- 综合排序
- 最热优先
- 最新优先
- 来自专栏AI前沿技术
智能体｜AI Agent 框架介绍
为建立起Agent的知识体系，本文围绕Agent的框架主要介绍： 1）从功能、核心能力以及工程落地三个维度介绍Agent框架 2）Agent 大脑核心：规划、推理和自我反思能力的建设 3）Function call 和 MCP 工具使用方式以及记忆模块介绍 关注“AI老马” —【获取资源】&【进群交流】 1，Agent 架构 Agent架构可以从功能，核心能力以及工程技术维度进行定义。 图1，Agent 技术能力框架 1.3，工程技术维度 模块化推理、知识与语言 (Modular Reasoning, Knowledge and Language MRKL) 通过将通用大语言模型作为 一个智能体的所具有的核心能力是一致的，本文以Planning、Memory和Tool use 为框架进行介绍。 大模型使用工具有不同的层级，初级阶段是open AI 使用的 function call 模式，更像是通过规则匹配到特定的函数进行使用。
1K10编辑于 2026-01-18 - 来自专栏AI技术应用
AI 智能体（AI Agent）的开发框架
AI 智能体（AI Agent）的开发框架是构建智能体的核心工具和平台，它们提供了从数据处理、模型训练到部署和监控的全流程支持。以下是常用的 AI 智能体开发框架及其特点。 2.强化学习框架2.1OpenAI Gym特点：提供标准化的环境和接口，用于开发和测试强化学习算法。支持多种环境（如 Atari 游戏、机器人控制）。适用场景：强化学习算法研究。 4.2Detectron2特点：由 Facebook 开发，基于 PyTorch 的目标检测库。支持多种模型（如 Faster R-CNN、Mask R-CNN）。适用场景：目标检测、实例分割。 5.2H2O.ai特点：提供自动化的机器学习和深度学习工具。支持大规模数据处理和分布式计算。适用场景：企业级机器学习应用。 适用场景：企业级 AI 解决方案。总结AI 智能体的开发框架涵盖了从数据处理、模型训练到部署和监控的全流程。
1.3K10编辑于 2025-02-18 - 来自专栏自然语言处理
智能体框架：11 个顶级 AI Agent 框架！
本指南将深入探讨当前最优秀的 11 个 AI Agent 框架，比较它们的特性、优势、劣势以及理想的应用场景，帮助您为下一个项目做出明智的决定。 什么是 AI Agent 框架？ 11 个最佳 AI Agent 框架 1. LangChain LangChain 是一个开源框架，已成为构建 AI 驱动应用最受欢迎的选择之一。 print(response["output"]) ##2. Atomic Agents 是一个轻量级、模块化的框架，用于构建 AI Agent 流水线，强调 AI Agent 开发的原子性。 工具和记忆集成得到增强 开发接口更加简化 对低代码和简化 AI Agent 开发的关注日益增长 如何选择合适的 AI Agent 框架 为您的项目选择 AI Agent 框架时，请考虑：- 您的特定项目需求
13.9K52编辑于 2025-07-02 - 来自专栏AI大模型应用开发炼丹房
AI Agent框架之争：盘点8大AI Agent开发框架的核心技术与工业级应用
本文深度解析8大AI Agent开发框架的核心技术与工业级应用，帮助开发者精准匹配业务场景。 Task( description="分析2025年AI代理技术趋势", agent=researcher, expected_output="包含TOP3趋势的Markdown (ADK)：云原生Agent工厂定位：无缝集成Google云服务的企业级Agent开发平台5.1 核心特性Vertex AI管道：可视化编排Dialogflow+BigQuery+Cloud FunctionsFirebase 的相关技术，我也整理了一份文档，粉丝自行领取：《想要读懂AI Agent（智能体），看这里就够了》七、Pydantic-AI：结构化输出的终极方案核心问题：解决LLM输出格式漂移与非确定性7.1 技术实现深度解析 from pydantic_ai import Agent from pydantic import BaseModel class MarketReport(BaseModel): trends
