MCP & A2A 前沿实战
黄佳
新加坡科研局资深研发工程师
2801 人已学习
新⼈⾸单¥59
登录后,你可以任选4讲全文学习
课程目录
已更新 14 讲/共 26 讲
MCP & A2A 前沿实战
15
15
1.0x
00:00/00:00
登录|注册

12|风云际会:智能体6大开发框架之选型比较

你好,我是黄佳。
前面我们学习了 MCP 的协议细节,接下来我们进入 A2A 的实战部分。在这一部分中,我们会接触到多种常见的 Agent 开发框架,完成各种不同能力的 Agents。

3 分钟复习一下 Agent

我们说过,大模型驱动着我们从计算 1.0 走向了计算 2.0 时代,同时也驱动着我们从“基于连接”的产品逻辑走向了“基于计算”的产品逻辑。
大模型驱动了从连接到计算的范式转换
而 Open AI o1/o3,DeepSeek R1 等推理模型的诞生,更是驱动着我们从“单纯的计算”走向了“服务驱动”的产品逻辑。
推理模型使更智能、更自动化的服务成为可能
新一代的产品设计将从基于信息网络的产品,演进到基于行动网络的产品。
从信息网络到行动网络的演进
而在行动网络时代,新一代大模型应用开发的关键点,就是智能体自主驱动自己来完成原本需要由人类才能完成的任务。Manus 就是一个很好的例子。
新一代的大模型应用开发强调自主自驱型的服务
Agent 并没有一个明确的定义,而在大模型和 AI 的语境下,只要是通过 LLM 自主推理,帮助人类完成任务的智能体就是 Agent。至于在完成任务的过程中,人类是否给予指导,是否遵循一些预先设定的工作流,或者完全由智能体自主推理解决问题,这只是 “Agentic” 程度差异而已。
单体 Agent 的技术框架如下。
Agent 的技术框架
这个框架由 Lililan Wong 提出,并且被广泛的引用。我们在这里就不多展开了。总而言之,随着 LLM 推理能力越来越强,可用的工具越来越多,Agent 正在蓬勃的发展。然而,这个所谓蓬勃的发展,具体我们所期待的“说句话它们就得把事情给我干了”,还差得太远太远。
确认放弃笔记?
放弃后所记笔记将不保留。
新功能上线,你的历史笔记已初始化为私密笔记,是否一键批量公开?
批量公开的笔记不会为你同步至部落
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线
笔记
复制
AI
  • 深入了解
  • 翻译
    • 英语
    • 中文简体
    • 法语
    • 德语
    • 日语
    • 韩语
    • 俄语
    • 西班牙语
  • 解释
  • 总结

1. Agent的发展趋势是从基于信息网络的产品演进到基于行动网络的产品,智能体自主驱动成为关键点。 2. Agent的开发平台包括高代码平台和低代码平台,分别适合有技术背景的开发者和非技术用户或快速原型设计。 3. CrewAI 是一个开源的多智能体框架,以“以人为本的自动化”为核心理念,适合快速原型开发与中小型项目。 4. Google ADK是由Google推出的开源框架,旨在简化AI Agent和多Agent系统的开发、评估和部署,支持多Agent设计和丰富的模型生态。 5. LangGraph是由LangChain团队开发的开源框架,专注于构建和优化基于语言模型的多代理系统和图状工作流,支持图状工作流、状态管理和多代理协作。 6. Semantic Kernel (SK) 是一种由 Microsoft 开发的轻量级开源软件开发套件 (SDK),旨在帮助开发者将最新的大型语言模型 (LLM) 轻松集成到 C#、Python 或 Java 代码中,作为高效的中介层,加速企业级解决方案的交付,受到大型企业的青睐。 7. A2A示例代码库中Agents目录分析展示了Agent目录的整体架构模式和各Agent的专长领域。 8. Agents目录下的所有Agent都遵循一个统一的架构模式,包括agent.py、task_manager.py、__main__.py、pyproject.toml和README.md等核心组件。 9. 各Agent的专长领域包括协议兼容性、任务管理、会话管理和扩展性等特点。 10. Agent框架通过A2A(Agent-to-Agent)协议进行标准化集成,使得不同框架开发的Agent可以相互通信和协作。

仅可试看部分内容,如需阅读全部内容,请付费购买文章所属专栏
《MCP & A2A 前沿实战》
新⼈⾸单¥59
立即购买
登录 后留言

精选留言

由作者筛选后的优质留言将会公开显示,欢迎踊跃留言。
收起评论
显示
设置
留言
收藏
沉浸
阅读
分享
手机端
快捷键
回顶部