2025 年是 Agent 框架井喷的一年。到了 2026 年，主流框架基本定型：LangGraph、CrewAI、Claude Agent SDK、OpenAI Agents SDK、Microsoft Agent Framework、Google ADK。
每个框架都说自己好。但开发者选型时真正关心的就几个问题：支不支持 Skills（可复用的能力模块）？能不能动态创建 Agent？MCP 支持到什么程度？支持哪些语言？
这篇文章不做泛泛的优缺点罗列，直接回答这些具体问题。
本文提纲
- 六大框架速览
- Skills 支持：谁做得最认真
- 动态 Agent 创建：谁最强
- MCP 支持：确实都支持，但方式不同
- 多语言支持：Google ADK 最猛
- 选型建议
六大框架速览
| 框架 | GitHub | Stars | 语言 | 架构风格 |
|---|---|---|---|---|
| LangGraph | langchain-ai/langgraph | 31k | Python + JS/TS | 图/状态机 |
| CrewAI | crewAIInc/crewAI | 50.4k | Python | 角色组队 + 事件驱动 |
| Claude Agent SDK | anthropics/claude-agent-sdk-python | 6.6k | Python + TS | 自主工具循环 |
| OpenAI Agents SDK | openai/openai-agents-python | 25.7k | Python + JS/TS | 轻量 Provider 无关 |
| MS Agent Framework | microsoft/agent-framework | 10k | Python + .NET/C# | 图工作流 + 分层架构 |
| Google ADK | google/adk-python | 19.4k | Python + Java + Go | 代码优先 + 层级组合 |
几个需要更新的认知：
- Microsoft Agent Framework 已经取代了 AutoGen 和 Semantic Kernel 的 Agent 部分。AutoGen 进入维护模式，README 直接写了"新用户请使用 Microsoft Agent Framework"。它不是 AutoGen 的升级版，是从头设计的统一框架，同时提供 AutoGen 和 Semantic Kernel 的迁移路径。
- Google ADK 不只有 Python 版。它有三个语言实现：Python（19.4k star）、Java（1.5k star）、Go（7.7k star）。用户说"Google JDK"可能就是指 Java 版的 ADK。
- Claude Agent SDK 的核心不是聊天 API 封装，而是把 Claude Code 的完整 Agent 能力（Bash、文件操作、搜索、子 Agent）暴露为可编程 SDK。
Skills 支持：谁做得最认真
"Skills"在不同框架里有不同的叫法和实现深度。我把它分成三个等级：
一等公民：CrewAI、Claude Agent SDK
CrewAI 把 Skills 作为核心概念。有专门的 crewAIInc/skills 仓库，Skills 是可复用的 Markdown 文件，定义了 Agent 在特定任务类型上的行为模式。包括脚手架生成、Agent 设计、任务设计、文档查询等。CrewAI 社区可以发布和共享 Skills。
Claude Agent SDK 的 Skills 系统更工程化。每个 Skill 是 .claude/skills/*/SKILL.md 目录下的 Markdown 文件，包含触发条件、步骤、注意事项。Claude Code 和 Claude Agent SDK 共用同一套 Skills。Anthropic 还做了 Skills Marketplace，可以分享和安装社区 Skills。这套东西已经在生产环境中验证过了。
⭐ 有类似能力但名字不叫 Skills：Google ADK、LangGraph
Google ADK 最近加了 Skill Registry 接口（2026 年 5 月刚合并），正在建设正式的 Skills 系统。目前通过丰富的工具生态和 Agent Config（无代码 Agent 构建）实现类似的可复用能力。
LangGraph 没有显式的 Skills 概念。它的可复用单元是"子图"——定义好的图结构可以作为节点嵌入更大的图中。加上 LangChain 生态的 Prompt Templates 和预构建组件，也能达到类似效果，但不如 CrewAI 和 Claude 那么直白。
⚠️ 基础层面：OpenAI Agents SDK、MS Agent Framework
OpenAI Agents SDK 的仓库里有 .agents/skills/ 目录，但那是给项目自身用的，不是给用户的 Skills 框架。用户能做的是把 Agent 定义为 Tools（Agents as tools），实现复用，但没有标准的 Skills 模板系统。
MS Agent Framework 通过中间件和声明式 Agent 定义实现类似效果，但没有显式的 Skills 抽象。
| 框架 | Skills 支持 | 实现方式 |
|---|---|---|
| CrewAI | 一等公民 | Markdown 文件 + 社区仓库 |
| Claude Agent SDK | 一等公民 | SKILL.md 目录 + Marketplace |
