Параўнанне CrewAI, AutoGen, LangGraph, OpenAI Agents SDK і smolagents
Інжынернае параўнанне пяці адкрытых агентных фрэймворкаў па аркестрацыі, памяці, інструментах, ацэнках і назіральнасці, а таксама тыповыя патэрны збояў.
Кожны, хто даваець працу над стварэннем прыкладнасцей на асасце LLM працоўнае час, сталкнуецца з тым самым працоўнай пераканаўкай: адна запытка і адна петля вызову інструменту недастатні. Рэальныя сістэмы выклікаюць патрэбу ў калькі разоў прабаў, розгалужэннях, спяльнай памяці, паўтарэннях, чалавечых контрольных пунктах, а таксама у спосабе з’ясавання, чаму агент паставіўся неправільна о 3 гадзіні ночы. Існуюць фрэймворкі для агентаў, якія падтрымліваюць такую работу.
Пачатком 2026 года сфера адзён-кода праслужыла каналкамі кілька серйозных кандыдаў: CrewAI, AutoGen ад Microsoft, LangGraph ад LangChain, Agents SDK ад OpenAI і smolagents ад Hugging Face. Іхні маркетынгавыя матэрыялы звучаць падобна, пры тым чыстарактурнае планаванне, эрганаміка і працэздатнасць сутэйна разлічаюцца. Цэлая гэтая параболіка ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўжо ўж
CrewAI выкладвае все у вачынку каля каманды агентаў, кожны з якіх мае свою ролю, цель і історыю. Агенты отрымаюць заданні і інструменты, а сама праметра прымае на сябе кераванне дэлегаваннем, перадачай заданняў і або секвэнцыйным, або іерархічным процэсам.
Яго найлегча чытаць вучыма. Crew, які складаецца з дзеячага, аналізавача і пісьменніка, — гэта тое, што менеджэр продукту можа адразу зрозумець. Цена яго ёсць абстракцыя з недосконаласцямі: калі дэлегаванне паходзіць не так, для дыбаггінгу трэба аналізаваць пераказванні між агентамі, а не дэтэрміністычную структуру. За апошні год яно атрымало функцыі керавання праймамі і памяці, а кліентская лінія команды crewai run плюс інструменты тэлеметрыі робяць яго ўжо болей прыдатным для практычнага выкарыстоўвання, чым раней. Тым не менш, LLM адпавядае за рашэнні ў кантэксце оркестрацыі, таму выкарыстоўванне токенаў і недэтэрмінізм ў яму вышэ, чым у праектах, заснованых на графах.
Ён падходзіць для ланцоў апрацоўкі контэнту, рабочых процэсаў даследжэнняў і ў будзь-якіх сітуацыях, калі калькамі рэальных арганізацыйных ролей павінны быць калькі разных персона.
AutoGen
AutoGen быў значна перапісан у сваей версіі v0.4, перайшоўшы на мадэль актара, керованага запускамі, з рэальным часам адработкі і посерэднікам у перадачы паведамленняў. Багато людзей даўжа выявляюць стары стыль GroupChat з версіі v0.2, але нынешнія напрамкі нагадваюць распрашчаную сістэму актараў, дзе агенты адмаўляюцца паведамленнямі, а можна заменіць разныя часы адработкі.
Рэзультатам являецца самая орыўнтаваная на сістэмы структура ў групе, якая з’яўляе можлівасць дэтальнага кантролю над маршрутызацыяй паведамленняў, умовамі завершэння і жыцёвым цыклам агентаў. Складнасць — гэта цена. Нават простая чат-сістэма з двума агентамі выклікае больш коду, чым CrewAI, а раздэлы «Падзеі, тэмы і час выканання» выклікаюць ад чытальніка больш зусіль, чым проста команда. Ён таксама паслужыў надзеям у доследжэннях з удзелам калькольных агентаў, такіх як дэбаты, рафлексія і суспэльства з адной думкай, адколі Microsoft Research стварыў яго, вядомя пра гэта.
Ён падходзіць для доследжэнчых праектаў з удзелам калькольных агентаў, індывідуальнай маршрутызацыі паведамленняў і команд, якія звыклі думаць у стылі актараў.
