LangGraph 和 CrewAI 怎么选：先看你的流程有没有环
数据截至 2026-07，价格与限额以各官网为准。
**LangGraph 和 CrewAI 之间真正的分水岭，不是谁的功能列表更长，而是你要跑的那条流程图上有没有回边——有返工、有重试、有”审核不过就退回上一步”这类循环，就往 LangGraph 靠；流程基本是一条直线走完、你又想一天内看到能演示的东西，就往 CrewAI 靠。**先按这一条筛，剩下的差异大多是可以后补的工程细节。
需要先纠正一个很常见的误解：不少人默认”多智能体一定比单个 agent 强”，于是一上来就挑框架、排角色、画协作图。实际上，如果你的场景只是一个 agent 调一两个工具把事办了，2026 年更快的路径往往是直接用 OpenAI Agents SDK 或 Anthropic Claude Agent SDK 这类单 agent 的 SDK，根本不需要引入多智能体框架。多引入一层编排，就多一层状态、多一层调试面积，这个成本在原型阶段感觉不到，上生产之后会一次性还回来。所以这篇的第一节先劝退，确认你确实需要，再往下看框架怎么挑。
以下所有对比结论来自 2026 年的多篇第三方实战对比文章，不是各项目官方的一手声明；具体行为、API 与能力边界，以各项目官方文档当前版本为准。
一、先确认你是不是真的需要多智能体框架
判断标准可以很粗暴：把你的任务写成一句话，看能不能一句话说完。
“读用户上传的合同，提取关键条款，填进模板返回”——这是一个 agent 加两三个工具的活。“先让一个人查资料，另一个人根据资料写稿，第三个人审稿，审不过退回改”——这才开始出现多角色和交接。
前一种情况引入多智能体框架，你得到的主要是额外的抽象层。后一种情况不用框架，你会自己手写一套调度、状态传递和重试逻辑，写到一半就发现在重新发明框架。分界点大致就在这里：有没有多个角色之间的交接，以及交接失败时要不要退回。
如果你连”我的任务算不算 agent 任务”都还不确定，可以先看 AI 智能体是什么 和 ReAct 的思考-行动-观察循环，把单 agent 的运行方式弄明白再谈多智能体，会省很多力气。
二、“有没有环”为什么是最好用的那把尺
第三方对比里有一条结论相当一致：带反馈环的循环任务上 LangGraph 更占优。CrewAI 技术上是支持循环的，但实践者反馈调试起来相当痛苦。
这不是谁做得糙的问题，是两者的抽象模型不一样导致的必然差异。LangGraph 的模型是有向图：节点是函数或者一次 LLM 调用，边定义控制流，状态以一个带类型的字典在节点之间传递。既然边是显式声明的，那”从审稿节点连一条边回到写作节点”就是一个普通的建模动作，跟连一条向前的边没有本质区别。而在以角色团队为核心抽象的模型里，回退是要绕过主干叙事去表达的东西，写得出来，但读起来和查起来都不轻松。
所以落到实操，你可以拿一张纸把流程画出来，只做一件事：数一数有几条边是往回指的。 一条都没有，CrewAI 大概率够用；有一条以上，而且这些回边是业务本身要求的（不是偶发异常重试），那 LangGraph 的建模方式会让你后面几个月轻松很多。
三、三种架构模型，决定了三种调试体验
把三个框架的抽象模型摆在一起看，选型逻辑会更清楚：
- LangGraph：有向图。节点是函数或 LLM 调用，边定义控制流，状态是带类型的字典。适合复杂的生产系统。
- CrewAI：一队有明确角色的 agent，比如研究员 → 写手 → 审稿，可以串行也可以并行。适合快速搭建、流程比较线性的场景。
- AutoGen / AG2：基于对话，agent 之间互相交谈。它的对话模式是三者里最丰富的，适合需要多方辩论、达成共识的场景，在代码生成与调研类任务上表现被多次提及。
这三种模型不是同一件事的三种写法，它们决定了你出问题时往哪儿看。图模型出问题，你查的是”走到哪个节点断的、状态字典里当时是什么”；角色模型出问题，你查的是”哪个角色的输出不符合下一个角色的预期”；对话模型出问题，你查的是一段可能很长的对话记录，判断它们是在哪一轮跑偏的。第三种的排查体验最依赖你对上下文的耐心。
四、五个生产维度上的实测排序
某次第三方实测对比给出的排序如下，注意这是单次对比的口径，不是行业公认标准：
- 学习曲线：CrewAI 最平缓，LangGraph 最陡。
- 控制力：LangGraph 最强。
- 生产成熟度：LangGraph 最成熟。
- token 效率：LangGraph 最好，AutoGen 开销最大。
- 生态规模：LangGraph 最大。
这五条里最容易被低估的是第四条。多智能体的 token 开销不是线性增长的——agent 之间每多一轮交谈，前面的上下文就要再带一遍。对话驱动的模式在这方面天然吃亏，因为”互相说话”本身就是它的工作方式。如果你的场景调用量不小，这一项会直接反映在月底账单上，建议在原型阶段就把用量埋点做起来，别等上线后再算账，可参考 token 成本怎么优化。
LangGraph 这边还有一组能力值得单独点名：它支持持久化的长时运行工作流，带 checkpointing、streaming 和 human-in-the-loop 原语。翻译成人话就是——流程可以跑几个小时甚至跨天，中间挂了能从检查点接着跑，也能在某个节点停下来等人点头再继续。需要人工审批的业务流程，这几样东西不是加分项，是刚需。
