# 多Agent开发框架：角色协作、流程控制与工程集成

页面：https://maomu.com/discover/multi-agent-development-frameworks

比较CrewAI、Google ADK和LangGraph的多Agent开发抽象，区分角色任务、Agent团队与状态图，帮助把协作关系写进可维护流程。

编辑：猫目编辑部
内容更新：2026-11-11
资料核验：2026-11-11

## 先看怎么选

希望围绕角色与任务组织协作，可看CrewAI并用Flow管理状态；希望沿Agent团队与工作流SDK开发，可看Google ADK；需要显式状态图、持久化和中断恢复，可看LangGraph。按控制逻辑所在层选择。

多Agent系统的核心问题是怎样分工、交接状态和控制执行。CrewAI、Google ADK与LangGraph提供不同抽象：角色与任务、Agent团队和工作流、显式状态图。选框架时，先看团队希望把控制逻辑写在哪里。

## 三种抽象会怎样影响开发

| 框架路径 | 适合先表达的东西 | 维护重点 |
| --- | --- | --- |
| CrewAI | 角色、任务、Crew与Flow | 谁做什么，Flow怎样承接状态 |
| Google ADK | Agent、工具、团队与工作流 | Agent职责、组合和运行集成 |
| LangGraph | 状态、节点与边 | 执行顺序、持久化与中断恢复 |

这些不是能力高低的排序。相同系统可以有多种实现，差别在于团队需要理解和维护哪一层。

## 从角色协作开始

CrewAI围绕Agents、Tasks、Crews和Flows组织应用。当前快速开始建议由Flow掌握状态与执行顺序，Agent在Crew步骤中承担工作。这样“研究资料、检查来源、形成报告”能先被表达为职责，再由Flow接到确定流程。[当前入门流程](https://docs.crewai.com/en/quickstart)展示了这一分工，不应继续把所有逻辑都理解成几个角色自由聊天。

Google ADK提供Agent团队、协作与顺序、循环、并行等工作流路径，并有工具和运行环境集成。适合希望沿SDK中的Agent概念组织应用的团队。[ADK文档](https://adk.dev/)和[Agent team示例](https://adk.dev/tutorials/agent-team/)可帮助理解组合方式。不同语言SDK的接口和覆盖范围应分别核对，不能因文档入口列出多种语言，就推断代码完全可直接互换。

## 从执行控制开始

LangGraph以共享状态、节点和边组织长时运行应用，可以把确定步骤与模型决策放在同一图中，重点提供持久化、流式和人工介入等编排能力。它不规定提示词或Agent架构。[官方概述](https://docs.langchain.com/oss/python/langgraph/overview)因此适合需要显式控制路径、恢复和状态的开发者，而不只是给已有聊天过程加几个角色名。

以自拟的采购资料简报为例：资料收集可以并行，汇总必须等待输入，缺失关键来源应回到补证，最终提交前还有确认。这些关系应体现在状态与流程中。CrewAI可以由Flow连接角色任务，ADK可用团队与工作流组织，LangGraph可直接表达节点与条件边。

如果任务仍是单次问答，增加多个Agent未必带来增量。真正需要分工时，先让每个执行者拥有清楚输入和产物，再选最容易维护这些关系的框架。系统的可靠性来自可检查交接与恢复行为，不来自Agent数量。

## 工具推荐与取舍

### CrewAI

CrewAI以角色、任务和Crew组织Agent工作，再由Flow掌握状态与执行顺序。适合先表达职责，再把协作接到明确业务流程的团队。

适合谁用：希望按研究、整理、审核等职责组织任务的人。

选择前要知道：Flow和Crew职责需分清；增加角色不能自动带来独立验证或可靠恢复。

交付与边界：职责协作及状态组织

产品资料：https://maomu.com/p/crewai-com
官网：https://crewai.com

### Google ADK

Google ADK提供Agent、工具、团队和多种工作流组合方式，并连接运行与集成路径。适合用SDK中的Agent概念组织应用，再逐步形成协作体系。

适合谁用：希望沿Agent团队与工作流开发，并利用SDK集成的团队。

选择前要知道：不同语言和版本的SDK覆盖应单独确认；团队关系仍需明确输入输出。

交付与边界：SDK、工具与运行集成

产品资料：https://maomu.com/p/google-github-io-adk-docs
官网：https://google.github.io/adk-docs

### LangChain

LangChain生态中的LangGraph提供低层状态图编排，以节点和边混合确定步骤与模型决策，支持持久化、流式和人工介入。适合需要直接控制执行与恢复的工程。

适合谁用：关注复杂状态、条件分支和长时运行恢复的开发者。

选择前要知道：它不替团队定义Agent架构或提示词；需要理解状态与节点的工程含义。

交付与边界：持久化、中断与恢复

产品资料：https://maomu.com/p/langchain-com
官网：https://langchain.com

## 推荐依据

依据各产品官方文档与公开功能说明，按本篇任务的接入方式、交付产物和使用边界筛选。选择建议为编辑分析；示例另行标注，不构成性能实测或全面排名。

官方资料研究与编辑选用分析；未经运行的示例不标为实测。封面为编辑示意图。

## 参考资料

- CrewAI快速开始：https://docs.crewai.com/en/quickstart
- Google ADK：https://adk.dev/
- LangGraph概述：https://docs.langchain.com/oss/python/langgraph/overview
- ADK Agent team：https://adk.dev/tutorials/agent-team/