5.4K10编辑于 2025-07-21 2026 开源 AI Agent 框架横评：Hermes Agent OpenClaw AutoGPT CrewAI
四大框架概览框架开发者GitHubStar核心定位协议HermesAgentNousResearch60K+自进化个人智能体MITOpenClawOpenClawInc.300K+AI编程助手Apache2.0AutoGPTAutoGPTTeam160K 它的闭环学习系统让Agent能从实践中自动提炼经验，创建可复用技能。这是一个0到1的差异——其他框架都没有这个能力。 选型决策指南你的核心需求推荐框架需要一个越用越懂你的AI伙伴HermesAgent主要在IDE中写代码OpenClaw需要自动化执行复杂的网络任务AutoGPT需要多个AI角色分工协作CrewAI需要通过手机消息使用 框架吗？ Q2：哪个框架的学习曲线最低？A：HermesAgent和OpenClaw都提供一行命令安装，入门门槛最低。AutoGPT和CrewAI需要更多的手动配置。Q3：从长期投资角度，哪个更值得深入学习？
85410编辑于 2026-04-15- 来自专栏腾讯开源的专栏
tRPC-Agent-Go：构建智能AI应用的Go语言Agent框架
2023年起，LLM发展迅速，而Agent开发框架成为连接AI能力与业务应用的重要基础设施。 一、技术选型和定位 1.业界框架技术路线分析 目前AI Agent 应用开发框架主要分为两大技术路线：自主多Agent框架和编排式框架。 3.tRPC-Agent-Go技术定位 行业与生态现状：随着LLM能力的持续突破，Agent开发框架正成为AI应用开发的重要趋势。 目前较为成熟的Go语言AI开发框架大多数专注于编排式架构，主要适用于结构化业务流程，现代LLM在复杂推理、动态决策方面能力显著提升，自主多Agent框架相比编排式框架具有以下特征： ● 自适应性：Agent 但又存在如下问题 1，对于明确的场景和流程，AI工作流更合适，能够给出更稳定的输出 2，腾讯内部已有大量的AI工作流，基于tRPC的开发经验，需要对存量进行兼容 基于上面的原因，tRPC-Agent-Go
1.8K10编辑于 2025-10-20 - 来自专栏AI进修生
A2A + MCP = AI Agent 完全体？AI Agent 既能 “单挑” 工具，又能 “群殴” 任务。
Aitrainee | 公众号：AI进修生 Hi，这里是Aitrainee，欢迎阅读本期新文章。 Google 正式下场定义 Agent 协作新规矩：Agent2Agent (A2A) 开放协议来了。 AI Agent 单打独斗的时代要过去了？ 简单说，就是给不同厂商、不同框架下构建的 AI Agent 提供一套标准的沟通语言和协作方式，打破信息孤岛，让它们能真正“组队打怪”，提升效率。 与MCP的关系？ 简单说，这图告诉我们 AI Agent 跟外界打交道主要靠两个开放协议： MCP (模型上下文协议): 这是 Agent 用来“插上”外部工具、API 和各种企业应用的“接口”。 图里也提到了 Google ADK、LangGraph、Crew.AI 这些都有相关示例。
62710编辑于 2025-04-11 - 来自专栏大语言模型
四大主流AI Agent框架选型梳理
nine｜践行一人公司开发、引擎、交付——基于Agent的倍速造产品流。正在记录从 0 到 1 的踩坑与突破，交付想法到产品的全过程。 随着AI技术的快速发展，多智能体系统(Multi-Agent)已成为企业智能化转型的关键技术。 本文将梳理2025年7月值得关注的四大AI Agent框架（注：OpenAI Swarm属于学习项目），帮助开发者根据项目需求提供参考。四大框架横向对比1. 2. CrewAI：低代码原型之王通过角色提示词即可生成智能体（如Researcher→Writer→Reviewer链），10分钟搭建演示。 (by Kimi k2)
1.2K10编辑于 2025-07-26 - 来自专栏云云众生s
认识Kagent，Kubernetes 中AI Agent的开源框架
