AI Agent 框架怎么选：LangGraph、MAF、Claude 横向对比

生命不息，折腾不止。搞 Agent 之前先把框架选对，能帮你少踩三个月的坑。

一、先说结论：别管热度，先问自己三个问题

市面上聊 Agent 框架，动辄就是「谁 star 涨得快」「谁融资多」，那都是噪音。选框架这事，本质上只跟三个问题有关，把这仨答了，答案基本就自己浮出来：

你写不写代码？ 会写 Python、能看懂 async/await，和只会在浏览器里点来点去，是两个世界。
你的活是「改代码动文件」，还是「跑业务流程」？ 前者是编码 Agent 的天下，后者要的是编排。
断了能不能重来？ 一个跑了俩小时、在第 17 步崩掉的任务，是重头再跑，还是从第 17 步接着跑？这在生产里是天壤之别。

把这三个问题记在心里，往下看每一个框架的时候拿它去套，比背参数管用。

二、三巨头逐个体检

先说说框架江湖到 2026 年 9 月长什么样。主流玩家分三层：一层是大厂自家的 SDK（OpenAI Agent SDK、Claude Agent SDK、Google ADK），一层是编排框架（LangGraph、微软 MAF、CrewAI），再一层是剑走偏锋的（smolagents、Mastra）。今天挑最主流、也最容易让你纠结的仨，外加我们已经玩透的国产 dsh，逐个扒。

2.1 LangGraph — 生产队的「耐久」担当

LangGraph 是 LangChain 家的，它把 Agent 建模成一张有向图：节点（node）+ 边（edge），中间流转的是一个显式的 state。这套模型有一个别的框架羡慕不来的能力——断点续跑。

它的核心卖点就一个词：checkpoint。状态可以落到 Postgres 或 SQLite 里，一个跑了俩小时、在第 17 步崩掉的任务，从检查点接着跑第 17 步，而不是重头再来。人审（human-in-the-loop）也是第一等公民——图跑到关键节点停下来，等一个人点「同意」再往下走。

代价是概念重。你得先接受 state / node / edge / graph 这套心智模型，上手比别的框架慢。2025 年底它发了 1.0、承诺稳定，LangChain 的高层抽象现在都建在它上面。

适合谁：要上生产、要审计留痕、要断点续跑、要人审门禁的团队。

2.2 Microsoft Agent Framework — 微软把 AutoGen 和 SK 合并了

这一条要重点说，因为它是 2026 年上半年最大的变化。微软本来有两套互相打架的 Agent 框架：研究院出的 AutoGen（多智能体前沿，但 API 不稳、不面向生产），产品组出的 Semantic Kernel（企业级稳，但多智能体编排弱）。用 AutoGen 做的原型迁到生产要重写，用 SK 做生产又拿不到前沿编排——原型到生产之间隔着一条沟。

2025 年 10 月，微软把两者收敛成一套 Microsoft Agent Framework（MAF），取 AutoGen 的 actor 运行时 + SK 的企业外壳（连接器、遥测、中间件）。AutoGen 和独立 SK 同月进入维护模式，只修 bug 不加新功能；2026 年 4 月 MAF 发了 1.0 GA。

MAF 最反直觉的一点：它把「单个 Agent」降格成无状态执行单元，把「多 Agent 编排」升格成一等公民；编排还叠了两套运行时——底层是 AutoGen 继承来的 actor 消息运行时（开放、分布式、松耦合），上层是 SK 工程化包装出的图式 Workflow（确定性、可检查点、类型校验）。理解「Agent 无状态 + 编排两套运行时」这句话，就抓住了它的骨架。

适合谁：扎在 Azure / .NET 栈里的企业团队，看重治理、可观测、人审合规。语言上它只剩 Python 和 .NET（Java 被砍了）。

2.3 Claude Agent SDK — 天生为「改代码」而生

这个你可能更熟——它就是 Claude Code 的底座，2025 年从「Claude Code SDK」改名「Claude Agent SDK」。它的两个原始概念是 hooks（在 Agent 生命周期的关键点拦截行为）和 subagents（带独立上下文和工具集的子 Agent），还内置了 8 个工具（Read / Write / Edit / Bash / Glob / Grep / WebSearch / WebFetch），MCP 支持也是所有框架里挖得最深的。

一句话定位：当你的活是「读仓库、改文件、跑命令」，这个 SDK 就是为这个循环量身定做的。代价是默认绑 Claude 模型，而且它本身不带持久化、可观测，这些得自己搭。（顺带提一句，我们前面写 Claude Code 三件套那几篇——Subagents / Skills / Slash Commands——本质都是在它这套底座上玩。）

2.4 顺带点名：DeepSeek Harness（dsh）

这是我们之前一整个系列的主角，别在选型表里漏了它。它是 DeepSeek 开源的、基于 Cordis 架构的「一切皆插件」框架，模型、工具、记忆、循环全都是可插拔的插件。卖点是模型无关（40+ provider）和便宜——同样的活，用国产模型跑性价比高得多。目前还是开发者预览版（v0.1），生态和文档不如前三家成熟，但如果你是「想低成本先跑通、还想随时换模型」的那类，它上手最快（npx @deepseek-ai/dsh web 一条命令进 Web）。

三、一张表 + 三条判断依据

先把结论压成一张表，自己对号入座：

框架	背后	核心心智	语言	定位	强项	短板
LangGraph	LangChain	有向图 + state	Python/JS	生产级编排	断点续跑、人审、审计	概念重、上手慢
MAF	微软	无状态 Agent + 两套运行时	Python/.NET	企业级	治理、可观测、.NET 栈	概念最重、GA 才半年
Claude Agent SDK	Anthropic	hooks + subagents + MCP	Python/TS	编码/动文件	工具强、开箱即用	绑 Claude、缺持久化
DeepSeek Harness	DeepSeek	一切皆插件(Cordis)	CLI/Web	国产插件化	模型多、便宜、可插拔	预览版、生态新

三条判断依据，比背 star 数管用：

看模型自由度：LangGraph、MAF、dsh 都是模型无关的，今天接 DeepSeek 明天换 Claude 都不改代码；Claude Agent SDK 默认绑 Claude。想同时用多个模型（国产省成本 + 国外上强度），前三家 + 一个中转站（像我们一直在用的 ai.aklibk.com，Claude / GPT / Gemini 国内直连、免绑卡、人民币按量付费）就能全打通。
看持久化：只有 LangGraph 把「断点续跑」当核心卖点，MAF 的 Workflow 也有可检查点，但 Claude Agent SDK 基本没有——想靠它上生产，持久化得自己补。
看你的栈：扎 .NET / C# 就 MAF；Python 为主就 LangGraph 或 dsh；只想「AI 帮我写代码」，那 Claude Code 白送你的价值最高。

四、各来一段最小上手

别光看，各给一段能跑的，你在十分钟内就能掂出谁的手感对你。

LangGraph（拿现成的 react agent 起步）：

1	pip install langgraph langchain-anthropic

from langchain_anthropic import ChatAnthropic
from langgraph.prebuilt import create_react_agent

model = ChatAnthropic(model="<你的模型名>")  # 想用国产/中转模型，把 model 换成 OpenAI 兼容接口即可
agent = create_react_agent(model, tools=[refund])  # tools 传你要的工具函数列表

这是「图」的糖衣版——底层照样是一张你能画断点、加人审的图。

MAF（.NET 侧是官方文档里的写法）：