| Google ADK | ⭐ 建设中 | Skill Registry（刚合并） |
| LangGraph | ⭐ 间接 | 子图 + Prompt Templates |
| OpenAI Agents SDK | ⚠️ 基础 | Agents as Tools |
| MS Agent Framework | ⚠️ 基础 | 中间件 + 声明式定义 |
动态 Agent 创建：谁最强
六个框架都支持动态创建 Agent，但方式和灵活度差异很大。
LangGraph：子图组合，最灵活
LangGraph 的核心抽象就是图——节点是函数，边是状态转移。动态创建 Agent 就是动态构建子图。你可以在运行时决定图的拓扑结构，根据条件创建不同的分支和节点。
# LangGraph: 动态构建子图
from langgraph.graph import StateGraphdef create_dynamic_agent(tools, prompt):graph = StateGraph(AgentState)graph.add_node("agent", call_model)graph.add_node("tools", tool_node)# 运行时决定边graph.add_conditional_edges("agent", should_continue)return graph.compile()
LangGraph 还支持持久化执行（Durable Execution）——图的状态可以检查点保存，中断后恢复。Human-in-the-loop 通过 interrupt 机制实现。这是其他框架没有的。
CrewAI：角色分配 + Flows 编排
CrewAI 的动态 Agent 创建有两种模式：
Crews 模式：定义一组角色（Researcher、Writer、Reviewer），Manager Agent 动态分配任务给最合适的角色。
Flows 模式：事件驱动的工作流，支持条件分支、循环、并行。可以在 Flow 中动态创建新的 Agent。
# CrewAI: 动态角色分配
researcher = Agent(role="Researcher", goal="Find information", ...)
writer = Agent(role="Writer", goal="Write content", ...)
crew = Crew(agents=[researcher, writer], process=Process.hierarchical)
Claude Agent SDK：子 Agent 调度
Claude Agent SDK 的子 Agent 是最接近"自主创建"的——主 Agent 可以在运行时根据任务需要，自动决定是否派生子 Agent。不需要显式编排。
# Claude Agent SDK: 子 Agent 自动调度
agent = Agent.create(agents={"code-reviewer": {"description": "Expert code reviewer","prompt": "Review code for bugs and security",},"test-writer": {"description": "Writes tests","prompt": "Write comprehensive tests",},}
)
# 主 Agent 自动决定何时调用哪个子 Agent
OpenAI Agents SDK：Handoffs + Sandbox Agents
OpenAI 的方式最简洁——Handoffs。Agent A 可以把控制权交给 Agent B，就像客服转接一样。
# OpenAI Agents SDK: Handoffs
triage_agent = Agent(name="Triage", handoffs=[research_agent, code_agent])
v0.14 新增了 Sandbox Agents——带容器化文件系统的 Agent，适合长时间运行的任务。
MS Agent Framework：图工作流
和 LangGraph 类似的图工作流模式，但加了分层架构：Core API（消息传递、事件驱动）→ Agent Chat API（高层）→ Extensions。支持时间旅行（time-travel）调试。
Google ADK：层级组合
通过 sub_agents 参数把多个 Agent 组合成层级结构。父 Agent（Coordinator）根据任务分派给子 Agent。
# Google ADK: 层级组合
coordinator = LlmAgent(name="coordinator",sub_agents=[research_agent, code_agent, review_agent]
)
| 框架 | 动态创建方式 | 灵活度 | 特色 |
|---|---|---|---|
| LangGraph | 子图动态构建 | ⭐⭐⭐ | 持久化执行、检查点 |
| CrewAI | 角色分配 + Flows | ⭐⭐⭐ | 层级式 Manager |
| Claude SDK | 子 Agent 自动调度 | ⭐⭐⭐ | Agent 自主决定 |
| OpenAI SDK | Handoffs + Sandbox | ⭐⭐ | 简洁、容器化 |
| MS Framework | 图工作流 | ⭐⭐⭐ | 时间旅行调试 |
| Google ADK | sub_agents 层级 | ⭐⭐ | 三语言一致 API |
MCP 支持：确实都支持，但方式不同