通过声明式API和控制器构建AI Agent，实现自动化配置、故障排除和零信任安全。未来将集成OpenTelemetry，支持多Agent和LLM！ 今天宣布推出 kagent，这是一个新的开源框架，旨在帮助用户构建和运行 AI agents，以加速 Kubernetes 工作流程。 该框架通过构建在 模型上下文协议 (MCP) 上的架构与其他云原生工具集成。MCP 由 Anthropic 于 11 月推出，旨在标准化 AI 模型与 API 的集成方式。 “我们用一些示例 Agent、一些工具以及与 Kubernetes 集成的框架来启动这个项目。 还有更多：“我们也很乐意添加多 Agent 支持。目前，作为初始发布的一部分，我们专注于单个 Agent，但该框架旨在支持多个 Agent。” Sun 还希望添加对多个大型语言模型的支持。
80500编辑于 2025-03-18 用 Go 开发 AI Agent，你用的哪个框架 ？
AI Agent正在重塑软件开发的方式。当Python生态的LangChain、AutoGen等框架如火如荼时，Go语言社区也在悄然崛起。 主流框架 根据GitHub星标数、社区活跃度和生产实践，我精选了三个最具代表性的Go语言AI Agent框架。 、可直接上云的Go-AI框架。 ADK-Go与Google Cloud深度集成，支持Vertex AI、Gemini等Google自家的AI服务。 A2A(Agent-to-Agent)协议是独特创新。 未来，随着AI Agent技术的成熟，Go语言在这个领域的影响力还会持续增长。现在正是入局的好时机，不妨选择一个框架，开始你的AI Agent开发之旅吧！
27510编辑于 2026-04-13- 来自专栏张善友的专栏
BotSharp 5.0 MCP：迈向更开放的AI Agent框架
BotSharp作为一款专注于AI Agent开发的框架，一直致力于为开发者提供强大而灵活的工具来构建各种类型的智能代理。 这种设计使得开发者可以根据自己的需求灵活选择和组合各个模块，快速搭建出符合特定场景的AI Agent。 2. 丰富的插件生态 该框架拥有丰富的插件生态系统，涵盖了各种常见的AI技术和应用场景。开发者可以通过插件的方式轻松扩展框架的功能，无需从头开始开发复杂的算法和模型。 ● 开发者可通过标准化接口快速实现大模型与数据源的安全通信，例如操作本地文件、浏览器及 Web 服务，解决了 AI 应用在数据权限管理中的痛点。 2. 不妨尝试这一强大的工具，共同探索AI Agent的无限未来！
38310编辑于 2025-04-06 - 来自专栏大模型系列
AI Agent框架之争：盘点8大AI Agent开发框架的核心技术与工业级应用（2026全景指南以及最佳实践）
一、AI Agent工程的时代背景1.1 从概念到落地的关键跨越2026年，AI Agent工程正经历从"实验室玩具"到"生产基础设施"的关键跨越。 据行业调研数据：78% 的企业已启动AI Agent试点项目但仅有 14% 成功跨越了从试点到生产规模的鸿沟框架选型错误 是导致失败的首要原因（占比43%）1.2 框架分层逻辑AI Agent系统架构可分为三个层次 ：遵循 KISS原则，单Agent能解决的问题不要用多Agent陷阱2：忽略成本控制症状：Token消耗超出预算 解决方案： 多智能体即服务（MAAS）成为主流边缘计算：轻量级Agent在边缘设备运行 终极建议： "真正的技术选型智慧不在于选择'最好'的框架，而在于选择'最适合'当前场景的框架。 随着项目演进，灵活切换或混合使用多个框架，才是企业级AI开发的成功之道！"
64631编辑于 2026-04-23 Eino：面向 Go 生态的工程化 AI Agent 框架
当下的 AI 应用浪潮中，一个显著的趋势正从单纯“接入大模型 API”向“构建复杂智能体系统（AI Agent Systems）”演进。 更重要的是，在 Go 语言生态中，尚未出现一个能与 Python 生态主流框架在功能和成熟度上对等的、高质量的全功能 Agent 框架。 它是一个完整的 AI Agent 工程框架。 换句话说，Eino 是一个既保留 Go 工程优势、又具备 AI 创造力的框架。 这五层结构共同构成了一个完整的「智能体系统操作框架」，让开发者可以像搭建微服务一样，搭建可运行、可观测的 AI 智能体。
