在AI技術(shù)飛速發(fā)展的今天，AI Agent已經(jīng)成為了一個(gè)熱門的研究和應(yīng)用領(lǐng)域。無(wú)論是企業(yè)還是個(gè)人開發(fā)者，都希望能夠借助AI Agent來(lái)提升工作效率、優(yōu)化業(yè)務(wù)流程或創(chuàng)造全新的用戶體驗(yàn)。然而，從零開始構(gòu)建一個(gè)AI Agent并非易事，幸運(yùn)的是，市面上有許多優(yōu)秀的框架可以幫助我們快速入坑。今天，就讓我們一起來(lái)看看2025年值得入坑的五大AI Agent框架吧！

一、先來(lái)理解AI Agent是個(gè)啥？

AI Agent目前我見到的最多的翻譯是“智能體”，但是直譯過來(lái)是“智能代理”。

它是一種能夠感知環(huán)境、自主決策并執(zhí)行任務(wù)以實(shí)現(xiàn)特定目標(biāo)的智能系統(tǒng)。它以大型語(yǔ)言模型（LLM）為核心，賦予機(jī)器自主性、適應(yīng)性和交互性，使其能在復(fù)雜多變的環(huán)境中獨(dú)立運(yùn)作。簡(jiǎn)單來(lái)說(shuō)，AI Agent 就像是一個(gè)擁有獨(dú)立思考和行動(dòng)能力的智能助手，能夠理解你的需求，并通過調(diào)用各種工具和資源，為你完成一系列復(fù)雜的任務(wù)。

就像一位能干的私人助理，它不僅能執(zhí)行指令，更重要的是能夠理解任務(wù)背景、制定執(zhí)行計(jì)劃，并在遇到問題時(shí)靈活調(diào)整策略。

AI Agent 的核心在于其自主學(xué)習(xí)和決策能力，它能夠通過不斷積累經(jīng)驗(yàn)來(lái)優(yōu)化自己的行為模式。

圖片

AI Agent智能體，通常具備以下特點(diǎn)：

• 自主性： AI Agent能夠自主決策和執(zhí)行任務(wù)，無(wú)需人類干預(yù)。
• 適應(yīng)性： 能夠根據(jù)環(huán)境變化調(diào)整自己的行為。
• 交互性： 能夠與人類或其他AI Agent進(jìn)行交流與合作。
• 學(xué)習(xí)能力： 通過學(xué)習(xí)不斷優(yōu)化自己的行為和決策。

在當(dāng)今數(shù)字化時(shí)代，AI Agent 正逐漸成為推動(dòng)各行業(yè)發(fā)展的重要力量。它廣泛應(yīng)用于客戶服務(wù)、醫(yī)療診斷、股市交易、智能交通、教育輔導(dǎo)等多個(gè)領(lǐng)域，為我們的生活和工作帶來(lái)了極大的便利和效率提升。而 AI Agent 框架，則是構(gòu)建和開發(fā)這些智能代理的關(guān)鍵工具，它為 AI Agent 的創(chuàng)建、部署和管理提供了全方位的支持。接下來(lái)，讓我們一起深入了解 2025 年值得入坑的五大 AI Agent 框架。

二、框架一：AutoGen

AutoGen是微軟發(fā)布的一個(gè)智能體協(xié)作框架，由微軟與賓夕法尼亞州立大學(xué)和華盛頓大學(xué)團(tuán)隊(duì)合作，于 2023 年 10 月發(fā)布 。其設(shè)計(jì)旨在幫助開發(fā)者創(chuàng)建基于大語(yǔ)言模型（LLM）的復(fù)雜應(yīng)用程序，通過多個(gè)智能體之間的協(xié)作與交互，實(shí)現(xiàn)更加智能和靈活的任務(wù)處理。

圖片

2.1 主要特點(diǎn)

• 多智能體協(xié)作：支持整合不同的大語(yǔ)言模型，AutoGen允許創(chuàng)建代理網(wǎng)絡(luò)，每個(gè)代理都可以獨(dú)立工作或與其他代理協(xié)作。
• 代碼自動(dòng)生成與執(zhí)行：代理可以自動(dòng)生成、執(zhí)行和調(diào)試代碼，對(duì)軟件工程和數(shù)據(jù)分析任務(wù)非常有用。
• 外部工具集成：代理可以與外部工具、服務(wù)和API交互，顯著擴(kuò)展其功能。
• 可插拔組件：系統(tǒng)支持通過可插拔組件進(jìn)行自定義，包括自定義代理、工具、內(nèi)存和模型。