LangGraph
LangGraph выступае з абсалютнаю стойкасцю ў пытках кантролю за праймам выканання, мадэлюючы кожны рабочы працэс як граф станоў. Вузлы можуць быць звычнымі функцыямі аб вызовамі агентаў, рэшткі можуць быць фіксаванымі аб умовнымі, а тыпаваная схема станоў праходзіць праз усё гэта. Функцыя стварэння кэш-точак ёсць важлівай часткай сістэмы, якая дазволяе эфектываўна зберагаць стан, пераглядаць праймы выканання і дадаць можлівасць перэрываў з удзелам чалавека.
Гэты выбар калі правільнасць і можлівасць аўдытавання маюцы прыорытэт над шыроцай дэманстрацыі. Граф ёсць явным, што значыць, яго можна тэставаць, атрыбутаваць і аналізаваць. Недакладнасці: ён успадковуе рэпутацыю LangChain па наявнасці шароў абстракцыі, глыбокая іерархія выканавальных элементаў застаецца складной для дыбагавання нават з вікорыстаннем LangSmith, а крывая навучэння ёсць болей крутай, чым у падходзе CrewAI, які базуецца на візначэнні агентаў і задач.
Гэта оптымальна для рабочых практык вырабаткі, якім патрабуецца дэтэрміністычны ход задач, процедуры затверджэння, можлівасць павторнага адгэювання і ведачы аўдыту, а таксама для тых, хто ужо ў экасістэме LangChain.
OpenAI Agents SDK
Гэты пакет на Python з адкрытым кодам формалізуе шаблоны з пакульнага эксперымента OpenAI пад назвай Swarm. Мадэль ў лёгкай версіі: агенты несу інструкцыі, інструменты і даныя для перадачы, механізмы контролю абараняюць вхідныя і выходныя даныя, а функцыя трэйсінгу ёсць вбудованай.
Гэта максаменя не нагадвае фрэймворк. Не існуе ні дварчага для графаў, ні асяроддзя выканання актораў — толькі агенты, інструменты, перадачы дадзеных і цыкл выканання. Гэта прыямоц для тых, хто хочаць бачыць абоўшчынна, што адбываецца, але гэта мерыя для тых, хто патрэбуе складнага керавання станам. Стандартныя настройкі спрыяюць вікорыстоўванню модэляў OpenAI праз API Responses і адпаведны фармат трэйсінгу, хоць іншыя прадаўцы працуюць за дапамогою адаптараў модэляў. Прымітыва guardrails ёсць практычна корыстная, а ў іншых разах яна зазвычай з’яўляецца пазней як дадатак, а не як ключовая частка.
Гэта падходзіць для стэкіў, заснованых на OpenAI, для команд, якія хочаць тонкі шар над цыклам модэля, а таксама для дызайнаў, дзе галоўным прыемам ёсць перадачы дадзеных межы спецыялізаваных агентаў.
smolagents
smolagents адзеяць Hugging Face — гэта ўнікальны прыклад. У працоўванні ён не выкарыстоўвае звычайны цыкл ReAct з вызывама інструмента, прыемам JSON і яго парсаваннем, а замест таго вікорыстоўвае кодовыя агенты: LLM пішае і запускае код на Python, каб выкарыстоўваць інструменты. Шаблон спецыяльна зроблена мінімалістычным, з вельмі маленькай базай коду, і працюе як з CodeAgent, так і з болей традыцыйным ToolCallingAgent.
Кодовыя агенты прыносяць рэальныя перадчынства. Не бывае проблем з парсаваннем JSON, вызывы інструментаў выконваюцца па-прыроднаму, а мадэль можа безпасабіць цыклы і умовныя выразы. Выразны рызык — запуск коду, створанага LLM, але smolagents смягчае гэты рызык за дапамогою опцыяў сандбоксаў, такіх як E2B, і локальных інтэрпрэтатораў. З пяці такіх раўнаў, гэты ў большай меры можа стварыць неспакой, як у позытыўным, так і у негатыўным сэнсе.
Ён ідзеальна падходзіць для даследжэнняў і працы з дадзеннямі, дзе код ёсць натуральны спосаб дзеяння, для легкіх розмешчэнняў, а таксама для команд, якія хочуць компактную і практычную базу коду.
Няявная протыявная оркестрацыя
Самая большая архітэктурная разліка — гэта няявная оркестрацыя (CrewAI, GroupChat у AutoGen) протыявной оркестрацыі (LangGraph, перадачы задач у SDK OpenAI, запускатэль smolagents).
