Web3 AI Agent 框架对比：Eliza、Rig 与 LangChain 的 DApp 集成适配性分析

Web3 AI Agent 框架对比：Eliza、Rig 与 LangChain 的 DApp 集成适配性分析

一、Agent 框架的选型困境：通用框架无法理解链上语义

2025-2026 年 AI Agent 框架出现了明显的两条岔路。一条是以 LangChain/LlamaIndex 为代表的 Web2 通用 Agent 框架，链式调用、工具绑定、记忆管理都做得成熟。另一条是以 Eliza（ai16z）和 Rig（Arc）为代表的 Web3 原生 Agent 框架，在 Agent 的认知模型里内置了链上账户、交易签名、合约交互等 Web3 基础设施。

两者的核心差异不在于 LLM 调用方式，而在于框架的"世界观"。LangChain 的 Agent 默认理解"文件系统"、"HTTP API"、"数据库"这些工具。但在 DApp 场景中，Agent 需要理解的是"连接钱包"、"签署交易"、"查询链上状态"、"等待区块确认"。Eliza 在设计上把链上 Actor（Provider）作为一等公民，Agent 启动时自动注入钱包 Provider 和链上状态监听器。LangChain 也能通过自定义 Tool 实现这些功能，但每次调用都要手动管理钱包实例的上下文传递，状态一致性容易在对轮对话中丢失。

在动手之前，先明确三个框架在技术架构上的根本差异。

flowchart TD subgraph Eliza["Eliza (Web3 Native)"] E1[Actor 角色系统] E2[Wallet Provider 内置] E3[链上状态监听] E4[Character 配置文件] E1 --> E2 E2 --> E3 E4 --> E1 end subgraph Rig["Rig (Arc)"] R1[Rust 原生异步] R2[Solana 深度集成] R3[零拷贝内存模型] R4[嵌入式 Agent 推理] R1 --> R2 R2 --> R3 R4 --> R1 end subgraph LangChain["LangChain (通用)"] L1[Chain / Agent 模型] L2[自定义 Tool 绑定] L3[Memory 管理] L4[RAG 检索链] L1 --> L2 L1 --> L3 L4 --> L1 end Eliza --> DApp[DApp 前端直接调用] Rig --> SVM[SVM / Solana DApp] LangChain --> Backend[后端 API 调用]

二、三个框架的技术架构对比

Eliza

Eliza 的核心设计理念是"Agent as Actor"。每个 Agent 实例拥有独立的角色定义（Character）、钱包、记忆和动作（Action）集合。框架启动时，Agent 会基于 Character 配置初始化所有 Provider（钱包 Provider、链上状态 Provider、社交媒体 Provider）。动作系统采用注册表模式，新增链上操作只需在 Action 注册表中追加一条入口。

适合场景：需要 Agent 主动监控链上事件并触发交易（如 MEV 保护机器人、链上套利 Agent、DAO 提案自动投票）。Eliza 的 Actor 模型天然适合这类"监听→决策→执行"的循环。

核心限制：Eliza 的插件生态快速增长但质量参差不齐。同一个功能的多个插件（如 Solana 钱包管理）可能存在依赖冲突，插件之间的状态共享机制不够规范。

Rig

Rig 的设计哲学是"高性能 + 嵌入式"。用 Rust 写的异步引擎，Agent 推理流程受益于 Rust 的零成本抽象。在 Solana 生态中，Rig 的优势尤为突出：Agent 可以直接调用 Solana 的 Rust SDK，不需要通过 FFI 或 WebSocket 桥接。Rig 的 Agent 可以被编译为 WASM，在浏览器的 Service Worker 或 Web Worker 中运行。

适合场景：需要 Agent 在客户端本地运行以保护用户私钥的场景（如钱包内的智能交易助手）、对延迟敏感的高频链上操作、以及需要嵌入 Web Worker 运行的 DApp 内 AI 功能。

核心限制：Rust 的 Agent 开发门槛明显高于 TypeScript/Python。团队如果全部是 JS/TS 技术栈，Rig 的学习曲线会显著拉长交付周期。Solana 深度集成也意味着 Ethereum/EVM 生态的支持力度不如 Eliza。

LangChain

LangChain 的优势在于"生态厚度"。LLM Provider 支持最全、记忆管理最成熟、RAG 工具链最完善。如果 Agent 的核心能力是"理解链上文档 + 回答用户问题 + 偶尔发起交易"，LangChain 比另外两个框架更合适。