2.2 基本使用

AutoGen支持Python和.NET，開發(fā)人員可以配置代理，在執(zhí)行特定任務(wù)之前請(qǐng)求人類用戶的指導(dǎo)或批準(zhǔn)。代理通過異步消息進(jìn)行通信，支持事件驅(qū)動(dòng)和請(qǐng)求/響應(yīng)交互模式。

1、以Python為例，使用 pip 安裝pyautogen庫(kù)，命令如下：

pip install pyautogen

2、核心組件使用 ConversableAgent：用于管理每個(gè)角色的行為，是會(huì)話的基類。一般不直接使用，而是作為其他類的父類。它能保持對(duì)話狀態(tài)、歷史記錄，并調(diào)用其他工具。例如創(chuàng)建一個(gè) AssistantAgent（繼承自 ConversableAgent）：

from autogen import AssistantAgent

# 創(chuàng)建一個(gè)AssistantAgent，設(shè)置系統(tǒng)消息
assistant = AssistantAgent(
    name="assistant",
    system_message="你是一個(gè)樂于助人的AI助手"
)

3、UserProxyAgent：用于模擬用戶輸入和執(zhí)行代碼等，充當(dāng)用戶角色。比如：

from autogen import UserProxyAgent


# 創(chuàng)建一個(gè)UserProxyAgent，設(shè)置代碼執(zhí)行配置
user_proxy = UserProxyAgent(
    name="user_proxy",
    code_execution_config={"work_dir": "coding", "use_docker": False}
)

4、GroupChat：用于管理多個(gè)智能體的協(xié)作，所有智能體參與到一個(gè)對(duì)話線程中并共享相同的上下文。示例如下：

from autogen import GroupChat, GroupChatManager

# 創(chuàng)建多個(gè)智能體
agent1 = AssistantAgent("agent1", system_message="智能體1的任務(wù)描述")
agent2 = AssistantAgent("agent2", system_message="智能體2的任務(wù)描述")

# 創(chuàng)建GroupChat，添加智能體
groupchat = GroupChat(agents=[agent1, agent2], messages=[])
# 創(chuàng)建GroupChatManager管理GroupChat
manager = GroupChatManager(groupchat=groupchat)

5、發(fā)起對(duì)話：通過initiate_chat方法發(fā)起智能體之間的對(duì)話，示例如下：

# 發(fā)起用戶代理與助手代理之間的對(duì)話
user_proxy.initiate_chat(assistant, message="請(qǐng)幫我寫一篇關(guān)于人工智能發(fā)展的文章大綱")

上述代碼中，首先創(chuàng)建了一個(gè)助手代理assistant和一個(gè)用戶代理user_proxy，然后通過user_proxy發(fā)起與assistant的對(duì)話，請(qǐng)求生成一篇關(guān)于人工智能發(fā)展的文章大綱。在實(shí)際應(yīng)用中，你可以根據(jù)具體需求，調(diào)整智能體的配置、數(shù)量和對(duì)話內(nèi)容，以實(shí)現(xiàn)各種復(fù)雜的任務(wù)。

