在动手构建Harness之前，你需要对现有的工具有一个全景式的认识。这不是为了让你陷入“选择困难”，而是为了让你理解：不同的框架解决了什么问题，它们的设计哲学有何差异，以及你该如何根据自己的场景做出选择。
一个残酷的现实是：Agent框架领域在过去两年里经历了爆发式增长和快速洗牌。2024年初的明星项目，到了2026年可能已经停止维护。因此，本节的重点不是推荐某个“最好”的框架，而是帮你建立一套评估框架的方法——这样无论生态如何变化，你都能做出自己的判断。
在深入具体框架之前，先理解一个关键的分类维度：框架在Agent开发栈中的位置。
┌─────────────────────────────────────────────────┐
│ 应用层（你的产品逻辑） │
│ │
│ ┌──────────────────────────────────────────┐ │
│ │ Harness层（本书重点） │ │
│ │ 评估 · 可观测 · 部署 · 安全 · 治理 │ │
│ └──────────────────────────────────────────┘ │
│ ┌──────────────────────────────────────────┐ │
│ │ 编排层（Agent框架） │ │
│ │ 状态管理 · 图编排 · 多Agent协作 │ │
│ └──────────────────────────────────────────┘ │
│ ┌──────────────────────────────────────────┐ │
│ │ 模型层（LLM能力） │ │
│ │ 推理 · Function Calling · 嵌入 │ │
│ └──────────────────────────────────────────┘ │
└─────────────────────────────────────────────────┘
大多数被称为“Agent框架”的项目，实际上横跨了Harness层和编排层。比如LangChain既有编排能力（Chain、Agent Executor），也有Harness能力（LangSmith用于可观测、LangEval用于评估）。理解一个框架在哪一层投入了更多精力，比记住它的功能列表更重要。
LangChain / LangGraph
定位：Agent开发的“瑞士军刀”，生态最丰富。
LangChain是Agent领域的先行者。2023年，它几乎是“LLM应用开发”的代名词。它提供了海量的组件：模型封装、向量数据库连接器、工具定义、Prompt模板、记忆模块……
但LangChain的“大而全”也带来了问题：抽象层过多、行为不够透明、调试困难。2024年初，LangChain团队推出了LangGraph，基于图（Graph）的编排框架，用节点和边的概念来显式定义Agent的状态流转。
LangGraph的核心思想：Agent的执行逻辑是一个有向图——每个节点是一个处理步骤（调用LLM、执行工具、判断分支），边定义了状态如何流转。
# LangGraph的典型结构
from langgraph.graph import StateGraph, END
graph = StateGraph(AgentState)
graph.add_node("agent", call_llm) # LLM决策节点
graph.add_node("tools", execute_tools) # 工具执行节点
graph.add_edge("agent", "tools") # LLM决定用工具 → 去执行
graph.add_edge("tools", "agent") # 工具完成 → 回到LLM继续思考
graph.add_edge("agent", END) # LLM给出最终答案 → 结束
适合谁：需要高度定制编排逻辑、愿意深入理解内部机制的团队。LangGraph的图结构让Agent的行为显式化——你可以清楚地看到每一步的决策路径，这对调试和审计非常有价值。
注意：LangChain/LangGraph的API变动频繁，学习成本不低。但如果你只能深入学一个框架，LangGraph目前是最值得的选择。
OpenAI Agents SDK 定位：极简、现代、与OpenAI生态深度绑定。
OpenAI在2025年发布的Agents SDK（原Swarm项目的演进版）走了与LangChain截然相反的路线：极度精简。它的核心概念只有三个：
Agent：一个有指令、工具和可选交接（handoff）的LLM实例
Handoff：Agent之间传递对话控制权的机制
Guardrail：在Agent执行前/后运行的验证逻辑
from agents import Agent, Runner
support_agent = Agent(
name="客服助手",
instructions="你是客服，帮助用户解决问题",
tools=[check_order, refund_order]
)
result = Runner.run_sync(support_agent, "我的订单还没到货")
设计哲学：把复杂性留给模型，把简单性留给开发者。没有图、没有复杂的编排原语——Agent之间的协作通过“交接”完成，模型自己决定什么时候交接。
适合谁：快速构建原型、Agent数量不多、不需要复杂的控制流。如果你主要是调用OpenAI的模型，这个SDK的体验非常流畅。但如果你需要深度定制执行流程（比如自定义循环、复杂的并行分支），它的灵活性有限。
Microsoft AutoGen 定位：多Agent协作的开创者，研究驱动的框架。
AutoGen在2023年底点燃了“多Agent”的热潮。它的核心概念是Agent对话：多个Agent（各有各的角色和工具）通过对话协作完成任务。一个典型的AutoGen场景是“程序员Agent + 评审Agent + 产品经理Agent”一起讨论并实现一个功能。
AutoGen的GroupChat模式尤为经典：
用户：帮我写一个快排函数
程序员Agent：我来写初版代码...