2.2K11编辑于 2025-11-13- 来自专栏Python
理解 Agent2Agent(A2A)、Agent to Agent和链式函数调用的区别与联系
在构建 AI 智能体系统或多模块任务执行架构时，我们常会遇到三个关键术语： Agent to Agent 链式函数调用 Agent2Agent (A2A) 它们看似类似，甚至常被混用，但实际上分别属于不同的抽象层次 (A2A)│ ← 架构范式（设计） └─────────────────┘ 这意味着： 链式函数调用是编程行为 Agent to Agent是通信语义 Agent2Agent (A2A) 是系统设计理念 Agent2Agent 像一个“项目经理型 AI”会调度多个“专家型 AI”组成动态团队，解决复杂任务 类比一句话总结： 链式函数调用像拼装生产线，Agent to Agent像员工交流，而Agent2Agent 六、为什么 A2A 更适合现代 AI 系统？ 附录：推荐学习资源 资源名称 类型 链接 Qwen-Agent 文档 官方文档 https://github.com/QwenLM/Qwen-Agent AutoGen 框架 多 Agent 协作 https
1.1K10编辑于 2025-07-10 - 来自专栏从头开始学习测试开发
《告别脆弱的 E2E：用 AI Agent 构建自愈式端到端测试框架》
本文提出一种面向未来的解决方案：利用 AI Agent 技术，构建一个具备自主感知、决策与修复能力的“自愈式”E2E 测试框架。 我们将深入剖析其核心架构，并通过具体场景，展示 AI Agent 如何在测试失败时智能归因、动态调整定位策略、甚至修复测试数据，从而将 E2E 测试的稳定性与 ROI（投资回报率）提升至全新高度。 这种困境的根源在于，传统 E2E 框架（如 Selenium, Playwright）。它们是“盲目的执行者”，缺乏对“测试意图”的理解。 AI Agent 的出现，为我们提供了一条破局之路。 第一部分：重新定义 E2E 测试的执行者——AI Agent 的角色 在我们的新框架中，AI Agent 不再是一个简单的脚本解释器，而是一个目标驱动的智能体。 结语：迈向智能、坚韧的测试未来 AI Agent 并非要完全取代现有的 E2E 框架，而是为其注入“智能”与“韧性”。
86310编辑于 2026-03-04 - 来自专栏服务端技术杂谈
AI Agent搭建
单智能体的问题： 1、工具太多，导致LLM很难决策调用哪个工具； 2、上下文太长，导致推理退化； 3、难以在单一提示词中兼顾专业性和通用性需求； 多智能体可以很好解决以上问题： 1、通过模块化开发，维护成本更低 ； 2、定义专精智能体，专业性更强； 3、策略可定制，而不是完全交给LLM自由发挥； 但仍有很多最佳实践需要注意。 因为Agent比人类更擅长理解的的内容，也是人类可读的、具有意义的文本，这些高质量内容，可以显著降低Agent在检索任务中的幻觉。 Agent与工具的交互，本质上是一个持续对话场景。 图构建：综合上述多轮对话数据，以意图为节点、意图流转关系为边，搭建对话意图流转图，每个意图下关联对应优秀话术； 推理阶段： 1、意图识别：与构建阶段相同，采用LLM从对话消息中提取客服、用户对话意图； 2、 primary intent：用于明确对话的核心类别，可以快速分类与路由，明确对话的大框架，通过先判断大类别，缩小后续精度判断范围，避免大类别之间误判，提升对话准确度。
38010编辑于 2026-03-11 - 来自专栏白话互联
【Ai Agent】Ai Agent News | 9月11日速递
Stack分享了构建真正能带来业务成果的企业级AI Agents的五步战略框架，涵盖角色定义、数据管理、行动规划等关键方面。 *扩展策略*：制定Agent在企业中的规模化部署计划 这一框架为企业提供了从概念到落地的全面指导，帮助组织最大化AI Agent的投资回报率。 报告指出，这些系统不同于标准聊天机器人，它们能够自主行动、执行任务，并使用Model Context Protocol (MCP)和Agent-to-Agent (A2A)等协议与其他数字Agent协作 Factory连接Agent、应用和数据 Azure AI Foundry推出了Agent Factory系列博客，第五篇重点介绍了如何使用MCP和A2A等新的开放标准连接Agent、应用和数据。 *集成价值*：集成是将Agent从聪明原型转变为业务倍增器的关键 *开放标准*：MCP和A2A等协议为Agent间通信提供了标准化框架 *避免供应商锁定*：客户在采用AI技术时越来越看重灵活性 这一趋势反映了企业对互操作性和开放标准的迫切需求