适合场景：DApp 的智能客服、链上数据问答、文档 RAG 检索等"分析重于执行"的场景。

核心限制：每次链上交互都需要自定义 Tool + 手动管理钱包状态。在多轮对话中保持钱包上下文的一致性需要额外开发，而这在 Eliza 中是开箱即用的。

sequenceDiagram participant User as 用户 participant Agent as AI Agent participant Wallet as 钱包 Provider participant Chain as 链上 RPC participant Contract as 智能合约 User->>Agent: "用 0.1 ETH 兑换 USDC" Agent->>Agent: 意图解析 + 参数提取 alt Eliza / Rig (内置钱包) Agent->>Wallet: 获取签名器 (已注入) Wallet-->>Agent: signer 实例 else LangChain (自定义 Tool) Agent->>Tool: 调用 wallet_tool Tool->>Wallet: 手动获取 signer Wallet-->>Tool: signer Tool-->>Agent: signer 上下文 end Agent->>Chain: 查询最优兑换路径 Chain-->>Agent: 路径 + 报价 Agent->>Agent: 验证滑点 / 确认风险 Agent->>User: "预计得到 2500 USDC，滑点 0.3%，确认？" User->>Agent: 确认 Agent->>Wallet: 签署交易 Wallet->>Chain: 广播交易 Chain-->>Agent: Tx Hash Agent->>User: "交易已提交: 0x..."

三、代码实践：三个框架的 DApp 集成示例

3.1 Eliza Agent 配置与链上动作

// eliza-agent/character/dex-trader.character.ts import { Character, ModelProviderName, Clients } from "@elizaos/core"; /** * Eliza DEX Agent 角色配置 * 设计考量： * - plugins 按功能域分组：@elizaos/plugin-evm 提供链上交互基础能力 * - settings.secrets 引用 .env 变量：私钥绝不硬编码在配置文件中 * - bio 和 lore 描述 Agent 的行为模式：LLM 将遵循这些角色指引生成回复 */ export const dexTraderCharacter: Character = { name: "SwapAgent", modelProvider: ModelProviderName.OPENAI, clients: [Clients.TELEGRAM, Clients.TWITTER], plugins: [ "@elizaos/plugin-evm", "@elizaos/plugin-uniswap", "@elizaos/plugin-chainlink", ], settings: { secrets: { EVM_PRIVATE_KEY: process.env.AGENT_PRIVATE_KEY || "", EVM_RPC_URL: process.env.MAINNET_RPC_URL || "", }, voice: { model: "en_US-hfc_female-medium", }, }, // Agent 人设：描述 Agent 的行为边界 bio: [ "DEX 交易助手，专注于代币兑换操作", "仅当用户明确确认后才执行链上交易", "每次交易前计算并展示滑点和燃气费估算", ], lore: [ "需要用户明确说出'确认交易'才会执行", "交易金额超过 0.5 ETH 时要求二次确认", ], // 内置动作注册 actions: [ // 这里的 action 名称对应 @elizaos/plugin-uniswap 的已注册动作 ], messageExamples: [ { user: "{{user1}}", content: { text: "把 0.1 ETH 换成 USDC" }, }, { user: "SwapAgent", content: { text: "收到。当前报价：0.1 ETH ≈ 312.45 USDC，滑点 0.25%，燃气费约 0.002 ETH。确认执行吗？", }, }, ], };

// eliza-agent/src/custom-actions/swap.ts import { Action, IAgentRuntime, Memory, State, composeContext, generateObject, ModelClass, } from "@elizaos/core"; import { parseEther } from "viem"; /** * 自定义 Swap Action * 设计考量： * - validate 方法提前检查用户消息的意图：不是所有消息都触发交易，避免不必要的 LLM 推理 * - handler 使用 composeContext + generateObject：让 LLM 提取参数而非正则解析， * 因为用户的自然语言可能有多种表达方式 * - 交易签名不暴露私钥：使用 WalletProvider 的内置签名方法 */ export const customSwapAction: Action = { name: "SWAP_TOKENS", similes: ["SWAP", "EXCHANGE", "TRADE", "兑换", "交易", "交换"], description: "执行代币兑换操作", validate: async (runtime: IAgentRuntime, message: Memory): Promise<boolean> => { const text = message.content?.text?.toLowerCase() || ""; // 仅当消息中同时出现"兑换/swap"和数量信息时才触发 const hasSwapIntent = ["swap", "兑换", "exchange"].some((kw) => text.includes(kw)); const hasAmount = /\d+(\.\d+)?\s*(eth|usdc|usdt)/i.test(text); return hasSwapIntent && hasAmount; }, handler: async ( runtime: IAgentRuntime, message: Memory, state?: State, ): Promise<boolean> => { if (!state) { state = (await runtime.composeState(message)) as State; } else { state = await runtime.updateRecentMessageState(state); } // 使用 LLM 结构化提取兑换参数 const swapContext = composeContext({ state, template: `提取兑换参数： - tokenIn: 输入代币符号 - tokenOut: 输出代币符号 - amount: 数量（ETH 单位） 用户消息: {{recentMessages}}`, }); const extracted = await generateObject({ runtime, context: swapContext, modelClass: ModelClass.SMALL, schema: { type: "object", properties: { tokenIn: { type: "string" }, tokenOut: { type: "string" }, amount: { type: "string" }, }, required: ["tokenIn", "tokenOut", "amount"], }, }); if (!extracted?.object) { await runtime.messageManager.createMemory({ userId: message.userId, agentId: runtime.agentId, content: { text: "未能识别兑换参数，请提供：代币A、代币B、数量。" }, roomId: message.roomId, }); return false; } const { tokenIn, tokenOut, amount } = extracted.object; // 实际链上交互由 plugin-evm 的 WalletProvider 处理 // 此处调用 walletProvider 发送交易 ... return true; }, examples: [ [ { user: "{{user1}}", content: { text: "把 0.1 ETH 换成 USDC" }, }, { user: "SwapAgent", content: { text: "确认兑换：0.1 ETH → USDC，开始执行...", action: "SWAP_TOKENS", }, }, ], ], };