五、AutoGen 的现状要如实说
选型时必须知道的一件事：微软已经把重心转到了更大的 Agent Framework，AutoGen 的主要新功能开发已经停止，进入维护模式。它仍然有 bug 修复和安全补丁，社区里也在陆续寻找替代方案。有实践者的说法比较直接：2026 年不建议把它作为任何新项目的起点。
这话要按字面意思理解，别过度解读。维护模式不等于项目消失，存量项目也不必立刻恐慌迁移——补丁还在发，跑得好好的系统没必要为了迁移而迁移。它影响的主要是新项目的起点选择：你现在挑一个框架，是在赌未来一两年的生态、文档和社区答案的增量，而增量停了这件事，对新项目的权重要比对存量项目高得多。
如果你手上确实有 AutoGen 的存量系统，比较务实的做法是：不急着改造，但把和框架强耦合的部分（提示词、工具定义、业务逻辑）尽量剥出来单独放，将来真要换，换的是编排层而不是全部重写。
六、别拿旧结论评价 CrewAI
网上有大量”CrewAI 只适合做原型、上不了生产”的对比文章，这个结论现在需要打个问号。
CrewAI 在 2025 年加了 Flows，一种事件驱动的 pipeline 模式，面向更可预测的生产型负载。 多数较老的对比文章写在这之前，自然不会覆盖这部分。所以你搜到的对比结论，第一件事是看发布时间——2025 年之前的文章，关于 CrewAI 生产能力的判断可以直接降权处理。
这也是这类选型题的通病：框架迭代速度比对比文章的半衰期快。比较靠谱的做法是把网上的对比当成”看点在哪”的索引，具体某个能力到底有没有、怎么用，回到各项目官方文档的当前版本去确认。这篇也一样，别把它当结论背下来。
七、互操作性：MCP 与 A2A 要不要现在就管
如果你的系统未来要和外部工具、外部 agent 打交道，协议支持要提前看一眼。
已知的两条：CrewAI 已加入 A2A 支持；另有 OpenAgents 声称自己是唯一原生同时支持 MCP 与 A2A 的框架——“声称”两个字请保留，这一条没有独立核实过，当成厂商说法看待即可。
要不要现在就为协议兼容性买单，取决于你的系统边界。纯内部使用、工具都是自己写的，这一项的优先级可以往后放；如果你已经在用外部的 MCP 服务，或者规划里有和第三方 agent 互相调用的场景，那就要在选型阶段确认清楚，而不是等接口都写完了再回头改。协议本身的差别可以看 MCP 协议是什么 和 Agent 协议生态对比。
八、一条可以照着走的决策路径
把上面的判断串成顺序，大致是这样：
- 先问需不需要多智能体。 单 agent 加一两个工具能办的事，用单 agent 的 SDK 更快，别引入编排层。
- 画流程图，数回边。 有环、有分支逻辑，往 LangGraph 走；基本线性，往 CrewAI 走。
- 看失败代价。 需要生产级可观测性、需要人工审批卡点、出错代价高的，LangGraph 在控制力和成熟度上更经打。
- 看交付时间。 一天内要拿出能演示的原型，CrewAI 的上手门槛最低，这一条在早期比什么都实在。
- 看协议边界。 要和外部工具或外部 agent 互通，提前确认 MCP / A2A 的支持情况。
- 别选进入维护模式的框架当新项目起点。
要强调的是，不存在”唯一最好”的那个框架：CrewAI 的原型门槛最低，LangGraph 在生产上最经打，这两句话不冲突，它们回答的是不同阶段的问题。真实项目里”先用 CrewAI 快速验证业务假设，验证通过后按图模型重写编排层”也是一条合理路径，前提是你从一开始就把提示词和工具定义写得可迁移。想横向看更多框架和低代码平台，可以参考 主流 AI Agent 框架对比；如果你的需求其实更偏自动化流程而不是智能体，AI 工作流平台选型 那条路径可能更对口。
九、这篇能给你什么、不能给你什么
诚实说局限：
- 上面的维度排序来自第三方实测对比，样本是特定任务、特定模型、特定时间点。换一类任务、换一个模型，排序完全可能变。它适合用来定方向，不适合当验收标准。
- 本文不写版本号、不写具体 API 签名、不写各项目的社区规模数字——这些变化太快，写下来的当天可能就旧了，请以各项目官方文档和仓库当前状态为准。
- 框架本身是开源的，本地部署不涉及地区限制；但你在框架下面接的模型 API 是另一回事。这几家海外厂商官方并未把中国大陆列为受支持地区，注册、控制台与 API 端点都在境外，具体以各自官网当前的地区政策页为准。本文不提供也不背书任何第三方中转渠道。
- 真正的选型决定还是得跑一遍。建议拿你自己流程里最难的那一段（通常就是有回边的那段）在两个框架上各写一版最小实现，花一天时间，比读十篇对比文章有用。
小结
选 LangGraph 还是 CrewAI，先别看功能表，把流程画出来数回边——有环选 LangGraph，线性选 CrewAI，这一条能解决大部分纠结。动手之前再回头确认一遍你是不是真的需要多智能体，很多场景用单 agent 的 SDK 反而更快。AutoGen 目前处于维护模式，仍在收 bug 修复和安全补丁，存量项目不必慌，但新项目挑起点时要把这一点算进去。CrewAI 加了 Flows 之后，“只能做原型”的旧判断需要重新验证，别照抄 2025 年之前的对比结论。所有具体能力和参数，最后都请回到各项目官方文档的当前版本核实一遍再动手。