Пры няявной оркестрацыі LLM выбірае, хто будзе дзейваць далей. Гэта гнучкая методыка, якая чудова пад дэманстрацыямі, але ў працэйнай суперакцыі яна стварае недэтэрмінізм: ідэнтычны вхідны даны можа даць розныя последовальнасці дзействае агентаў, што ускладнюе ацэнку, паставляе працы пад адлагоджэнне і выкорыстоўвае дапаможныя токены на коордынацыю.
Пратыявная оркестрацыя праз графы, перадачы задач або код дазволяе контролаваць тэкст развіцця працы. Яе можна накрэсліць, працаваць з яю і размясціць контрольныя пункты ў правым месцы. Косцом яе ёсць дадатковыя зусіллі пад час праектавання, адколі граф трэба рэшыць адначасова з падготовкай да рэалізацыі.
Разумная правіла: для працэсаў работы «даследжэнне і стварэнне рэзультата» дапускаецца неявная коордынацыя. Калі працэс работы стосуецца грошэй, дакументаў кліента аб незворачных дзеянняў, неабходна выбраць явную коордынацыю і прыключыць людзя, які будзе стаціярацыйны момент, без жадных аўтаматызацыйных аўтаномных рашэнняў.
Памяць і стан
Памяць застаецца слабым месцам у большайшай часткі з іх. CrewAI распаўляе прымітывы на краткастрокавыя і дзейнастракавыя з можлівасцю замены бэкенду. Мадэль актара AutoGen зберагае історыю паведамленняў і стан кожнага агента, хоча дзейнастракавая памяць між сесіямі пераважна застаецца на рашынку распрацоўшчыка. Функцыя контролю стану у LangGraph ёсць наймоцнейшая — ёй прыналежыць серыялізаваны стан, можлівасць перэгляду паведамленняў і дэбаггіну з вікорыстаннем механізму паўтарэння дзеянняў. SDK OpenAI Agents застаецца простым: стан сесіі зберагаецца ў кантэксце выканання, а дзейнастракавая памяць — на рашынку распрацоўшчыка. smolagents навмысна застаецца мінімалістычным. Перад тым, як перэйсці да кальколькі сесій, трэба будзе самостоятэльна стварыць сабе сховішча вектараў або базу дадзенаў, адтак ўбудованая памяць ёсць толькі пачатковай пунктай, а не готовай функцыяй.
Інтэграцыя з інструментамі
Усе пяць падтрымліваюць інструменты для вызыва функцый, і ў яных розніца ў зручнасці ўжыцця:
- CrewAI вікорыстоўвае дэкаратар
@tool, які ёсць прыемным для простых кэсыў. - AutoGen спрэтвараіннікі прыймае як функцыі з адказамі, хоча модэль актара додае певную непрамасць.
- LangGraph прыўязвае спрэтвараіннікі да вузлаў, чым дазволяе складаць спрэтвараіннікі LangChain або пісаць звычныя функцыі.
- SDK OpenAI Agents мае дэкаратар
@function_tool, які ўсё проста і добра аналізуе схемы. - Спрэтвараіннікі smolagents — гэта об’екты Python, якія агенты вызываюць безпосерэдньа, пры чым не відбуваецца серыялізацыя ў фармаце JSON.
Для стандартных запытанняў у фармаце REST або Python падходзіць будзь-кой з іх. Калі ёсць дзесяткі спрэтвараіннікаў і складныя схемы, LangGraph у поўнай сувязі з екосістамай спрэтвараіннікаў LangChain прыносіць наібольшую гнучкасць, але з усіма якіяя з тым асоцыяваныя плюсамі і мінусамі.
Ацэнка
Ацэнка ёсць найбольш разчароўваючым аспектам у всіх падходах, адтолькі ў жаднай з платформ няма моцнага падходу. Варыянты выглядаюць так:
- LangSmith жорсткая чынюе з Лангграфам і ўтварае найболей распрацаваную пару для трэйсінгу і ацэнкі, хоць яна ў комерчыям фармаце з бесплатным рэжымам.
- Функцыя трэйсінгу ў SDK OpenAI Agents аддае можлівасць аналізу паводзяў і наявнасць панелі керування, што корыстна для перагляду, але не падходзіць для повнай ацэнкі.
- CrewAI абумоўчвае можлівасці трэніравання і сбору тэлеметрычных даных, але спыяе на частыя запускі і стазіроўкі, а не на структураваную ацэнку.
- AutoGen і smolagents пераважна залучаюць ацэнку да адпаведальнасці распрацоўшчыка.
