框架与生态专有名词
程小虎
框架与生态专有名词
学习目标：理解常见 AI Agent 框架、协议和工具生态分别解决什么问题。
1. 这一类为什么重要
AI Agent 项目通常不会从零开始写所有组件，而是使用框架来管理 Prompt、工具、记忆、状态、检索和多 Agent 协作。了解生态可以帮助快速选型。
2. 核心名词详解
| 名词 | 详细说明 | 常见使用场景 |
|---|---|---|
| LangChain | 面向 LLM 应用开发的框架，提供链、工具、检索、记忆等组件。 | 快速搭建 RAG、工具调用、聊天应用。 |
| LangGraph | LangChain 生态中的图状态机框架，适合复杂 Agent 工作流。 | 多步骤 Agent、可回退流程、人工审批节点。 |
| LlamaIndex | 侧重数据接入、索引和 RAG 的框架。 | 文档知识库、企业数据问答。 |
| AutoGen | 多 Agent 对话与协作框架。 | 多角色协作、自动编程、研究助手。 |
| CrewAI | 用角色、任务和流程组织多个 Agent。 | 团队式 Agent、内容生产、调研流程。 |
| OpenAI Assistants API | OpenAI 提供的助手能力封装，支持工具和线程等概念。 | 快速构建助手应用。 |
| MCP | Model Context Protocol，用于连接模型与外部工具/数据源的开放协议。 | 工具接入、IDE 助手、数据库/文件系统连接。 |
| A2A | Agent-to-Agent，智能体之间通信和协作的概念或协议方向。 | 多 Agent 分工协作。 |
| Vector Store | 存储向量并提供相似度检索的组件。 | RAG、语义搜索。 |
| Workflow Orchestration | 工作流编排，把多个步骤、条件和工具组织起来。 | 自动化流程、审批流程、复杂任务执行。 |
3. 使用场景
- 简单 RAG 应用可以优先考虑 LlamaIndex 或 LangChain。
- 复杂 Agent 状态流可以考虑 LangGraph。
- 多角色协作可以考虑 AutoGen 或 CrewAI。
- 需要标准化工具接入时关注 MCP。
4. Agent 框架选型图
5. 学习建议
先理解 Agent 的基本循环，再学习框架。框架只是把 Prompt、工具、记忆、状态和流程封装起来，概念不清楚时直接学框架容易只会调用 API。