# LangGraph 的 ReAct 循环（简化）
from langgraph.prebuilt import create_react_agent
agent = create_react_agent(model, tools=tools)
result = agent.invoke({"messages": [{"role": "user", "content": "查询订单状态"}]})

# CrewAI 的等价实现（简化）
from crewai import Agent, Task, Crew
agent = Agent(role="客服", goal="解决用户问题", tools=tools)
task = Task(description="查询订单状态", agent=agent)
crew = Crew(agents=[agent], tasks=[task])
result = crew.kickoff()

# Google ADK 2.0 的等价实现
from google.adk import Agent
agent = Agent(name="customer_service", model="gemini-2.5", tools=tools)
result = agent.run("查询订单状态")

# Claude Agent SDK 的等价实现
from claude_agent_sdk import Agent
agent = Agent(tools=tools)
result = agent.run("查询订单状态")

ADK 2.0 架构层级：
├── Agent Layer（ReAct循环 — 与其他框架同构）
├── Tool Layer（MCP + 原生工具 — 标准接口）
├── Memory Layer（会话 + 持久化 — 内置）
├── Deployment Layer（Cloud Run + GKE — Google Cloud绑定）
├── Protocol Layer（A2A原生 — 独家优势）
└── Observability（Cloud Trace + Langfuse — 可选集成）

// Claude Agent SDK 的 MCP 工具集成
import { Agent, MCPClient } from '@anthropic/claude-agent-sdk';

const mcpClient = new MCPClient({
  servers: {
    filesystem: { command: 'npx', args: ['@anthropic/mcp-server-filesystem'] },
    database: { command: 'npx', args: ['@anthropic/mcp-server-postgres'] }
  }
});

const agent = new Agent({
  model: 'claude-sonnet-4-6',
  tools: await mcpClient.getTools(), // 自动发现MCP工具
  hooks: {
    beforeToolCall: async (tool, args) => validateArgs(tool, args),
    afterToolCall: async (tool, result) => logResult(tool, result)
  }
});

from pydantic_ai import Agent
from pydantic import BaseModel

class SearchResult(BaseModel):
    title: str
    url: str
    relevance: float

agent = Agent(
    'openai:gpt-4o',
    result_type=SearchResult,  # 类型约束输出
    system_prompt='搜索并返回结构化结果'
)

@agent.tool
async def search_web(ctx, query: str) -> str:
    """类型签名的参数自动变成工具Schema"""
    return await web_search(query)

result = await agent.run('查找最新的Agent框架')
# result.data 是严格类型的 SearchResult 对象

2024: Phidata — 快速Agent原型
  ↓
2025: Agno — 高性能Agent框架（Agent Session < 2ms启动）
  ↓  
2026: Agno + AgentOS — Agent运行时 + 控制面板
  ├── Agent Playground（调试界面）
  ├── Agent API（RESTful接口）
  ├── Agent UI（前端组件库）
  └── Agent Control Plane（多Agent管理）

// Mastra 的 Agent + Workflow 组合
import { Agent } from '@mastra/core/agent';
import { Step, Workflow } from '@mastra/core/workflows';

const researcher = new Agent({
  name: 'researcher',
  instructions: '你是一个研究助手',
  model: openai('gpt-4o'),
});

const writer = new Agent({
  name: 'writer',
  instructions: '你是一个内容写手',
  model: openai('gpt-4o'),
});

// 工作流编排 — 类型安全
const workflow = new Workflow({
  name: 'research-and-write',
  triggerSchema: z.object({ topic: z.string() }),
})
  .step(new Step({ id: 'research', execute: ({ context }) => researcher.generate(...) }))
  .step(new Step({ id: 'write', execute: ({ context }) => writer.generate(...) }))
  .after('research').step('write'); // DAG编排

// 内置 RAG、Evals、Memory
import { Rag } from '@mastra/rag';
import { Eval } from '@mastra/eval';

graph TB
    subgraph "2024-2025: 框架差异化时代"
        F1[LangGraph: 图状态机]
        F2[CrewAI: 角色协作]
        F3[AutoGen: 对话式]
        F4[各自独立的工具生态]
    end

    subgraph "2026: 协议收敛时代"
        P1[MCP: 工具调用标准]
        P2[A2A: Agent间通信标准]
        P3[ACP: 已合并入A2A]
        P4[所有框架接入同一协议栈]
    end

    subgraph "2027?: 运行时竞争时代"
        R1[托管Agent运行时]
        R2[Agent市场和交易]
        R3[跨框架Agent调度]
        R4[Agent安全与治理]
    end

    F1 & F2 & F3 & F4 --> P1 & P2 & P3 & P4
    P1 & P2 & P3 & P4 --> R1 & R2 & R3 & R4

graph TD
    subgraph "收敛后的标准Agent架构（2026）"
        INPUT[用户输入] --> PARSE[意图解析]
        PARSE --> PLAN[规划/推理]
        PLAN --> TOOL{需要工具?}
        TOOL -->|是| MCP_CALL[MCP工具调用]
        MCP_CALL --> OBS[观察结果]
        TOOL -->|否| OBS
        OBS --> DONE{任务完成?}
        DONE -->|否| PLAN
        DONE -->|是| OUTPUT[结构化输出]

        subgraph "记忆层"
            MEM_SHORT[短期: 会话上下文]
            MEM_LONG[长期: 向量存储]
            MEM_WORK[工作记忆: 当前任务状态]
        end

        subgraph "协议层"
            MCP[MCP: 工具发现与调用]
            A2A[A2A: Agent间协作]
        end

        PLAN -.-> MEM_SHORT
        PLAN -.-> MEM_LONG
        PLAN -.-> MEM_WORK
        MCP_CALL -.-> MCP
        TOOL -->|交接| A2A
    end

    style MCP fill:#4CAF50,color:#fff
    style A2A fill:#2196F3,color:#fff
    style PLAN fill:#FF9800,color:#fff
    style MEM_LONG fill:#9C27B0,color:#fff

graph TD
    START[开始选择Agent框架] --> LANG{团队主语言?}
    LANG -->|TypeScript| MASTRA[Mastra — TS唯一成熟选项]
    LANG -->|Python| CLOUD{云基础设施?}
    LANG -->|.NET| MAF[Microsoft Agent Framework]
    LANG -->|Java/Go| ADK[Google ADK]

    CLOUD -->|Google Cloud| ADK_G[Google ADK — A2A原生]
    CLOUD -->|Azure| MAF_A[Microsoft Agent Framework — Azure集成]
    CLOUD -->|Anthropic/Claude| CLAUDE[Claude Agent SDK — MCP原生]
    CLOUD -->|多云/自托管| COMPLEX{需求复杂度?}

    COMPLEX -->|高复杂度/图编排| LANGGRAPH[LangGraph — 最大控制力]
    COMPLEX -->|中等/快速原型| CREWAI[CrewAI — 最快上手]
    COMPLEX -->|严格类型/验证| PYDANTIC[PydanticAI — 类型安全]
    COMPLEX -->|高性能/运行时| AGNO[Agno — AgentOS运行时]

    style MASTRA fill:#3178C6,color:#fff
    style LANGGRAPH fill:#1a1a2e,color:#fff
    style ADK_G fill:#4285F4,color:#fff
    style CLAUDE fill:#D97706,color:#fff