3.2 Rig Agent 示例（Rust）

// rig-agent/src/agent.rs use rig::{ agent::Agent, completion::{Chat, CompletionModel}, providers::openai, tool::{Tool, ToolSet}, }; use solana_client::rpc_client::RpcClient; use solana_sdk::{ signature::{Keypair, Signer}, transaction::Transaction, pubkey::Pubkey, }; use std::sync::Arc; use tokio::sync::Mutex; /// Rig + Solana Agent /// 设计考量： /// - Agent 持有 Solana 的 RpcClient 和 Keypair：无需外部 Tool 桥接 /// - 使用 Arc<Mutex<>> 保护 signer：Rig 的多步推理可能并发，签名器必须线程安全 /// - Tool 实现 trait Tool：Rig 的工具绑定是编译期类型检查，误用会在编译阶段暴露 struct SwapParams { input_mint: Pubkey, output_mint: Pubkey, amount: u64, } struct SolanaSwapTool { client: Arc<RpcClient>, signer: Arc<Mutex<Keypair>>, } #[async_trait::async_trait] impl Tool for SolanaSwapTool { const NAME: &'static str = "solana_swap"; type Error = Box<dyn std::error::Error + Send + Sync>; type Args = SwapParams; type Output = String; async fn definition(&self, _prompt: String) -> rig::completion::ToolDefinition { rig::completion::ToolDefinition { name: Self::NAME.to_string(), description: "在 Solana DEX 上执行代币兑换".to_string(), parameters: serde_json::json!({ "type": "object", "properties": { "input_mint": {"type": "string", "description": "输入代币的 Mint 地址"}, "output_mint": {"type": "string", "description": "输出代币的 Mint 地址"}, "amount": {"type": "integer", "description": "兑换数量（最小单位）"}, }, "required": ["input_mint", "output_mint", "amount"] }), } } async fn call(&self, args: Self::Args) -> Result<Self::Output, Self::Error> { // 1. 构建兑换指令 let signer = self.signer.lock().await; // 2. 获取最新区块哈希 let recent_blockhash = self.client.get_latest_blockhash()?; // 3. 构建交易 // 实际生产中应使用 Jupiter API 或 Orca SDK 构建完整的 swap 指令 let tx = Transaction::new_signed_with_payer( &[], // instructions 由 DEX SDK 构建 Some(&signer.pubkey()), &[&*signer], recent_blockhash, ); // 4. 发送交易 let signature = self.client.send_and_confirm_transaction(&tx)?; Ok(format!("交易已确认: {}", signature)) } } /// 构建 Rig Agent pub async fn create_solana_agent( rpc_url: &str, keypair: Keypair, ) -> Result<Agent<openai::Client>, Box<dyn std::error::Error + Send + Sync>> { // 初始化 OpenAI 客户端 let llm_client = openai::Client::from_env(); // 初始化 Solana RPC let rpc_client = Arc::new(RpcClient::new(rpc_url.to_string())); // 构建工具集 let swap_tool = SolanaSwapTool { client: rpc_client, signer: Arc::new(Mutex::new(keypair)), }; let tools = ToolSet::new() .dynamic_tool(swap_tool); // 构建 Agent let agent = Agent::builder(llm_client) .tools(tools) .preamble( "你是一个 Solana 交易助手。在用户确认价格和滑点后再执行交易。\ 交易金额超过 5 SOL 时要求用户二次确认。" ) .temperature(0.3) .build(); Ok(agent) }