2.3 應(yīng)用場(chǎng)景

AutoGen 的應(yīng)用場(chǎng)景廣泛，在多個(gè)領(lǐng)域都能發(fā)揮重要作用：

• 軟件開發(fā)： 可以自動(dòng)生成代碼，幫助開發(fā)人員快速實(shí)現(xiàn)各種功能。通過智能體之間的協(xié)作，能夠完成從需求分析到代碼編寫、測(cè)試等一系列軟件開發(fā)任務(wù)，提高開發(fā)效率，減少開發(fā)周期。
• 數(shù)據(jù)分析： 協(xié)助用戶自動(dòng)生成數(shù)據(jù)分析模型和算法。通過多個(gè)智能體的分工協(xié)作，能夠快速完成數(shù)據(jù)預(yù)處理、特征選擇、模型訓(xùn)練和評(píng)估等工作，為數(shù)據(jù)分析提供有力支持。
• 智能客服： 多個(gè)智能體可以協(xié)同工作，更好地理解用戶問題，提供準(zhǔn)確、快速的回答。能夠處理復(fù)雜的客戶咨詢，提供個(gè)性化的服務(wù)，提升客戶滿意度。
• 教育領(lǐng)域： 用于創(chuàng)建智能輔導(dǎo)系統(tǒng)，根據(jù)學(xué)生的學(xué)習(xí)情況和問題，智能體之間相互協(xié)作，提供針對(duì)性的輔導(dǎo)和解答，幫助學(xué)生更好地學(xué)習(xí)和掌握知識(shí)。

三、框架二：LangGraph

LangGraph是一個(gè)專注于自然語(yǔ)言處理的框架，它通過循環(huán)控制、狀態(tài)管理和人機(jī)交互等技術(shù)，幫助開發(fā)者構(gòu)建復(fù)雜的AI Agent。適用于多種應(yīng)用場(chǎng)景，如智能客服、智能投資顧問等。

3.1 主要特點(diǎn)

• 循環(huán)控制：能夠處理復(fù)雜的循環(huán)任務(wù)，確保Agent在多輪對(duì)話中保持連貫性和一致性。
• 狀態(tài)管理：有效管理Agent的狀態(tài)，使其能夠根據(jù)不同的上下文和用戶輸入做出合理的響應(yīng)。
• 人機(jī)交互：提供了豐富的人機(jī)交互功能，使得Agent能夠更好地理解和滿足用戶的需求。
• 多Agent通信和協(xié)作：支持多智能體之間的通信和協(xié)作，共同完成復(fù)雜任務(wù)。
• 高度可定制：可以根據(jù)具體需求進(jìn)行定制化開發(fā)，滿足個(gè)性化功能要求，擁有豐富的插件、工具和第三方服務(wù)支持，方便功能擴(kuò)展和優(yōu)化。

3.2 基本使用

使用LangGraph時(shí)，你需要首先安裝LangGraph框架,使用 pip 安裝langgraph庫(kù)，命令如下：

pip install -U langgraph

安裝時(shí)可能還需要安裝其他相關(guān)依賴，如langchain等，具體可根據(jù)實(shí)際情況和報(bào)錯(cuò)信息進(jìn)行安裝。

2、然后，定義Agent的名稱、功能和語(yǔ)言模型等。通過設(shè)置循環(huán)控制和狀態(tài)管理，可以創(chuàng)建能夠處理復(fù)雜任務(wù)的Agent。在開發(fā)過程中，你可以利用LangGraph提供的工具和接口來(lái)測(cè)試和優(yōu)化Agent的性能。

圖片

3.3 應(yīng)用場(chǎng)景

LangGraph 的應(yīng)用場(chǎng)景廣泛，能夠在多個(gè)領(lǐng)域發(fā)揮重要作用：

• 交互式敘事： 用于創(chuàng)建具有豐富情節(jié)和多分支劇情的交互式故事、游戲等。通過循環(huán)和分支能力，根據(jù)用戶的選擇動(dòng)態(tài)生成不同的故事發(fā)展，提供個(gè)性化的敘事體驗(yàn)。
• 智能客服與售后支持： 在處理復(fù)雜的客戶問題時(shí)，能夠根據(jù)客戶的反饋和問題狀態(tài)，靈活調(diào)整對(duì)話流程，提供更加精準(zhǔn)和貼心的服務(wù)。例如通過循環(huán)詢問獲取更多信息，以解決客戶的疑難問題。
• 自動(dòng)化任務(wù)流程優(yōu)化： 對(duì)于需要多次迭代和反饋的自動(dòng)化任務(wù)，如數(shù)據(jù)分析流程中的數(shù)據(jù)清洗、模型訓(xùn)練與優(yōu)化等環(huán)節(jié)，可利用 LangGraph 的循環(huán)計(jì)算和狀態(tài)管理能力，實(shí)現(xiàn)流程的自動(dòng)化和優(yōu)化。
• 多智能體協(xié)作系統(tǒng)： 支持多智能體之間的復(fù)雜協(xié)作，通過圖模型清晰地定義智能體之間的交互關(guān)系和協(xié)作流程。例如在一個(gè)智能城市管理系統(tǒng)中，多個(gè)智能體分別負(fù)責(zé)交通、環(huán)境、能源等不同領(lǐng)域，LangGraph 可協(xié)調(diào)它們之間的工作 。

