Skip to main content

10. Агентные фреймворки

Множество фреймворков существует для разработки автономных агентов, каждый из которых решает критические функциональности:

  • Интеграция навыков
  • Управление памятью
  • Планирование
  • Оркестрация
  • Опытное обучение
  • Мультиагентная координация

LangGraph​

Сильные стороны:

  • Модульный фреймворк оркестрации на основе направленных графов
  • Узлы содержат дискретные единицы логики (часто вызовы foundation моделей)
  • Ребра управляют потоком данных через сложные, потенциально циклические рабочие процессы
  • Сильная эргономика разработчика
  • Нативная поддержка асинхронных рабочих процессов и повторных попыток

Компромиссы:

  • Требует пользовательской логики для расширенного планирования и памяти
  • Меньше встроенной поддержки для мультиагентного сотрудничества

Лучше всего для: Команд, строящих надежные системы с одним агентом или легкие мультиагентные системы с явным, проверяемым контролем потока

AutoGen​

Сильные стороны:

  • Мощная мультиагентная оркестрация
  • Динамическое назначение ролей
  • Гибкое взаимодействие на основе сообщений между агентами

Компромиссы:

  • Может быть тяжеловесным или сложным для простых случаев использования
  • Более мнение-ориентированный вокруг паттернов взаимодействия агентов

Лучше всего для: Исследовательских и производственных систем, включающих диалог между несколькими агентами (например, менеджер-работник, циклы саморефлексии)

CrewAI​

Сильные стороны:

  • Легко изучить и использовать
  • Быстрая настройка для прототипирования
  • Полезные абстракции, такие как "crew" (команда) и "tasks" (задачи)

Компромиссы:

  • Ограниченная настройка и контроль над внутренностями оркестрации
  • Менее зрелый, чем LangGraph или AutoGen для сложных рабочих процессов

Лучше всего для: Разработчиков, которые хотят быстро начать работу над практическими, ориентированными на человека агентами, такими как помощники или агенты поддержки

OpenAI Agents Software Development Kit (SDK)​

Сильные стороны:

  • Глубокая интеграция с экосистемой инструментов OpenAI
  • Безопасный и простой в использовании вызов функций
  • Примитивы памяти и маршрутизация инструментов

Компромиссы:

  • Тесно связан с инфраструктурой OpenAI
  • Может быть менее гибким или переносимым для пользовательских стеков агентов или цепочек инструментов с открытым исходным кодом

Лучше всего для: Команд, уже использующих API OpenAI и ищущих быстрый способ построить безопасных агентов, использующих инструменты, с минимальными строительными лесами

Выбор фреймворка​

Для ранних прототипов: CrewAI или OpenAI Agents SDK могут быстро запустить вас.

Для масштабируемых, производственных систем: LangGraph и AutoGen обеспечивают больше контроля и изощренности.

Важно: Эти фреймворки также не обязательны, и многие команды выбирают построение напрямую против API поставщиков моделей.

Фокус книги​

Эта книга в первую очередь фокусируется на LangGraph, выбранном за его простой, но мощный подход к разработке агентных систем.

Через детальные объяснения, практические примеры и реальные сценарии мы демонстрируем, как LangGraph эффективно решает сложность и динамику, требуемые современными интеллектуальными агентами.