横向 Agent 平台怎么选？AutoGPT、AutoGen、MetaGPT、CrewAI 加上可视化三兄弟一次讲清
导语
很多朋友问：我想自己搭一个 Agent，不靠那些云平台，应该从哪下手？
答案一句话：先分清”框架”和”工作流工具”两条路。
横向 Agent 平台基本分成两派。一派是编程框架，代表是 AutoGPT、AutoGen(LangGraph 可算它的近亲)、MetaGPT、CrewAI，给你一套库，你用代码定义角色、编排任务；另一派是可视化工作流工具，代表是 Dify、Flowise、Langflow，拖拽节点搭 RAG 和 Agent，不懂代码也能上手。
这次我不吹哪个最好，只把 7 个主流项目的最新真实数据摆出来，说说各自的定位和坑。
项目介绍
先说星数（GitHub，2026 年 9 月实测）：
- AutoGPT 约 18.7 万星。它是 2023 年那波”自主 Agent”浪潮的鼻祖，后来转型成构建、部署、运行连续 Agent 的平台，可以自托管，也有云托管 beta。理念是”全自动跑完整个任务”，但别指望它啥都能替你做。
- Dify 约 15.6 万星。国内用得最多的 LLM 应用平台，把工作流、RAG、MCP、Agent 编排打包成一个产品，适合真正要上线的应用。
- Langflow 约 15.5 万星，MIT 协议，号称”Python-first”的可视化构建器，后台一切都能用 Python 改。注意：它背后的托管服务 DataStax(Astra)在 2026 年 4 月已停，现在基本只有自托管这条路。
- MetaGPT 约 7.0 万星，MIT。核心理念是”把一家软件公司的 SOP 塞进一群 LLM 角色里”，产品经理、架构师、工程师各干各的活，输入一行需求产出整套文档和代码，也出了 MGX 这个 agent 开发团队产品。
- AutoGen 约 6.1 万星，微软出品，多 Agent 对话编排的老牌框架。但要注意：它已经进入维护模式，官方推荐新用户直接上继任者 Microsoft Agent Framework（MAF）。
- CrewAI 约 5.9 万星，从头写的轻量 Python 框架，不依赖 LangChain，主打”角色扮演式协作”。有 Crews 和更面向生产的 Flows 两套机制，上手快。
- Flowise 约 5.5 万星，Apache 2.0，基于 LangChain 的可视化节点构建器。好消息是它很轻、好上手；要注意的是它 2025 年 8 月被 Workday 收购，主仓库已归档，产品归进 Workday 生态了。
上手建议
想最快看到效果，我的路线是：
想不写代码先玩起来 → 装 Dify 或 Flowise，Docker 一键起，拖个节点接上你的 API key，配个 RAG 向量库，半天就能出一个能聊天的客服机器人。
想用代码精确控制 → 首选 CrewAI，三行定义一个 agent；或者上 AutoGen 感受多角色对话，再往 MAF 迁移。
想跑”全自动写代码”流水线 → 试 MetaGPT，一行需求喂进去，看它输出需求文档→架构→代码的完整链路。但这东西吃 token 很凶，先用小任务试。
实话
几点劝退：星数只代表关注度，不代表答案。AutoGen 维护模式、Flowise 被收购归档、Langflow 托管服务停摆——这三个项目 2026 年都有重大变动，选它们之前一定先去仓库 README 看最新状态，别拿 2023 年的教程当指南。
还有，别再手动复制教程里的中文报错，我经常先跑起来、再让模型排查。多 Agent 框架坑也深：任务一长,角色间来回对话容易失控,Token 哗哗烧。我现在的用法是——能用单 Agent 解决的事绝不上多 Agent,真到编排复杂流程再拉框架,省钱又省心。
对 Agent 到底该放哪、要不要上公网,可以翻翻站里那篇《Agent 放哪里最合适》。
对了,别打我乱用半角逗号——Agent 写的文章配 Agent 全自动化,主打一个真实人工感。
—— by 数码罗记 · godsun.pro