4、框架三：Phidata

Phidata是一個(gè)基于Python的框架，能夠?qū)⒋笮驼Z(yǔ)言模型（LLM）轉(zhuǎn)化為AI產(chǎn)品中的Agent。

圖片

它支持多種主流的大廠閉源和開源LLM，如OpenAI、Anthropic、Cohere、Ollama和Together AI等。通過其對(duì)數(shù)據(jù)庫(kù)和向量存儲(chǔ)的支持，我們可以輕松地將AI系統(tǒng)連接到Postgres、PgVector、Pinecone、LanceDb等。

4.1 主要特點(diǎn)

• 多LLM支持：支持主流大廠的閉源和開源LLM，如OpenAI、Anthropic等。
• 數(shù)據(jù)庫(kù)支持：通過其對(duì)數(shù)據(jù)庫(kù)和向量存儲(chǔ)的支持，可以輕松地將AI系統(tǒng)連接到Postgres、PgVector等。
• 監(jiān)控關(guān)鍵指標(biāo)：提供會(huì)話快照、API調(diào)用、token使用情況，并支持設(shè)置調(diào)整和Agent改進(jìn)。
• 內(nèi)置Agent UI：Phidata提供了一個(gè)現(xiàn)成的用戶界面，用于本地或云端運(yùn)行Agent項(xiàng)目，并在后臺(tái)管理會(huì)話。
• 模板支持：通過預(yù)配置的代碼庫(kù)模板，加速AI代理的開發(fā)和生產(chǎn)過程。
• 部署靈活：你可以將Agent發(fā)布到GitHub或任何云服務(wù)，也可以連接AWS賬戶將其部署到生產(chǎn)環(huán)境。

4.2 基本使用

要使用Phidata，首先需要安裝Phidata及其工具，使用Phidata時(shí)，開發(fā)人員可以構(gòu)建基礎(chǔ)Agent，也可以通過函數(shù)調(diào)用、結(jié)構(gòu)化輸出和微調(diào)來(lái)創(chuàng)建高級(jí)Agent。Phidata與AWS無(wú)縫集成，可以在AWS賬戶上運(yùn)行完整的應(yīng)用程序。

pip install -U phidata

安裝完成后，可以運(yùn)行命令創(chuàng)建一個(gè)新的Phidata項(xiàng)目。在項(xiàng)目中，你可以定義Agent的名稱、功能和語(yǔ)言模型等，然后通過函數(shù)調(diào)用、結(jié)構(gòu)化輸出和微調(diào)來(lái)創(chuàng)建高級(jí)Agent。

5、框架四：OpenAI Swarm

Swarm是OpenAI發(fā)布的一個(gè)實(shí)驗(yàn)性多智能體編排框架，旨在簡(jiǎn)化多智能體系統(tǒng)的構(gòu)建、編排和管理。用于創(chuàng)建和管理多個(gè)AI Agent。

5.1 主要特點(diǎn)

• 輕量級(jí)設(shè)計(jì)：框架結(jié)構(gòu)簡(jiǎn)潔高效，易于理解和使用。
• 高度可控：提供了精確的代理協(xié)調(diào)和執(zhí)行控制，開發(fā)者可以輕松地管理Agent的行為和任務(wù)分配。
• 客戶端運(yùn)行：幾乎完全在客戶端執(zhí)行，減少了服務(wù)器端的負(fù)擔(dān)，提高了響應(yīng)速度。
• 無(wú)狀態(tài)設(shè)計(jì)：類似Chat Completions API的無(wú)狀態(tài)特性，使得Agent之間的交互更加靈活和高效。

