> ## Documentation Index
> Fetch the complete documentation index at: https://nvd-54.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

# 框架、运行时和 Harness

> 理解 LangChain、LangGraph 和深度智能体之间的区别，以及何时使用各自

LangChain 维护多个开源包来帮助你构建智能体。每个包在智能体开发栈中服务于不同的目的。理解[智能体框架](#agent-frameworks-like-langchain)、[智能体运行时](#agent-runtimes-like-langgraph)和[智能体 Harness](#agent-harnesses-like-the-deep-agents-sdk) 之间的区别，有助于你为需求选择正确的工具。

<table className="products-page">
  <thead>
    <tr>
      <th />

      <th>框架</th>
      <th>运行时</th>
      <th>Harness</th>
    </tr>
  </thead>

  <tbody>
    <tr>
      <td>价值</td>
      <td class="tdlist"><ul><li>抽象层</li><li>集成</li></ul></td>
      <td class="tdlist"><ul><li>持久化执行</li><li>流式输出</li><li>人机协作</li><li>持久化</li></ul></td>
      <td class="tdlist"><ul><li>预定义工具</li><li>提示</li><li>子智能体</li></ul></td>
    </tr>

    <tr>
      <td>适用场景</td>
      <td class="tdlist"><ul><li>快速入门</li><li>标准化团队构建方式</li></ul></td>
      <td class="tdlist"><ul><li>底层控制</li><li>长时间运行的有状态工作流和智能体</li></ul></td>
      <td class="tdlist"><ul><li>更自主的智能体</li><li>面对复杂、非确定性任务的智能体</li></ul></td>
    </tr>

    <tr>
      <td>选项</td>
      <td class="tdlist"><ul><li>LangChain</li><li>Vercel AI SDK</li><li>CrewAI</li><li>OpenAI Agents SDK</li><li>Google ADK</li><li>LlamaIndex</li></ul></td>
      <td class="tdlist"><ul><li>LangGraph</li><li>Temporal</li><li>Inngest</li></ul></td>
      <td class="tdlist"><ul><li>Deep Agents SDK</li><li>Claude Agent SDK</li><li>Manus</li></ul></td>
    </tr>
  </tbody>
</table>

## 智能体框架（如 LangChain）

智能体框架提供抽象层，使构建 LLM 应用更容易入门。

[LangChain](/oss/python/langchain/overview) 是一个智能体框架，提供结构化内容块、智能体循环和中间件等抽象。

LangChain 的抽象设计为易于入门，同时仍为高级用例提供所需的灵活性。

虽然 LangChain 构建在 [LangGraph](/oss/python/langgraph/overview) 之上，但你不需要了解 LangGraph 就可以使用 LangChain。

其他智能体框架的例子包括 [Vercel AI SDK](https://ai-sdk.dev/docs/introduction)、[CrewAI](https://www.crewai.com/)、[OpenAI Agents SDK](https://openai.github.io/openai-agents-python/)、[Google ADK](https://google.github.io/adk-docs/)、[LlamaIndex](https://www.llamaindex.ai/) 等。

### 何时使用 LangChain

在以下情况下使用 LangChain：

* 你希望快速构建智能体和自主应用。
* 你需要模型、工具和智能体循环的标准抽象。
* 你需要一个易于使用但仍提供灵活性的框架。
* 你正在构建没有复杂编排需求的简单智能体应用。

## 智能体运行时（如 LangGraph）

智能体运行时提供在生产环境中运行智能体的工具。
支持的工具可能包括：

* **持久化执行**：智能体可在故障后持续运行并长时间运行，从中断处恢复。
* **流式输出**：支持流式工作流和响应。
* **人机协作**：通过检查和修改智能体状态纳入人工监督。
* **持久化**：线程级和跨线程的状态管理持久化。
* **底层控制**：无需高级抽象直接控制智能体编排。

[LangGraph](/oss/python/langgraph/overview) 是一个底层编排框架和运行时，用于构建、管理和部署长时间运行的有状态智能体。

智能体框架通常是更高层的，运行在智能体运行时之上。
例如，LangChain 1.0 构建在 LangGraph 之上。

其他智能体运行时的例子包括 [Temporal](https://temporal.io/)、[Inngest](https://www.inngest.com/) 和其他持久化执行引擎。