33810编辑于 2025-09-17 - 来自专栏C语言
【AI】Chat or Agent ？
随着生成式AI技术的不断进步，关于其未来发展方向的讨论也愈发激烈。究竟生成式AI的未来是在对话系统（Chat）中展现智慧，还是在自主代理（Agent）中体现能力？这一问题引发了广泛的讨论和探索。 2. 多模态对话系统 2.1 语音交互 对话系统将整合语音识别和生成技术，使用户能够通过语音与AI进行对话，同时AI可以通过语音反馈，提供更加自然的交互体验。 二、自主代理（Agent）的发展方向 1. 自主决策和执行能力 1.1 环境感知 自主代理通过传感器和数据分析，实时感知周围环境的变化，从而做出适应性决策。 融合应用 生成式AI技术不仅在对话系统和自主代理各自发展，还可以相互结合，形成更强大的综合智能系统。例如，未来的智能助理可以通过自然语言对话与用户交流，同时自主执行复杂任务。 2. 技术进步与社会需求 生成式AI的发展不仅依赖于技术的进步，还要满足社会的实际需求，通过创新和应用，提升人们的生活质量和工作效率。 2.
39310编辑于 2024-12-11 AI Agent 简介
，只要任务可拆解为操作流程，就能被 AI Agent 接管。 Agent 与传统 AI 模型的区别 维度 传统 AI 模型 AI Agent 交互方式 单次输入输出 多轮对话、持续交互 决策能力 基于输入直接推理 规划、反思、迭代优化 工具使用 无法主动调用外部工具 连接数据库；2. 提取Q3销售数据；3. 按产品和地区分类；4. 计算环比增长率；5. 生成可视化图表。 反思与调整：Agent 会评估每一步行动的结果。 2. 记忆模块：经验的笔记本 Agent 需要有记忆才能进行连贯的、基于上下文的对话和操作。 短期记忆：记住当前对话的上下文，确保回答不跑题。 概念验证 2023.05：LangChain、LlamaIndex 等框架成熟 2024-2025：企业级 Agent 应用大规模落地 特点：真正的自主性、工具使用、任务规划 多 Agent 协作模式
14310编辑于 2026-04-24- 来自专栏个人总结系列
MCP服务被Google ADK与Spring AI框架的Agent调用
按需流式传输，连接可复用，降低服务器负载适用场景实时推送应用（如新闻更新）生产环境和大模型流式输出场景2、SSE、Streamablehttp服务准备例如虚拟的GET访问地址http://open.xxxx.mcp.api io.modelcontextprotocol.sdk</groupId><artifactId>mcp</artifactId><version>0.11.3</version></dependency>2、 newMcpToolset(sse,objectMapper,toolFilter);mcpToolsetList.add(mcpToolset);}}}}returnmcpToolsetList;}//Agent ><spring-boot.version>3.4.8</spring-boot.version><mcp.version>0.14.0</mcp.version>2、代码调用importcom.alibaba.cloud.ai.graph.agent.ReactAgent 1024*10));}DeepSeekApiapi=DeepSeekApi.builder().baseUrl("https://api.deepseek.cn").apiKey("sk_1xxx1_2yyyzzz
34210编辑于 2025-11-24
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号