3.3 LangChain Agent 对比实现

""" langchain_agent.py — LangChain DApp Agent 设计考量： - 钱包状态使用 ContextVar 传递：LangChain 的 Tool 调用是函数级作用域， 需要跨调用保持的钱包上下文必须通过 ContextVar 或自定义 Callback 传递 - 所有链上操作包装为 Tool：LangChain 不自带链上交互能力，每个链上操作都是自定义 Tool - 二次确认通过 agent_scratchpad 实现：让 Agent 在调用交易 Tool 前先输出确认信息 """ from contextvars import ContextVar from typing import Optional from langchain_openai import ChatOpenAI from langchain.agents import AgentExecutor, create_tool_calling_agent from langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholder from langchain_core.tools import tool from web3 import Web3 # ContextVar 用于在多轮对话中保持钱包上下文 # LangChain 的 Tool 函数之间没有直接的状态共享机制，ContextVar 是 Python 的原生解决方案 wallet_var: ContextVar[Optional[dict]] = ContextVar("dapp_wallet", default=None) w3 = Web3(Web3.HTTPProvider("https://eth-mainnet.g.alchemy.com/v2/YOUR_KEY")) @tool def connect_wallet() -> str: """连接用户钱包，获取地址和余额信息""" # 实际生产中用 WalletConnect 或 wagmi wallet_var.set({ "address": "0x742d35Cc6634C0532925a3b844Bc9e7595f0bEb0", "chain_id": 1, }) wallet = wallet_var.get() balance = w3.eth.get_balance(wallet["address"]) return f"已连接: {wallet['address']}, 余额: {w3.from_wei(balance, 'ether')} ETH" @tool def get_swap_quote(token_in: str, token_out: str, amount: float) -> str: """获取代币兑换报价（模拟 0x API）""" # 生产环境调用 0x API 或 1inch API return f"报价: {amount} {token_in} → {amount * 2500} {token_out}，滑点 0.3%" @tool def execute_swap(token_in: str, token_out: str, amount: float, confirm: bool) -> str: """执行代币兑换。confirm 必须为 True 才会实际执行。""" if not confirm: return "未确认，取消交易。" wallet = wallet_var.get() if not wallet: return "错误: 未连接钱包。请先调用 connect_wallet。" # 构建交易（简化示例） # 生产环境：构建 ERC20 approve + swap 交易，估算 Gas，展示给用户 return f"交易已提交: 0x{Web3.keccak(text='mock_tx').hex()[:16]}..." # 构建 Agent prompt = ChatPromptTemplate.from_messages([ ("system", """你是 DApp 交易助手。规则： 1. 每次交易前先调用 get_swap_quote 查询报价 2. 将报价展示给用户后再调用 execute_swap 3. execute_swap 的 confirm 参数：用户明确说"确认"或"执行"时传 True"""), MessagesPlaceholder(variable_name="chat_history"), ("human", "{input}"), MessagesPlaceholder(variable_name="agent_scratchpad"), ]) llm = ChatOpenAI(model="gpt-4o-mini", temperature=0.3) tools = [connect_wallet, get_swap_quote, execute_swap] agent = create_tool_calling_agent(llm, tools, prompt) executor = AgentExecutor( agent=agent, tools=tools, verbose=True, max_iterations=5, # 防止 Agent 在错误循环中无限重试 handle_parsing_errors=True, # LLM 输出解析失败时自动重试 ) # 使用示例 # result = executor.invoke({"input": "帮我用 0.1 ETH 换 USDC", "chat_history": []})

四、边界分析与选型建议

Eliza 的适用边界：如果你的 Agent 需要频繁与链上合约交互（触发交易、订阅事件、管理多钱包），且团队主要是 TypeScript 开发者，Eliza 是综合投入产出比最高的选择。它的插件注册表模式让新增链上功能像安装 npm 包一样简单。但需要注意的是，Eliza 的插件质量认证体系尚不完善，引入第三方插件前需要审计其代码。

Rig 的适用边界：如果 Agent 只服务于 Solana 生态、对推理延迟有极端要求（毫秒级）、或者需要编译为 WASM 嵌入 Web Worker，Rig 是不二选择。Rust 的类型系统在编译期就消除了大部分运行时错误，这对资金敏感的 DApp Agent 来说是重要保障。但 Rust 团队组建和开发效率是现实成本。

LangChain 的适用边界：如果 Agent 的核心任务是自然语言理解和知识检索，链上交互只是偶尔为之，LangChain 的快速原型能力和丰富的 LLM 集成生态是优势。但长期维护中，钱包上下文管理的定制代码会成为技术债。

不适用场景：

• 需要 Agent 在用户离线时自主运行的场景：三个框架都需要运行 Agent 进程
• 100% 链上部署的 Agent：当前没有任何框架支持纯链上 Agent 推理（受限于 EVM/SVM 的计算模型）
• 需要跨多条链原子化操作的 Agent：三个框架都依赖外部桥接或中继器处理跨链操作

五、总结