07
Agent 工具生态：三层看懂
框架 → 平台 → 终端
本页要点： Agent 工具体系大致分三层——开发框架 （自己写编排逻辑）、落地平台 （低代码 / 云托管，开箱即用）、终端 Agent 产品 （面向最终用户的自主执行工具，如 Claude Code、ChatGPT Agent、Manus）。选型先问四件事：要不要私有化、谁来开发、绑定哪家云、任务有多长 。
① 开发框架
LangGraph · CrewAI · OpenAI Agents SDK · Google ADK · Microsoft Agent Framework · Mastra
② 落地平台
Coze · Dify · 阿里云百炼 · 百度千帆 · 腾讯云 ADP
③ 终端 Agent
Claude Code · Kimi Code · ChatGPT Agent · Manus · Cursor
DEEP DIVE
① 开发框架：自己写编排
面向工程师，给出 Agent 的循环、工具调用、多智能体编排、持久化与追踪的原语。2026 年关键是：AutoGen 已进入维护模式，微软官方推荐迁移到 Microsoft Agent Framework ；对比重心从"LangChain vs AutoGen"变成"LangGraph vs Microsoft Agent Framework "。
框架 主力语言 / 厂商 核心范式 最强场景 上手难度
LangGraph Python · LangChain 官方 状态机有向图 复杂长流程、企业生产，可审计 高 CrewAI Python · 独立 角色团队 Crew 多角色协作原型，几分钟上手 极低 OpenAI Agents SDK Python/JS · OpenAI 轻量 Agent + Handoff GPT 生态快速开发、实时语音 极低 Google ADK Python/Java · Google 分层模块化 Gemini / Google Cloud 部署 中等 Microsoft Agent Framework Python/.NET · 微软 跨语言协作 .NET / Azure 企业、办公自动化 中等 LlamaIndex Workflows Python · 独立 检索 + 节点工作流 知识库 / 文档 RAG 中等 Mastra TypeScript · Gatsby 团队 TS 图工作流 Web / Next.js AI 应用 低 LangChain / Deep Agents Python 链式 / 深度自主 通用底座 / 开放式复杂推理 中 / 中
选型一句话： 要可控生产流程用 LangGraph ；快速搭角色团队用 CrewAI ；锁 OpenAI 用 Agents SDK 、锁 Gemini 用 ADK 、锁 .NET/Azure 用 Microsoft Agent Framework ；不想写 Python 做前端用 Mastra 。
PLATFORM
② 落地平台：低代码 / 云托管
面向业务与交付，强调开箱即用、插件生态、多模型切换、发布渠道与私有化。
Coze（扣子）· 字节跳动国内
国内插件生态最丰富：800+ 即插即用插件；对话式 Bot 与工作流式 Agent 双形态；内置向量库做 RAG；可一键发布到飞书/抖音/微信。适合个人开发者与快速验证。
Dify · 开源社区开源
开源智能体框架标杆，全开源可私有化，可视化工作流编排，率先原生支持 MCP；任意 OpenAI 兼容 API 可对接私有模型。适合金融/政务/医疗等数据不出域场景。
阿里云百炼 · 阿里巴巴国内
绑定通义大模型与阿里云生态，电商场景工具集突出；内置 ETL 对接大数据；2026 年已全面支持 MCP 1.0 与 A2A 协议。适合电商/新零售与阿里云客户。
百度千帆 / 腾讯云 ADP国内
千帆 ：文心大模型 + 知识图谱，中文理解与长文档处理强，适合政务/教育。腾讯 ADP ：深度集成企业微信/腾讯会议，Agent 可作为"机器人同事"参与群聊，适合腾讯系企业。
选型一句话： 要快、生态全用 Coze ；要私有化、可自控用 Dify ；绑阿里云用 百炼 、绑腾讯生态用 ADP 、重中文知识用 千帆 。
AGENTS
③ 终端 Agent：面向用户直接干活
不需要写代码，把目标交给它，Agent 在独立环境里完成研究、开发、数据处理等任务。
Claude Code ：Anthropic 终端 Agent，Auto mode 自主执行，CLAUDE.md + 自动记忆Kimi Code ：月之暗面，CLI/IDE 插件/桌面端，Skills、Hooks、MCP、Plugins 四层定制，Sub-agents 与 Agent SwarmChatGPT Agent ：OpenAI，通用型，研究/预订/表格/表单Manus ：通用云端自主智能体，独立计算环境执行研究、开发、数据处理Cursor / Copilot ：AI 编程助手从"补全"走向"Agent 化多步任务"
