外部数据源、记忆机制、工具调用等能力结合起来,从而构建更强大、更智能的应用, LLMentor LangChain/LangGraph中提供了很多Agent的实现,比如ReAct、Plan-and-Execute等等agent架构,可以开箱即用。 这里面有一些示例:https://github.com/langchain-ai/langgraph/tree/main/examples

AutoGen

支持多智能体协作,可定义多个具有不同角色和能力的 Agent 进行对话与任务协作。 AutoGen 是由微软(Microsoft)开发的一个开源框架,一般用来简化构建多智能体(Multi-Agent)系统和复杂 LLM(大语言模型)工作流的过程。它通过提供可组合、可对话的智能体(Agent)抽象,使得开发者能够轻松地创建能协作完成任务的 AI 系统。 下面也有介绍:

✅使用AutoGen 构建一个代码生成器

AutoGen 是由微软(Microsoft)开发的一个开源框架,一般用来简化构建多智能体(Multi-Agent)系统和复杂 LLM(大语言模型)工作流的过程。它通过提供可组合、可对话的智能体(Agent)抽象,使得开发者能够轻松地创建能 LLMentor

CrewAI

CrewAI 是一个专为构建 多智能体(Multi-Agent)协作系统 而设计的开源 Python 框架,其核心理念是:通过角色驱动(Role-Driven)的方式,让多个具备不同技能和目标的 AI Agent 协同完成复杂任务。 它受到 Microsoft AutoGen 的启发,但提供了更简洁、更高层次的 API,特别适合构建如“市场分析团队”、“内容创作流水线”、“软件开发小组”等场景。 - GitHub: https://github.com/joaomdmoura/crewAI - 官网 & 文档: https://www.crewai.com/ - 示例库: https://github.com/joaomdmoura/crewAI-examples

Java常用的Agent框架

LangChain4j&Spring AI

LangChain4j和Spring AI都没有直接提供Agent的支持,只是提供了Agent的基本能力,比如记忆、工具调用等等,需要自己通过底层的API来实现。 比如我们这门课中有几个手撸Agent的实现,就是通过Spring AI来做的。

Spring AI Alibaba

Spring AI Alibaba 提供了基于 ReactAgent 的生产级 Agent 实现。 可以直接构建一个agent,并通过Agent内置的模型、工具、记忆、钩子等功能实现一个智能体。 这部分在我们的课程中会重点介绍,详见:

✅Alibaba-React Agent 核心组件

基础组件 Model Model 就是大模型,作为 Agent 的大脑,负责推理、生成文本、决定下一步行动 (是否调用工具/输出答案)。 Spring-AI-Alibaba 的底层核心实现就是基于 Spring AI Apache,可以理解 LLMentor

AgentScope

AgentScope 和Spring AI Alibaba一样,也是阿里开源的。用于构建 LLM 驱动的应用程序。它提供了创建智能体所需的一切:ReAct 推理、工具调用、内存管理、多智能体协作等。 他也提供了Java版的支持:AgentScope-Java https://java.agentscope.io/zh/intro.html 他的功能比Spring AI Alibaba中的agent更强大一些,除了支持钩子、工具、记忆等等之外,还集成了长期记忆、多模态、结构化输出、MCP、RAG等等。是一个比较强大的生产级AI智能体构建工具。 这个东西刚出来没多久,本来在我的课程中还没有(因为我准备这个课的时候,他还没推出),但是现在还挺火的,也有很多落地应用了,我们会找个单独的章节介绍下他怎么用。

版本提示

模型、框架与接口会持续变化。涉及版本号、参数与生产配置时,请在实践前对照对应官方文档。

LLMentor系统化学习大模型应用工程

内容来自个人课程知识库备份,并经过结构化整理。技术版本持续演进,生产使用前请结合官方文档验证。