LangChain 官方维护着多个不同的开源软件包：其中 LangChain 和 LangGraph 规模最大，而 DeepAgents 的受欢迎程度正日益提升。

我开始用不同的术语来描述它们：LangChain 是一款 AI智能体框架（Agent Framework），LangGraph 是 AI智能体运行时（Agent Runtime），而 DeepAgents 则是 AI智能体工具集（Agent Harness）。

其他从业者也在使用这些术语，但目前 “框架”、“运行时”、“工具集” 之间尚未有清晰的定义。

本文正是我尝试界定这些概念的一次尝试。我必须承认，它们之间仍存在模糊地带与重叠，因此非常欢迎大家提出反馈！

一、AI 智能体框架（Agent Framework）：以 LangChain 为例

目前市面上多数用于辅助构建大语言模型（LLM）应用的软件包，在我看来都可归为 “AI 智能体框架”。这类工具的核心附加价值在于抽象能力，它们构建了一套对（开发）领域的认知模型，理想情况下能降低上手难度，同时提供标准化的应用构建方式，方便开发者快速熟悉项目并在不同项目间切换。

不过，抽象能力也招致了一些批评：若设计不当，它们可能会掩盖底层工作原理，且无法为复杂场景提供所需的灵活性。

我们将 LangChain 定位为典型的 AI 智能体框架。在其 1.0 版本开发过程中，我们在抽象能力设计上投入了大量精力，涵盖结构化内容块、AI 智能体循环（Agent Loop）以及中间件（我们认为中间件能为标准的 AI 智能体循环增加灵活性）。

在我看来，其他可归为 AI 智能体框架的工具还包括：Spring AI、Vercel 的 AI SDK、CrewAI、OpenAI Agents SDK、Google ADK、LlamaIndex 等等。

二、AI 智能体运行时（Agent Runtime）：以 LangGraph 为例

当你需要在生产环境中运行 AI 智能体时，就会需要 “AI 智能体运行时”。这类工具需满足更多基础设施层面的需求，核心需求包括：

• 持久化执行（Durable Execution）：确保 AI 智能体任务不中断、状态可恢复；
• 流式传输支持：适配实时数据交互场景；
• 人机协同（Human-in-the-Loop，HITL）支持：允许人类介入调整 AI 智能体决策；
• 数据持久化：包括线程级持久化与跨线程持久化。

我们开发 LangGraph 的目标，就是从零构建一个 “可直接用于生产环境” 的 AI 智能体运行时。LangGraph 为解决 LLM 智能体延迟高、可靠性低、非确定性问题而生，提供并行化、流处理等 6 大特性，以 “少假设未来、贴近代码” 为理念，性能可扩展，适配生产级需求，已获 LinkedIn、Uber 等企业采用。在我们看来，其他功能相近的工具还包括 Temporal、Inngest 以及其他持久化执行引擎。

通常而言，AI 智能体运行时的层级比框架更低，且能为框架提供支撑。例如，LangChain 1.0 就是基于 LangGraph 构建的，目的就是借助其提供的运行时能力。

三、AI 智能体工具集（Agent Harness）：以 DeepAgents 为例

DeepAgents 是 LangChain 正在开发的最新项目，其层级比 AI 智能体框架更高，它直接构建于 LangChain 之上，属于 “开箱即用” 的工具集合，包含：

• 默认提示词（无需开发者从零编写）；
• 工具调用的预设处理逻辑（ Opinionated Handling，减少定制化成本）；
• 规划专用工具；
• 文件系统访问能力；
  -更多内置功能。

我们还常将 DeepAgents 描述为 “通用版的 Claude Code”。客观来说，Claude Code 也在向 “AI 智能体工具集” 方向发展，比如：它们已发布 Claude Agent SDK，就是这一方向的重要一步。

如今，除了 Claude Agent SDK 之外，市面上的通用型 AI 智能体工具集并不多。不过也有观点认为：所有编程命令行工具（Coding CLI）在某种程度上都可算作 AI 智能体工具集，且可能具备通用性。

四、如何选择？三者核心差异与适用场景

下表总结了 AI 智能体框架、运行时与工具集的核心差异，及各自的适用场景：

最后说明：概念界限并非绝对清晰。

我必须承认，上述三者的界限并非绝对分明。例如，LangGraph 或许更适合被同时描述为 “运行时” 和 “框架”；而 “智能体工具集（Agent Harness）” 这个术语也是我最近才看到使用频率变高的（并非我首创）。目前，这些概念都还没有绝对统一的清晰定义。

在新兴领域开发的一大乐趣，就在于共同构建描述事物的认知模型。我们清楚 LangChain 与 LangGraph 存在差异，DeepAgents 又与前两者不同，将它们分别定义为 “框架”、“运行时” 和 “工具集”，是我们认为有帮助的区分方式。但和往常一样，我们非常期待大家的反馈！

好了，这就是我今天想分享的内容。

最后

选择AI大模型就是选择未来！最近两年，大家都可以看到AI的发展有多快，时代在瞬息万变，我们又为何不给自己多一个选择，多一个出路，多一个可能呢？

与其在传统行业里停滞不前，不如尝试一下新兴行业，而AI大模型恰恰是这两年的大风口，人才需求急为紧迫！

由于文章篇幅有限，在这里我就不一一向大家展示了，学习AI大模型是一项系统工程，需要时间和持续的努力。但随着技术的发展和在线资源的丰富，零基础的小白也有很好的机会逐步学习和掌握。

【2025最新】AI大模型全套学习籽料（可无偿送）：LLM面试题+AI大模型学习路线+大模型PDF书籍+640套AI大模型报告等等，从入门到进阶再到精通，超全面存下吧！

获取方式：有需要的小伙伴，可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
包括：AI大模型学习路线、LLM面试宝典、0基础教学视频、大模型PDF书籍/笔记、大模型实战案例合集、AI产品经理合集等等

AI大模型学习之路，道阻且长，但只要你坚持下去，就一定会有收获。