### 何时使用 LangGraph

在以下情况下使用 LangGraph：

* 你需要对智能体编排进行细粒度的底层控制。
* 你需要长时间运行的有状态智能体的持久化执行。
* 你正在构建结合确定性和智能体步骤的复杂工作流。
* 你需要用于智能体部署的生产就绪基础设施。

## 智能体 Harness（如 Deep Agents SDK）

智能体 Harness 是具有内置工具和功能的有主见的、即开即用的框架，用于构建复杂的长时间运行智能体。
支持的工具可能包括：

* **规划能力**：使用待办事项列表跟踪多个任务。
* **任务委派**：委派工作并使用子智能体保持上下文整洁。
* **文件系统**：在不同可插拔存储后端上读写文件。
* **Token 管理**：对话历史摘要和大型工具结果驱逐。

[Deep Agents SDK](/oss/python/deepagents/overview) 构建在 LangGraph 之上，增加了规划能力、用于上下文管理的文件系统、生成子智能体的能力等。
深度智能体专为需要规划和分解的复杂多步骤任务而设计。

示例任务包括处理搜索结果、脚本和状态中的其他工件。

其他智能体 Harness 的例子包括 [Claude Agent SDK](https://platform.claude.com/docs/en/agent-sdk/overview)、[Manus](https://manus.im/) 和其他编程 CLI。

### 何时使用 Deep Agents SDK

在以下情况下使用 [Deep Agents SDK](/oss/python/deepagents/overview)：

* 你正在构建需要长时间运行的智能体。
* 你正在构建需要处理复杂多步骤任务的智能体。
* 你希望使用预定义工具，如文件系统操作、bash 执行和自动上下文工程。
* 你希望使用预定义的提示和子智能体。

## 功能对比

虽然你可以使用 LangChain、LangGraph 和深度智能体完成类似任务，但它们的集成层级不同：

| 功能   | LangChain                                               | LangGraph                                                      | 深度智能体                                                                 |
| ---- | ------------------------------------------------------- | -------------------------------------------------------------- | --------------------------------------------------------------------- |
| 短期记忆 | [短期记忆](/oss/python/langchain/short-term-memory)         | [短期记忆](/oss/python/langgraph/add-memory#add-short-term-memory) | [`StateBackend`](/oss/python/deepagents/backends#statebackend)        |
| 长期记忆 | [长期记忆](/oss/python/langchain/long-term-memory)          | [长期记忆](/oss/python/langgraph/add-memory#add-long-term-memory)  | [长期记忆](/oss/python/deepagents/memory)                                 |
| 技能   | [多智能体技能](/oss/python/langchain/multi-agent/skills)      | -                                                              | [技能](/oss/python/deepagents/skills)                                   |
| 子智能体 | [多智能体子智能体](/oss/python/langchain/multi-agent/subagents) | [子图](/oss/python/langgraph/use-subgraphs)                      | [子智能体](/oss/python/deepagents/subagents)                              |
| 人机协作 | [人机协作中间件](/oss/python/langchain/human-in-the-loop)      | [中断](/oss/python/langgraph/interrupts)                         | [`interrupt_on` 参数](/oss/python/deepagents/harness#human-in-the-loop) |
| 流式输出 | [智能体流式输出](/oss/python/langchain/streaming/overview)     | [流式输出](/oss/python/langgraph/streaming)                        | [流式输出](/oss/python/deepagents/streaming/overview)                     |

## 了解更多

* [LangChain 概览](/oss/python/langchain/overview)
* [LangGraph 概览](/oss/python/langgraph/overview)
* [深度智能体概览](/oss/python/deepagents/overview)

***

<div className="source-links">
  <Callout icon="terminal-2">
    [连接这些文档](/use-these-docs)到 Claude、VSCode 等，通过 MCP 获取实时答案。
  </Callout>

  <Callout icon="edit">
    [在 GitHub 上编辑此页面](https://github.com/langchain-ai/docs/edit/main/src/oss/concepts/products.mdx)或[提交问题](https://github.com/langchain-ai/docs/issues/new/choose)。
  </Callout>
</div>