5.2 基本使用

1、使用 pip 命令安裝 Swarm 框架，命令如下：

pip install git+ssh://git@github.com/openai/swarm.git

2、使用OpenAI Swarm時(shí)，需要?jiǎng)?chuàng)建一個(gè)客戶端實(shí)例。首先導(dǎo)入 Swarm 類，并實(shí)例化一個(gè) Swarm 客戶端，示例如下：

from swarm import Swarm

# 實(shí)例化Swarm客戶端
client = Swarm()

2、定義智能體，例如創(chuàng)建兩個(gè)智能體，智能體 A 負(fù)責(zé)接收用戶消息并轉(zhuǎn)接給智能體 B，智能體 B 以特定格式回復(fù)：

from swarm import Agent

# 定義一個(gè)函數(shù)，用于將對(duì)話交接給智能體B
def transfer_to_agent_b():
    return agent_b

# 定義智能體A
agent_a = Agent(name="Agent A", instructinotallow="你是一個(gè)樂于助人的智能體，負(fù)責(zé)將用戶消息轉(zhuǎn)交給智能體B", functions=[transfer_to_agent_b])

# 定義智能體B
agent_b = Agent(name="Agent B", instructinotallow="請(qǐng)用三句話回答用戶問題，每句話不超過10個(gè)字")

3、使用 Swarm 客戶端的run函數(shù)，傳入智能體和用戶消息，接收并處理消息，示例如下：

# 運(yùn)行Swarm，并傳入用戶消息
response = client.run(agent=agent_a, messages=[{"role": "user", "content": "請(qǐng)給我推薦一本好書"}])
print(response.messages[-1]["content"])

上述代碼中，首先實(shí)例化了 Swarm 客戶端client。然后定義了兩個(gè)智能體agent_a和agent_b，agent_a通過函數(shù)transfer_to_agent_b將對(duì)話交接給agent_b。最后，使用client.run方法運(yùn)行 Swarm，傳入智能體agent_a和用戶消息，獲取智能體agent_b的回復(fù)并打印。在實(shí)際應(yīng)用中，你可以根據(jù)具體需求，增加智能體的數(shù)量，定義更復(fù)雜的指令和函數(shù)，實(shí)現(xiàn)各種復(fù)雜的多智能體協(xié)作任務(wù)。

5.3 應(yīng)用場(chǎng)景

• 快速搭建演示項(xiàng)目： 由于其簡(jiǎn)化智能體創(chuàng)建和輕量級(jí)的特點(diǎn)，非常適合快速搭建一些演示項(xiàng)目，用于展示多智能體系統(tǒng)的概念和功能，幫助開發(fā)者快速驗(yàn)證想法 。
• 教育領(lǐng)域： 可以用于創(chuàng)建教學(xué)案例和實(shí)驗(yàn)項(xiàng)目，幫助學(xué)生更好地理解多智能體系統(tǒng)的原理和應(yīng)用，提升學(xué)生的實(shí)踐能力和創(chuàng)新思維 。
• 客戶服務(wù)場(chǎng)景： 構(gòu)建多智能體系統(tǒng)，如接待員 AI 負(fù)責(zé)初步接待客戶，技術(shù)支持 AI 解答技術(shù)問題，售后 AI 處理售后相關(guān)事宜等，這些智能體通過 Swarm 框架無(wú)縫配合，為客戶提供全方位、高效的服務(wù)體驗(yàn) 。
• 內(nèi)容創(chuàng)作： 在內(nèi)容創(chuàng)作方面，不同的智能體可以分別負(fù)責(zé)創(chuàng)意構(gòu)思、素材收集、內(nèi)容撰寫、編輯審核等工作，通過智能體之間的協(xié)作，實(shí)現(xiàn)文章、視頻腳本等內(nèi)容的自動(dòng)生成，提高創(chuàng)作效率和質(zhì)量 。
• 數(shù)據(jù)分析： 能夠處理大量獨(dú)立的功能和指令，這些功能和指令難以編碼到單個(gè)提示中。Swarm 可以幫助開發(fā)者構(gòu)建多智能體系統(tǒng)，實(shí)現(xiàn)數(shù)據(jù)的自動(dòng)化處理和分析，例如數(shù)據(jù)清洗、特征提取、模型訓(xùn)練等任務(wù)可以由不同的智能體協(xié)同完成 。

