md/MultiAgentOptions.md

横评构建企业级 LLM 应用，主流的、开源框架

基础能力

对比项	SAA	Spring AI	LangChain4J	LangChain
语言	Java	Java	Java	Python
聊天模型	✅	✅	✅	✅
嵌入模型	✅	✅	✅	✅
图片、音视频模型	✅	✅	✅	百度千帆、百川智能支持多模态 阿里百炼不支持多模态
RAG	✅	✅	✅	✅
向量数据库	除主流向量数据库外，还支持阿里云： AnalyticDB (ADB)、OpenSearch	✅	✅	✅
MCP	支持 Nacos MCP Registry	✅	✅	✅
函数调用	✅	✅	✅	✅
提示词模板	支持通过 Nacos 热更新，无需重启应用	✅	✅	✅
聊天记忆	✅	✅	✅	✅
模型评估	✅	✅	✅	✅

💡SAA 是 Spring AI Alibaba 的官方简称。SAA 在对 MCP 工具、提示词模板的管理具有明显优势，尤其适合企业级 LLM 应用的构建。

可观测性（OpenTelemetry）

OpenTelemetry 通常缩写为OTel，是一个开源的、厂商中立的可观测性框架，旨在实现遥测数据的标准化生成、收集和管理。遥测数据包括日志、指标和追踪，这些数据对于监控和理解软件系统的行为至关重要。

Spring AI	SAA	LangChain4J	LangChain
✅	✅	❌	✅

Spring AI框架定义了一系列endpoint，为其核心组件提供了指标和追踪能力，例如 ChatClient（包括 Advisor）、ChatModel、EmbeddingModel、ImageModel 和 VectorStore 等。SAA除了拥有Spring AI的能力，还提供了配套工具，无需额外编写代码，即可扇出至阿里云ARMS。LangChain4J提供了一系列Listener，通过 OTel 扇出数据，需要自行实现。LangChain自带LangSmith，并且支持了OTel，仅需少量代码即可扇出数据。

Spring AI 对于 ChatModel 仅适配了部分模型提供商，未提到的厂商，官方宣称将在未来支持。

阿里百炼	百度千帆	月之暗面	智谱	Anthropic	OpenAI	Ollama	Xinference	GPUStack
❌	✅	✅	✅	✅	✅	✅	❌	❌

云计算平台模型提供商对开源框架的适配

对比项	Open AI	Anthropic	阿里百炼	百度千帆
SAA	✅	✅	深度适配	✅
Spring AI	✅	✅	✅	✅
LangChain4J	✅	✅	✅	✅
LangChain	✅	✅	部分适配	✅

💡阿里百炼对于LangChain仅通过 langchain-openai 适配了部分模型：聊天模型、嵌入模型、重排序模型，不支持多模态模型。

适合用于智能体开发的框架对比

一、LangGraph

• 开源协议：MIT
• 语言：Python
• 核心：使用图结构编排智能体，相比LangChain的链式调用，能够应对更多场景、更复杂的任务。
• 亮点：内置 Checkpoint 和中断、持久化机制，在执行期间发生中断，恢复时可以从 Checkpoint 继续执行。适合通过人工干预保障执行过程的正确性，以及长时间运行的任务发生异常中断从 Checkpoint 恢复执行，而不必重新开始，这是 LangGraph 的独到之处
• 补充：官方的 LangGraph Platform 还提供了配套的 LangGraph Studio 用于开发智能体的 IDE，它支持可视化、交互和调试，还与 LangSmith 集成，以实现追踪、评估和提示工程。
• 模型：参见上文对于 LangChain 支持的模型提供商说明

💡LangGraph Platform 是收费的，适合企业部署的自托管版本仅支持 AWS。

二、Spring AI Alibaba Graph

• 开源协议：Apache 2.0
• 语言：Java
• 亮点：LangGraph 的核心能力基本上都抄了
• 模型：参见上文对于 SAA 支持的模型提供商说明