评审Agent：这里递归深度可能有问题，建议加尾递归优化...
程序员Agent：收到，修改后如下...
注意：AutoGen在2024-2025年经历了一次大重构（AutoGen 0.4），API发生了重大变化。它的多Agent对话模式在研究实验和探索性任务中表现很好，但在生产环境中，多Agent自由对话的不可预测性和成本是显著问题。
适合谁：研究多Agent协作模式、探索Agent在复杂任务中的协作潜力。如果你的场景需要严格的流程控制和成本预算，AutoGen的自由对话模式可能过于“自由”。
CrewAI
定位：角色扮演式的多Agent协作，上手最简单。
CrewAI的核心抽象是Crew（团队）：你定义一组Agent（各自有角色、目标和背景故事），再定义Task（任务），CrewAI自动安排它们协作完成。
researcher = Agent(role="研究员", goal="收集最新的市场数据")
writer = Agent(role="写作者", goal="将研究结果写成报告")
crew = Crew(agents=[researcher, writer], tasks=[...])
特点：概念直观、文档友好、社区活跃。但底层能力相对简单，适合内容生成类的工作流（研究→写作→审核），不适合需要复杂工具编排和精确状态控制的场景。
LlamaIndex 定位：RAG起家，扩展到Agent，数据连接能力最强。
LlamaIndex最初专注于检索增强生成（RAG），在数据加载、索引、查询方面积累了深厚的能力。后来扩展到Agent领域后，它的优势在于数据密集型Agent——需要连接大量异构数据源的场景。
如果你要构建的Agent大量依赖文档检索、知识库查询、结构化数据分析，LlamaIndex值得关注。但如果你的Agent核心逻辑是工具编排而非数据检索，LlamaIndex的优势就不那么明显了。
以下工具不负责Agent的“执行”，而是专注Harness层的某个关键能力。它们通常与上述框架配合使用，而非替代。
LangSmith（可观测与评估） LangChain团队推出的商业平台，提供Agent执行轨迹的可视化、评估数据集管理、在线实验对比。核心价值：让你看到Agent的每一次“思考”，并能系统地评估不同版本的表现。
Langfuse（开源可观测） LangSmith的开源替代品，功能接近，可以自托管。如果你的团队对数据隐私有严格要求，或者预算有限，Langfuse是很好的选择。
AgentOps（可观测与分析） 专注Agent会话的监控和分析，覆盖成本追踪、失败模式分析、会话回放等。与LangSmith相比，AgentOps更偏向“运营分析”视角，而非“开发调试”视角。
Phoenix (Arize)（可观测与评估） 开源项目，强调实时监控和评估与生产数据的结合。如果你已经用Arize做模型监控，Phoenix能自然地扩展到Agent场景。
面对这么多选项，怎么选？我的建议是按场景决策，而非按流行度决策。
第一步：先问自己三个问题
你的Agent主要是单Agent还是多Agent？ 单Agent场景下，OpenAI Agents SDK或LangGraph都够用。多Agent场景下，需要评估CrewAI的角色模型还是LangGraph的显式编排更适合你的控制需求。
你需要多大程度的流程控制？ 如果需要精确控制执行步骤（比如审批流、固定顺序），LangGraph的图编排是最佳选择。如果你信任模型自主决策，Agents SDK更简单。
你的数据环境是怎样的？ 如果大量依赖文档检索，LlamaIndex有天然优势。如果需要连接企业内部的各类API，重点考察工具生态的丰富度。
第二步：选择主框架，而非堆砌
一个常见的错误是在项目中同时使用多个框架。LangChain的Agent + CrewAI的多Agent + LlamaIndex的RAG——这会造成概念冲突、依赖膨胀和调试噩梦。选一个主框架，深度使用它。
第三步：Harness层单独选型
无论你选哪个编排框架，评估、可观测、部署这些能力可以独立选型。比如用LangGraph做编排 + Langfuse做可观测 + 自建评估集，是一个合理的组合。
框架生态的多样性反映了一个现实：Agent开发还没有“标准答案”。 不同的框架代表了不同团队对“Agent应该如何构建”这一问题的不同回答。理解这些差异，比记住功能清单更有价值。
在下一节中，你将亲手跑通第一个Agent。这个Agent不会使用任何框架——只有OpenAI SDK和一个循环。当这个简单的Agent运行起来时，你会直观地感受到：框架所封装的那些“复杂性”，究竟藏在哪里。