AI Agent 框架对比
2026 年 AI Agent 框架百花齐放：Claude Agent SDK、OpenAI Agents SDK、LangGraph 各有侧重。爱问”你用什么框架？为什么？“——本篇横向对比三大框架的核心差异。
LangChain vs LlamaIndex
| 维度 | LangChain | LlamaIndex |
|---|---|---|
| 定位 | 通用 LLM 应用框架 | 数据索引和检索框架 |
| 核心能力 | Chain + Agent + Tool | Index + Query Engine |
| RAG 支持 | 通过 Retriever 集成 | 原生深度支持 |
| Agent 支持 | 强（LangGraph） | 有但不是重点 |
| 数据连接 | 通过 Loader 集成 | 丰富的 Data Connector |
| 索引类型 | 依赖向量数据库 | Vector/Keyword/Tree/KG |
| 社区生态 | 最大，集成最多 | 中等，专注数据领域 |
| 学习曲线 | 中等 | 较低（专注 RAG 场景） |
| 生产就绪 | LangSmith 提供监控 | 有评估工具 |
选择建议：
- 纯 RAG 场景：LlamaIndex 更简单直接
- 需要 Agent / 复杂工作流：LangChain + LangGraph
- 两者结合：LlamaIndex 做检索，LangChain 做 Agent 编排
Claude Agent SDK vs OpenAI Agents SDK
| 维度 | Claude Agent SDK | OpenAI Agents SDK |
|---|---|---|
| 开发商 | Anthropic | OpenAI |
| 核心理念 | 安全优先，工具调用标准化 | 简洁 API，快速上手 |
| 工具调用 | Tool Use API + MCP | Function Calling |
| 多 Agent | 内置 Handoff 机制 | 内置 Agent-to-Agent 转接 |
| 安全机制 | Constitutional AI + 工具权限控制 | Guardrails 内置 |
| 流式输出 | 原生支持 | 原生支持 |
| 生态 | 与 Claude 深度集成 | 与 GPT/Whisper/DALL-E 集成 |
| 适用场景 | 安全敏感、企业级应用 | 快速原型、通用 Agent 开发 |
框架选型原则
| 场景 | 推荐框架 | 理由 |
|---|---|---|
| 快速原型验证 | OpenAI Agents SDK | API 简洁，上手快 |
| 安全敏感场景 | Claude Agent SDK | Constitutional AI + 权限控制 |
| 复杂多步工作流 | LangGraph | 有向图 + 状态机 + 循环 |
| 纯 RAG 应用 | LlamaIndex | 原生 RAG 支持，索引类型丰富 |
| 企业级全栈 | LangChain + LangSmith | 生态完善，可观测性强 |
| 多 Agent 协作 | LangGraph 或 CrewAI | 图编排 / 角色扮演 |
核心原则：不要为了用框架而用——讲清楚”什么场景该用什么框架”比罗列框架名值钱。
速记卡（面试闪卡）
Q1：一句话讲清「AI Agent 框架对比」到底是什么？ A：横向对比主流 AI Agent 框架（LangChain、LlamaIndex、Claude/OpenAI SDK）的差异与选型。
Q2：LangChain vs LlamaIndex —— 怎么理解？ A：像”通用工具箱” vs “专业检索柜”——LangChain 是通用 LLM 应用框架（Chain+Agent+Tool），LlamaIndex 专注数据索引与 RAG（原生深度支持、索引类型丰富）。纯 RAG 用 LlamaIndex，需 Agent/复杂工作流用 LangChain+LangGraph。
Q3：Claude Agent SDK vs OpenAI Agents SDK —— 怎么理解？ A：像”安全门禁” vs “快开工具”——Claude SDK 安全优先（Constitutional AI+权限控制、内置 Handoff），OpenAI SDK 简洁易上手（Function Calling、内置 Guardrails）。前者适合企业级安全场景，后者适合快速原型。
Q4：框架选型原则 —— 怎么理解？ A：像”看菜吃饭”——快速原型用 OpenAI SDK，安全敏感用 Claude SDK，复杂有状态工作流用 LangGraph，纯 RAG 用 LlamaIndex，企业全栈用 LangChain+LangSmith。核心：别为用框架而用。
Q5：核心心法（别为框架而框架） —— 怎么理解？ A：像买工具不看牌子看活儿——讲清”什么场景用什么框架”比罗列框架名值钱。生产常见组合是”框架做编排 + 自研 Harness 管安全”，框架抽象过多反而难调试。
Q6：核心速记主线有哪些？
- LangChain 通用、LlamaIndex 专 RAG：纯检索用后者，Agent 编排用前者
- Claude SDK 安全优先、OpenAI SDK 简洁：企业安全 vs 快速原型
- 选型看场景：原型/安全/有状态工作流/纯 RAG 各有推荐
- 核心原则：别为框架而框架，常”框架编排+自研 Harness 管安全”
口诀 A：框架对比怎么记，LangChain 通用 Llama 专 Claude 安全 OpenAI 快，各有场景莫乱选 原型安全与工作流，看菜吃饭挑框架 别为框架而框架，编排加自研才稳
相关链接
快速问答
| 问题 | 参考答案 |
|---|---|
| Claude Agent SDK 和 OpenAI Agents SDK 的核心区别？ | Claude SDK 安全优先（Constitutional AI + 权限控制），OpenAI SDK 简洁易上手。Claude 内置 Handoff，OpenAI 内置 Guardrails |
| 什么时候用 LangGraph 而不是 LangChain Agent？ | 需要循环、分支、有状态工作流时用 LangGraph。简单线性流程用 LangChain Agent 即可 |
| 框架选型的核心原则？ | 不要为了用框架而用。根据场景复杂度、团队经验、安全要求、可观测性需求选择。简单场景用轻量方案，复杂场景再上框架 |
| 为什么自研 Harness 而不是直接用框架？ | ① 框架抽象层过多导致调试困难 ② 性能损耗 ③ 定制化受限 ④ 版本迭代快。生产环境常见”框架做编排 + 自研 Harness 管安全” |