趋势判断： 终端 Agent 正从"对话助手"升级为"能拿到工具、能操作文件/网页、能独立跑多步任务的自主执行体"——这也是本报告多智能体、安全、落地各页反复出现的共同主线。
FOCUS
DeepSeek Harness（dsh）：一切皆插件
DeepSeek 官方开源的 Agent Harness，2026 年开发者预览版 v0.1 公开、MIT 协议。一句话定位：模型、工具、技能、会话、沙箱、存储、循环、调度、UI——所有 Agent 能力都由插件组合而成，可自由替换、灵活重组 。为什么它"牛逼"？因为它把一个 Agent 运行时做成了可插拔、可编程的"乐高系统"。
1 · 核心思想：Everything is a plugin
多数 Agent 框架把"模型适配、工具调用、会话管理、沙箱执行"写死成硬编码模块，想改要动源码。DeepSeek Harness 反过来：它基于 Cordis 的「一切皆插件」架构，连 Agent 循环本身、UI、沙箱都是插件 。开发者在配置里即可选择、替换、扩展任意能力，不需要改 DeepSeek Harness 一行源码 。Cordis 的服务与事件机制让这些插件互相协作。
Cordis 内核（服务注册 · 依赖注入 · 可逆副作用）
模型
可替换/多模型
工具
按需加载
技能
Skills 可热插拔
会话
持久化
沙箱
安全隔离
循环+调度
Agent loop
UI
桌面/网页
↓ 全部是 Cordis 插件：配置里选择、替换、扩展，无需改动源码 → 可自由重组
Agent 的"另一半"是 Harness：模型只负责推理/规划/生成，上下文、工具、会话、沙箱、循环都交给插件化的 Harness
官方图景：模型是 Agent 的一半，Harness 是另一半 ——模型负责推理、规划、代码生成；Harness 提供上下文、工具、会话、沙箱与循环。而 Harness 里每一块都是可替换的插件，这正是它与传统框架的本质区别。
2 · 插件化与自定义：能改什么
换模型 ：模型作为插件，可切换 DeepSeek 系列或其他模型，多模型组合。加工具 ：工具插件按需加载——官方已含 Shell、Web search、Subagent、Agent loop、Voice input、Agent Teams 等。加技能（Skills） ：技能即插件，把某个专有能力打包成可复用的 Skill，随用随插。定制 UI / 会话 / 沙箱 / 存储 / 调度 ：连界面和运行策略都能换——桌面应用、网页 UI，或自己组一套。
3 · Creator mode：用聊天写插件
它最强的一点：你不需要先会写插件，直接在对话里让 Agent 帮你造 。官方示例是"给我写一个番茄钟插件 "——dsh 会实时检查运行环境、加载 Cordis 插件开发技能（skill cordis-plugin-development）、查询运行时槽位、写出插件代码、现场安装并验证运行 ，几分钟内交付一个可用的浮动番茄钟。也就是说：工具的创造过程本身，被 Agent 自动化了 。
# 安装 / 启动 DeepSeek Harness 网页版
$ npx @deepseek-ai/dsh web
4 · 它擅长什么
日常办公 ：整理文件、分析表格、撰写文档、制作汇报（PPT/文档/表格/HTML/代码直接产出）。写代码 / 改仓库 ：探索仓库、修 bug、加功能、跑测试。研究 ：检索信息、核验事实、引用来源。后台任务 ：跑脚本、批量处理文件、追踪进度。插件生态 ：装现成插件，或用 Creator mode 自建贴合自己工作流的工具。
一句话总结： DeepSeek Harness 把"一切皆插件"推到极致——模型、工具、技能、沙箱、循环、UI 全可插拔，还能在对话里让 Agent 现写现装插件。它代表 Agent 工具从"框架"走向"可编程运行时"的新方向，是终端 Agent 生态里最值得盯的一个。
SELECT
选型速查：四问定方向
要不要私有化 / 数据不出域？ 是 → 开源框架（LangGraph/CrewAI）或 Dify 私有化部署；否 → 云平台或终端产品。谁来开发？ 工程师写代码 → 开发框架；业务人员低代码 → Coze / 百炼 / ADP。绑定哪家云 / 模型？ OpenAI→Agents SDK，Gemini→ADK，Azure→Microsoft Agent Framework，阿里→百炼，腾讯→ADP。任务多长、多复杂？ 短任务轻量 Agent 即可；长链路、要审计、要人工介入 → LangGraph 状态机。