你说得对——六大框架都支持 MCP。但集成深度不同：
| 框架 | MCP 集成深度 | 详情 |
|---|---|---|
| Claude Agent SDK | 原生 | 最深。MCP 是一等概念，支持 stdio/SSE 外部服务器，还支持进程内"SDK MCP Server"（Python 函数直接变 MCP 工具，不需要子进程） |
| CrewAI | 原生 | 专门的 MCP 集成文档：MCP Servers as Tools、MCP DSL、stdio/SSE/HTTP 三种传输、多服务器、安全配置 |
| OpenAI Agents SDK | 原生 | 支持 Hosted MCP、HTTP+SSE、stdio。动态/静态工具过滤、缓存、prompts |
| Google ADK | 原生 | 三个语言版本都集成了 MCP SDK。Python 和 Java 都有 mcp_tool 模块 |
| LangGraph | 适配器 | 通过 langchain-mcp-adapters（3.5k star）桥接。不是原生支持，但 LangChain 生态覆盖面广 |
| MS Framework | 集成中 | 通过 Foundry Toolboxes 和 A2A 协议间接支持。MCP 文档相对其他框架最少 |
Claude Agent SDK 有个独门绝技——SDK MCP Server。通常 MCP 服务器是独立进程（stdio 或 HTTP），但 Claude SDK 允许你在同一个 Python 进程里定义 MCP 工具：
# Claude Agent SDK: 进程内 MCP 服务器
@tool
def search_docs(query: str) -> str:
"""Search internal documentation."""return search_engine.query(query)mcp_server = create_sdk_mcp_server(name="internal-tools",tools=[search_docs]
)
不需要启动额外的进程，不需要 JSON-RPC 通信，Python 函数直接就是 MCP 工具。这个设计很优雅。
多语言支持：Google ADK 最猛
| 框架 | Python | JS/TS | Java | Go | C#/.NET |
|---|---|---|---|---|---|
| LangGraph | ✅ | ✅ | — | — | — |
| CrewAI | ✅ | — | — | — | — |
| Claude SDK | ✅ | ✅ | — | — | — |
| OpenAI SDK | ✅ | ✅ | — | — | — |
| MS Framework | ✅ | — | — | — | ✅ |
| Google ADK | ✅ | — | ✅ | ✅ | — |
Google ADK 是唯一一个支持三种语言的框架。 Python（v1.32.0）、Java（v1.2.0）、Go（v0.x），API 设计保持一致。Java 版用 Builder 模式（LlmAgent.builder()），Python 版用更 Pythonic 的风格，但核心概念一一对应。
MS Agent Framework 的特殊之处在于支持 .NET/C#——这是企业 .NET 技术栈唯一的选择。
CrewAI 是唯一只有 Python 的框架，但它也是最纯粹 Pythonic 的。
选型建议
不搞模糊的"看情况"，直接给具体建议：
你想要什么 → 选什么：
| 你的需求 | 选这个 | 理由 |
|---|---|---|
| 复杂状态流转、持久化执行 | LangGraph | 检查点、中断恢复、子图组合，状态机最强 |
| 快速原型、社区生态 | CrewAI | 50k star 最活跃，Skills 一等公民，上手最快 |
| Claude 深度用户 | Claude Agent SDK | MCP 最深集成，Skills + Memory 完整，子 Agent 自主调度 |
| 简单 Agent 任务 | OpenAI Agents SDK | 最轻量，100+ LLM 可用，Handoffs 简洁 |
| 企业 .NET 技术栈 | MS Agent Framework | 唯一支持 C#/.NET 的选择，Azure 深度集成 |
| 多语言团队 | Google ADK | Python + Java + Go，三语言一致 API |
| MCP 是核心需求 | Claude SDK > CrewAI > OpenAI SDK | 三者都原生支持，Claude 有进程内 MCP |
| Skills 是核心需求 | CrewAI > Claude SDK > Google ADK | CrewAI 和 Claude 是一等公民，Google 正在建设 |
一个值得注意的趋势： 六个框架正在趋同。LangGraph 加了 MCP 适配器，OpenAI 加了 Sandbox Agents，Google 加了 Skill Registry，微软统一了 AutoGen 和 Semantic Kernel。大家都在补齐自己的短板。
选框架不用太纠结——2026 年的 Agent 框架不像 2023 年的 LLM 那样差距巨大。核心能力（MCP、动态 Agent、工具调用）都有了。选你技术栈匹配的、API 风格顺手的就行。
作者: itech001
来源: 公众号：AI人工智能时代
主页: https://www.theaiera.cn，每日分享最前沿的AI新闻和技术。
本文首发于 AI人工智能时代，转载请注明出处。