官方原话：Spring AI Alibaba Graph 是社区核心实现之一，也是整个框架在设计理念上区别于 Spring AI 只做底层原子抽象的地方，Spring AI Alibaba 期望帮助开发者更容易的构建智能体应用。基于 Graph 开发者可以构建工作流、多智能体应用。Spring AI Alibaba Graph 在设计理念上借鉴 LangGraph，因此在一定程度上可以理解为是 Java 版的 LangGraph 实现，社区在此基础上增加了大量预置 Node、简化了 State 定义过程等，让开发者更容易编写对等低代码平台的工作流、多智能体等。

三、AutoGen

• 开源协议：MIT
• 语言：Python、.NET
• 核心：通过智能体运行时环境，使用消息作为多智能体之间的通信载体，基于发布订阅的模式在智能体之间实现1对1和1对多的传播形式。
• 亮点：命令行代码执行器能够将Python代码块打包成1个文件，丢到 Docker 容器执行，或者在本机开启1个新的进程执行。这种方式更安全，也是 LangGraph 不具备的特性。除此之外，官方提供了一系列多智能体的设计模式，来辅助开发者设计与开发多智能体。
• 补充：AutoGen 还提供了一个免费的、本地化部署的 AutoGen Studio 可视化工具，旨在帮助开发团队快速原型化多智能体。
• 模型：

官方提供了以下多智能体设计模式

• Concurrent Agents（并发智能体）
• Sequential Workflow（顺序工作流）
• Group Chat（群聊）
• Handoffs（交接，源自OpenAI Swarm）
• Mixture of Agents（混合代理）
• Multi-Agent Debate（多智能体辩论）
• Reflection（反思）
• Code Execution（代码执行）

四、Crew AI

• 开源协议：MIT
• 语言：Python
• 核心：
• 亮点：
• 模型：CrewAI 通过 LiteLLM 连接到 LLM 提供商，点击查看 LiteLLM 支持的模型提供商，点击查看对于 Xinference 的支持说明

参考来源

• SAA 官网：https://java2ai.com
• Spring AI 官方文档：https://docs.springframework.org.cn/spring-ai/reference/index.html
• LangChain4J 官方文档：https://docs.langchain4j.info/get-started
• LangChain 官方文档：https://python.langchain.ac.cn/docs/introduction
• 使用 OpenTelemetry 跟踪 LangChain：https://langsmith.langchain.ac.cn/observability/how_to_guides/trace_langchain_with_otel
• 使用 OpenTelemetry 客户端将记录到 LangSmith：https://langsmith.langchain.ac.cn/observability/how_to_guides/trace_with_opentelemetry
• Spring AI 可观测性：https://docs.springframework.org.cn/spring-ai/reference/observability/index.html
• Spring AI 对于聊天模型可观测性的支持说明：https://docs.springframework.org.cn/spring-ai/reference/observability/index.html#_chat_model
• 阿里百炼对于 LangChain 的适配：https://help.aliyun.com/zh/model-studio/use-bailian-in-langchain
• 百度千帆对于 LangChain 的适配：https://cloud.baidu.com/doc/qianfan-docs/s/Mm9cr5bs6
• LangGraph 官方文档：https://github.langchain.ac.cn/langgraph/
• LangGraph Platform 官方文档：https://github.langchain.ac.cn/langgraphjs/concepts/langgraph_platform/
• LangGraph Platform 定价说明：https://langchain.ac.cn/pricing-langgraph-platform
• LangGraph Studio 使用说明：https://github.langchain.ac.cn/langgraphjs/concepts/langgraph_studio/
• AutoGen 官方文档：https://msdocs.cn/autogen/stable/user-guide/core-user-guide/quickstart.html
• AutoGen 运行时环境：https://msdocs.cn/autogen/stable/user-guide/core-user-guide/core-concepts/architecture.html
• AutoGen 主题和订阅（消息传递）：https://msdocs.cn/autogen/stable/user-guide/core-user-guide/core-concepts/topic-and-subscription.html
• AutoGen 多智能体设计模式：https://msdocs.cn/autogen/stable/user-guide/core-user-guide/design-patterns/intro.html
• AutoGen Studio 使用教程：https://www.aidoczh.com/autogen/stable/user-guide/autogenstudio-user-guide/index.html