6、框架五：CrewAI

CrewAI是最受歡迎的基于Agent的AI框架之一，能夠快速構(gòu)建AI Agent并將其集成到最新的LLM和代碼庫(kù)中。

由 OpenAI 于 2023 年 8 月發(fā)布。它允許開發(fā)者創(chuàng)建由 AI Agent 組成的 “Crew”，每個(gè) Agent 都有特定的角色和職責(zé)，共同完成復(fù)雜的任務(wù)。該框架尤其適用于構(gòu)建協(xié)作式人工智能系統(tǒng)，以解決需要不同專業(yè)知識(shí)和協(xié)調(diào)工作的問題。

6.1 主要特點(diǎn)

• 支持多種模型：支持與多種大型語(yǔ)言模型（LLMs）集成，包括 OpenAI 以及像 Ollama 等本地開源模型，為開發(fā)者提供了更多選擇，能夠根據(jù)項(xiàng)目需求和預(yù)算挑選最適合的模型。
• 可擴(kuò)展性強(qiáng)：支持集成700多種應(yīng)用程序，包括Notion、Zoom、Stripe、Mailchimp、Airtable等。
• 角色專業(yè)化：采用基于角色的代理設(shè)計(jì)，開發(fā)者可以為每個(gè)代理自定義具體的角色、目標(biāo)和工具。
• 自主委派與協(xié)作：代理可以自主地委派任務(wù)并相互詢問，提高解決問題的效率。當(dāng)一個(gè)代理遇到無(wú)法獨(dú)自解決的問題時(shí)，能夠主動(dòng)尋求其他具有相關(guān)專業(yè)知識(shí)的代理的幫助，實(shí)現(xiàn)高效的協(xié)作。
• 靈活的任務(wù)管理：使用可自定義的工具定義任務(wù)，并動(dòng)態(tài)地分配給代理。開發(fā)者可以根據(jù)任務(wù)的需求和代理的能力，靈活調(diào)整任務(wù)的分配，確保任務(wù)能夠得到最合適的處理。
• 流程驅(qū)動(dòng)：目前主要支持順序任務(wù)執(zhí)行和層級(jí)流程，例如在一個(gè)項(xiàng)目管理場(chǎng)景中，任務(wù)可以按照先后順序依次由不同的代理完成，前一個(gè)任務(wù)的輸出作為后一個(gè)任務(wù)的輸入 。

6.2 基本使用

1、使用 pip 安裝crewai庫(kù)，命令如下：

pip install crewai

若要安裝帶工具的完整版，包括額外的代理輔助工具，執(zhí)行：pip install 'crewai[tools]'

2、定義具有角色和目標(biāo)的代理。例如創(chuàng)建一個(gè)負(fù)責(zé)市場(chǎng)分析的代理：

from crewai import Agent
# 創(chuàng)建一個(gè)市場(chǎng)分析師代理
market_analyst = Agent(
    role='市場(chǎng)分析師',
    goal='分析市場(chǎng)趨勢(shì)，提供有價(jià)值的市場(chǎng)洞察',
    backstory='一位經(jīng)驗(yàn)豐富的市場(chǎng)分析師，擁有多年的行業(yè)經(jīng)驗(yàn)',
    tools=[],  # 可根據(jù)需求添加工具
    verbose=True
)

3、為代理創(chuàng)建任務(wù)。例如為上述市場(chǎng)分析師代理創(chuàng)建一個(gè)分析市場(chǎng)趨勢(shì)的任務(wù)：

from crewai import Task
# 創(chuàng)建一個(gè)市場(chǎng)趨勢(shì)分析任務(wù)
market_task = Task(
    descriptinotallow='對(duì)當(dāng)前市場(chǎng)的主要趨勢(shì)進(jìn)行深入分析，包括市場(chǎng)規(guī)模、增長(zhǎng)趨勢(shì)、競(jìng)爭(zhēng)格局等方面',
    agent=market_analyst
)

