AI Agents · Урок

LangGraph и CrewAI и AutoGen

Графы, роли и диалоги — три философии оркестрации многошаговых агентов

«LangGraph и CrewAI и AutoGen» — бесплатный урок AI Agents на CoddyKit. Это урок 1 из 4. Ты можешь прочитать весь урок бесплатно ниже — а потом практиковать его прямо в браузере с встроенным редактором кода и ИИ-репетитором 24/7. Это часть пути обучения AI Agents, и твой прогресс синхронизируется между веб-версией и приложением CoddyKit. Курс AI Agents содержит 4 уроков всего.

Три крупных фреймворка

Для многошаговых и многоагентных систем доминируют три фреймворка:

LangGraph — явный граф узлов и рёбер
CrewAI — команды агентов с определёнными ролями
AutoGen — свободная беседа между агентами

Стиль LangGraph

Машина состояний: вы определяете узлы, рёбра и типизированный объект состояния. Лучше всего подходит, когда поток управления задан явно.

from langgraph.graph import StateGraph, END

g = StateGraph(State)
g.add_node('plan', plan_fn)
g.add_node('act', act_fn)
g.add_edge('plan', 'act')
g.add_conditional_edges('act', router, {'continue': 'plan', 'done': END})
app = g.compile()

Стиль CrewAI

Вы определяете агентов (с ролью, целью и предысторией) и задачи. Назначаете задачи агентам, и они выполняют их как «команда»:

from crewai import Agent, Task, Crew

researcher = Agent(role='Researcher', goal='Find facts', backstory='...', tools=[search_tool])
writer = Agent(role='Writer', goal='Compose answers', backstory='...')

tasks = [
    Task(description='Research X', agent=researcher),
    Task(description='Write summary', agent=writer)
]
crew = Crew(agents=[researcher, writer], tasks=tasks)
result = crew.kickoff()

Стиль AutoGen

Управление через беседу. Агенты отправляют сообщения друг другу, а менеджер решает, кто будет говорить следующим:

from autogen import AssistantAgent, UserProxyAgent

assistant = AssistantAgent('coder', llm_config={'model': 'gpt-4o-mini'})
user = UserProxyAgent('user', code_execution_config={'work_dir': './work'})

user.initiate_chat(assistant, message='Write a fibonacci function')

Когда использовать LangGraph

Нужны явные машины состояний
Нужны циклы, ветвления и участие человека в контуре
Нужны контрольные точки для обеспечения надёжности
Надёжность в рабочей среде является приоритетом

Когда использовать CrewAI

Ролевая модель хорошо подходит вашей команде
Последовательные или иерархические списки задач
Нужна абстракция высокого уровня
Для типичных вариантов использования требуется меньше кода

Когда использовать AutoGen

Исследовательские задачи, управляемые беседой
Генерация кода с агентами выполнения
Дебаты и критика между несколькими агентами

Сравнение зрелости

	LangGraph	CrewAI	AutoGen
Сопровождающая организация	LangChain	CrewAI Inc	Microsoft
Стабильность	Высокая	Средняя	Средняя
Наблюдаемость	LangSmith	Базовая встроенная	Пользовательская

Производительность

Фреймворки добавляют накладные расходы. Для агентов с малой задержкой (интерфейсы чата) минимальный код, написанный вручную, часто превосходит фреймворки. Для сложных многошаговых агентов фреймворк экономит больше времени разработки, чем добавляет накладных расходов.

LangGraph предлагает наиболее зрелые возможности для рабочей среды

Контрольные точки (Postgres, Sqlite), участие человека в контуре, повторы, потоковая передача и перемотка во времени — базовые механизмы для рабочей среды поддерживаются изначально. Другие фреймворки в большей степени полагаются на код пользователя.

CrewAI предлагает лучший DX для простых случаев

Определение нескольких агентов и задач действительно требует меньше кода и носит более декларативный характер, чем в LangGraph, для команд из 3–5 агентов.

AutoGen превосходен для агентов, работающих с кодом

Microsoft использует AutoGen внутри компании для агентов выполнения кода (аналогичных GitHub Copilot Workspace). Цикл выполнения кода здесь лучше, чем у аналогов.

Их можно сочетать

Не обязательно выбирать что-то одно. Например, используйте LangGraph для внешней машины состояний, а AutoGen — для внутреннего агента генерации кода.

Не выбирайте фреймворк ради фреймворка

Многие команды чрезмерно сосредотачиваются на выборе фреймворка, хотя их агент достаточно прост, чтобы написать его вручную за 100–200 строк. Начните с самого простого решения и переходите на фреймворк, когда он действительно понадобится.

Сильные стороны фреймворков

Какой фреймворк предлагает наиболее зрелые возможности для рабочей среды?

Повторение

LangGraph подходит для явных машин состояний и рабочей среды. CrewAI — для декларативных команд с ролями. AutoGen — для агентов, управляемых беседой. Выбирайте по стилю потока управления.

Часто задаваемые вопросы

Урок «LangGraph и CrewAI и AutoGen» бесплатный?

Да — полный текст урока «LangGraph и CrewAI и AutoGen» бесплатно доступен здесь в веб-версии. Чтобы практиковать его интерактивно (встроенный редактор кода и ИИ-репетитор 24/7) и разблокировать остальной курс AI Agents, подпишись на CoddyKit PRO. Курс AI Agents содержит 4 уроков всего.

Чему я научусь в уроке «LangGraph и CrewAI и AutoGen»?

Графы, роли и диалоги — три философии оркестрации многошаговых агентов Ты практикуешь AI Agents с помощью реального кода, который запускаешь прямо в браузере, и ИИ-репетитор 24/7 отвечает на твои вопросы во время урока.

Нужен ли мне опыт, чтобы начать AI Agents?

Предыдущий опыт не требуется. AI Agents на CoddyKit структурирован для всех уровней — от новичков до продвинутых, поэтому ты можешь начать отсюда или с самого начала и учиться в своем темпе. Это урок 1 из 4.

Сколько времени занимает урок «LangGraph и CrewAI и AutoGen»?

Большинство уроков CoddyKit занимают около 5–10 минут. Каждый из них компактный и интерактивный, поэтому ты постоянно делаешь прогресс и продолжаешь с того же места в веб-версии и приложении.

Можно ли писать и запускать код в этом уроке AI Agents?

Да. Каждый урок AI Agents включает встроенный редактор кода, поэтому ты пишешь и запускаешь реальный код прямо в браузере и получаешь моментальную обратную связь от AI — локальная установка не требуется.

Все уроки этого курса

← Назад к AI Agents