Серьёзныя праекты вымагаюць стварэння спецыяльнага інструментарыя на базе promptfoo, DeepEval або сэрвісаў з LLM як суддзя, а таксама ўпрыема іх у працэс CI. Ацэнка агентаў ўскладненая, калі прыходзіць да ацэнкі не толькі канечнага рэзультата, але і кожнага крока па шляху, таму трэба выдзеліць час на гэта.
Аперацыі і стварэнне статыстык
Агенты, якія працуюць у працэсе, патрабуюць функцый трэйсінгу, павторных запускаў, назірання за вітратамі і захоўнікаў. Короткая відпаведзь:
- LangGraph з LangSmith апавярае найбольшую ступень нарадзібнасці, уключаючы трэсы на рэвэлі і можлівасць паўтарэння.
- SDK OpenAI Agents сачытае трэсінг і правіла абмежэння за прымітывамі першага класу, што являецца явным прынтэм.
- CrewAI апавярае тэліметрыю і інтэгруецца з інструментамі, такімі як AgentOps і Langfuse.
- Сістэма автонамнага выканання AutoGen v0.4, адчыненая на змаганні з адбываемымі змаганнямі, выдае структураваныя змаганні, якія можна перадаць у будзь-які бэкэнд.
- smolagents ўособліва просты, таму логаванне трэба налаштаваць самостоятэльна.
Што стосуецца костоў, ніякі з гэтых фрэймворкаў не запобегае чрэзмерным вытратам. Ціклы агентаў могу спаліць многа токенаў на паўтарэннях і абмены межы агентаў, таму трэба задаць максымальную колькасць ітэрацый, ліміт токенаў на кожны крок і верхнюю межу костоў за адну руну, а таксама абавесці пра кожны з гэтых параметраў. Неправільна налаштаваныя агенты могу заплаціць 40 долераў за адну руну, калі адны агент постаўляе іншаму запыткі на адказ.
Шаблоны неудач, якія продовжаюць павтарацца
- Эксплозіія токенаў унаследкі размов між агентамі, якая ўскладнюецца ў фрэймворках з неявным кераваннем. Неабходна обмежэння колькасці ітэрацый і раундав.
- Безшумныя бягучыя працынкі інструментаў, калі агент отрымае памылку 500 і намагаецца яе адмаўіць замест таго, каб яе адзначыць. Неабходна, каб памылкі інструментаў былі відны і можна было іх перапрыцягнуць.
- Бягы, якія нельга воспаўтаваць. Без стварэння пунктав перапытку, як у LangGraph, або фіксаваных значэнняў, адно і тое ж уведзенне дае разныя рэзультаты, і дэбаггін стае вельмі складным.
- Прасочынкі ў механізмах захавання. Команды зазвычай дадаюць верыфікацыю выходных даных пазней, і прыемнік guardrails у OpenAI Agents SDK ўтварае гарны прыклад, які можна скопіяваць нават без вікорыстання SDK.
Выбір
Няма аднаго абсалютнага паводзяра, але прыбліжныя крэты належнае:
- Калі ужо вікорыстоўваеце LangChain і вам патрэбны лёгкія следы дзеянняў або удзел чалавека: LangGraph.
- Калі гэта магазін OpenAI, які хочаць мінімальнай абстракцыі: OpenAI Agents SDK.
- Для доследжэнняў з калькама агентаў у стыле актара: AutoGen.
- Для чытабельных команд на адной основе ролей і рабочых праграм з кантэнтам: CrewAI.
- Для малага розміру, коду як дзеяння і задач з данымі: smolagents.
У практыцы сістэмы агентав для працы зазвычай складаюця з простага шаблоннага слоя, які допамагае, але большая частка функцыяналу рэалізуецца вручную. Жадны шаблон не надае безкоштовна можлівасцей павторных спроб, аналізу, лімітацыі віток, захоўніцтва правіл аб стварэння статыстык. Выберыце шаблон, якога мадэль керавання падходзіць да вашай проблемы, а потым зусілля сконцентруйце на менш прыгляднай інфраструктурэ, якая ўтварае основу, і самэ тут насправды відбываецца праектаванне агентав для працы.
Спадневаная літэратура
- Дзесяць самастойных платформ на адкрытым кодзе для агентав AI, сортаваных па тым, калі саме цэгуеся підпрыемству — Пораўнянне дзесяці платформ на адкрытым кодзе для агентав AI для бізнесу: enterprise no-code, Activepieces, Kestra, Windmill, Dify, Langflow, Coze Studio, MaxKB, AnythingLLM і RAGFlow.