4、實(shí)例化團(tuán)隊(duì)并采用順序處理。例如創(chuàng)建一個(gè)包含市場(chǎng)分析師和策略制定者的團(tuán)隊(duì)，并分配任務(wù)：

from crewai import Crew
# 創(chuàng)建一個(gè)策略制定者代理
strategy_maker = Agent(
    role='策略制定者',
    goal='根據(jù)市場(chǎng)分析結(jié)果制定相應(yīng)的市場(chǎng)策略',
    backstory='擅長(zhǎng)根據(jù)市場(chǎng)情況制定有效的策略',
    tools=[],
    verbose=True
)
# 創(chuàng)建一個(gè)任務(wù)，要求根據(jù)市場(chǎng)分析結(jié)果制定策略
strategy_task = Task(
    descriptinotallow='根據(jù)市場(chǎng)分析師提供的市場(chǎng)分析報(bào)告，制定一套切實(shí)可行的市場(chǎng)策略',
    agent=strategy_maker
)
# 實(shí)例化團(tuán)隊(duì)，設(shè)置代理和任務(wù)，并指定順序處理
crew = Crew(
    agents=[market_analyst, strategy_maker],
    tasks=[market_task, strategy_task],
    verbose=2  # 可設(shè)置為1或2以獲得不同的日志記錄級(jí)別
)

5、讓團(tuán)隊(duì)開始工作，執(zhí)行任務(wù)：

# 啟動(dòng)團(tuán)隊(duì)任務(wù)
result = crew.kickoff()
print(result)

上述代碼中，首先創(chuàng)建了市場(chǎng)分析師和策略制定者兩個(gè)代理，分別設(shè)置了它們的角色、目標(biāo)、背景故事等。然后為每個(gè)代理創(chuàng)建了相應(yīng)的任務(wù)。接著，通過Crew實(shí)例化了團(tuán)隊(duì)，將代理和任務(wù)添加到團(tuán)隊(duì)中，并設(shè)置了日志記錄級(jí)別。最后，使用kickoff方法啟動(dòng)團(tuán)隊(duì)任務(wù)，執(zhí)行任務(wù)并輸出結(jié)果。在實(shí)際應(yīng)用中，你可以根據(jù)具體需求，進(jìn)一步擴(kuò)展和優(yōu)化代碼，例如添加更多的代理和任務(wù)，調(diào)整任務(wù)的分配和執(zhí)行順序等，以實(shí)現(xiàn)各種復(fù)雜的協(xié)作任務(wù) 。

6.3 應(yīng)用場(chǎng)景

CrewAI 的應(yīng)用場(chǎng)景豐富多樣，尤其適用于以下場(chǎng)景：

• 構(gòu)建協(xié)作式 AI 系統(tǒng)： 如智能客服團(tuán)隊(duì)，不同的代理可以分別負(fù)責(zé)不同領(lǐng)域的問題解答，協(xié)同合作以提供全方位的服務(wù)；多智能體研究團(tuán)隊(duì)，模擬和優(yōu)化研究團(tuán)隊(duì)的協(xié)作過程，提高研究效率 。
• 項(xiàng)目管理： 模擬項(xiàng)目管理團(tuán)隊(duì)，不同的代理可以處理調(diào)度、資源分配和風(fēng)險(xiǎn)評(píng)估等任務(wù)，實(shí)現(xiàn)項(xiàng)目的高效管理。
• 內(nèi)容創(chuàng)作： 多個(gè)代理共同合作進(jìn)行內(nèi)容創(chuàng)作，包括研究員收集資料、撰稿人撰寫內(nèi)容、編輯進(jìn)行審核和優(yōu)化等，提高內(nèi)容創(chuàng)作的質(zhì)量和效率。
• 數(shù)據(jù)分析： 在數(shù)據(jù)分析場(chǎng)景中，不同的代理可以分別負(fù)責(zé)數(shù)據(jù)收集、清洗、分析和可視化等任務(wù)，通過協(xié)作完成復(fù)雜的數(shù)據(jù)分析工作。

7、小結(jié)

以上就是2025年值得入坑的五大AI Agent框架。每個(gè)框架都有其獨(dú)特的特點(diǎn)和優(yōu)勢(shì)，適用于不同的開發(fā)場(chǎng)景和需求。無(wú)論你是初學(xué)者還是資深開發(fā)者，都可以根據(jù)自己的項(xiàng)目需求選擇合適的框架，快速構(gòu)建出高效、智能的AI Agent。希望這篇文章能幫助大家在新的一年里更好地了解和應(yīng)用AI Agent技術(shù)，共同推動(dòng)人工智能行業(yè)的發(fā)展。