把2026年6月的Agent框架榜单铺开，会发现一个被多数人选型文章刻意回避的事实："框架战争"已经结束了，取代它的是"品类分层"。三年前大家争论的是"LangChain还是AutoGen"，今天真正的分歧变成了"你做的是编排、编码、浏览器、工作流、语音，还是可观测记忆层"。更危险的是，几乎所有人都在用 GitHub星标 当选型依据，而星标是个存量指标——AutoGPT的18.4万星是2023年的历史遗产，browser-use的9.4万星才是18个月跑出来的真势头。本文用2026年5月GitHub REST API实测星标、2月同题基准（同一套四智能体代码评审流水线在四大框架各跑100次），以及7款生产级框架的S/A/B/C评级，拆解这场"分品类终局"，并给出按工作负载形状而非"谁更强"的选型法。
Presenc AI在2026年5月14日用官方 gh CLI拉取的Top 25榜单，暴露了选型中最常见的一个错误——把Star当流量看。AutoGPT以184,295颗星高居第二，但这个仓库2023年3月创建，绝大部分星是在前6个月攒下的。星标是stock（存量）不是flow（流量），它只会单调递增、几乎不会下降，因此高星反映的是"历史声量峰值"，与"当前是否活跃"几乎无关。真正衡量活跃度的应该是周提交数、贡献者数、PyPI/npm周下载量。
榜单里真正的流量信号是两个2024年才出生的项目：browser-use（2024年10月创建，18个月冲到93,857星）和Cline（2024年7月创建，61,755星）。这两条曲线的斜率超过了除LangChain自身外、所有2023年诞生的框架。换言之，如果今天还照着"星多=强"去押注AutoGPT，等于在为一个三年没动的存量买单。变现启示：做培训/咨询时，"星标排名"是流量诱饵，但课程内容必须押在流量项目（browser-use/Cline/Mastra）而非存量项目上，否则学员一上手就发现仓库已半废弃。
榜单最关键的洞察是品类切割。2026年的Agent框架已经分裂为六个互不替代的功能品类，每个品类都收敛出了明确的王者：
| 品类 | 王者 | 星数(2026.5) | 亚军 |
|---|---|---|---|
| 通用编排 | LangChain | 136,707 | AutoGen 58,025 |
| 编码智能体 | Cline | 61,755 | Aider 44,796 |
| 浏览器自动化 | browser-use | 93,857 | 无近身对手 |
| 可视化/无代码工作流 | n8n | 187,791 | Flowise 52,810 |
| 记忆/有状态 | Letta(MemGPT) | 22,707 | 无近身对手 |
| 路由/代理 | LiteLLM | 46,932 | 无近身对手 |
注意n8n以187,791星全榜第一——但它是2019年的无代码工作流工具，只是后来加了LLM节点。这暗示一个反直觉结论：2026年绝大多数"Agent工作负载"本质是"带LLM节点的工作流自动化"，而非自定义编排代码。另一个赢家通吃的信号：浏览器、语音、记忆三个品类至今没有"亚军"，一旦押错品类（比如用通用编排框架去硬做浏览器自动化），就要和browser-use积累的94K贡献者网络效应正面对抗，胜算极低。
ShipSquad在2026年2月做了一个硬核对照实验：把同一套"规划→实现→测试→评审"四智能体代码评审流水线，分别在CrewAI 0.80、LangGraph 0.3、AutoGen 0.4、OpenAI Agents SDK 1.0里各写一遍，各跑100次，四维测量。
| 指标 | OpenAI SDK | LangGraph | CrewAI | AutoGen |
|---|---|---|---|---|
| 上手到首个Agent | 10分钟 | 45分钟 | 20分钟 | 30分钟 |
| 代码行数(LOC) | 180 | 310 | 220 | 260 |
| 可靠性(成功完成) | 97% | 95% | 91% | 88% |
| 端到端延迟 | 34s | 38s | 42s | 51s |
| 输出质量(1-10) | 7.8 | 8.2 | 8.0 | 7.5 |
LangGraph用最贵的代码量（310行）和最陡的学习曲线（45分钟），换来了最高的输出质量（8.2）和最佳可调试性——它的图可视化能精确画出执行路径，这在对EU AI Act有审计要求的场景里就是合规证据。CrewAI则是"先把东西跑起来"的王者，角色模型（role/goal/backstory）直接映射团队心智。变现评估：CrewAI是做"7天多智能体训练营"的最佳标的（220行可完整演示，3-7个Agent拓扑是其甜点区）；LangGraph则适合做"企业级可审计Agent咨询"（单价高、交付周期2-3周起步）。
同一段"研究→写作→评审"任务，两者的代码体积差异肉眼可见：
# CrewAI 0.80 — 角色即一切，约40行搞定核心逻辑
from crewai import Agent, Task, Crew, Process
researcher = Agent(role="研究员", goal="搜集资料", backstory="资深分析师", llm="gpt-4o")
writer = Agent(role="撰稿人", goal="写出初稿", backstory="十年科技记者", llm="gpt-4o")
reviewer = Agent(role="审稿人", goal="把关质量", backstory="严苛主编", llm="gpt-4o")
crew = Crew(agents=[researcher, writer, reviewer],
tasks=[Task(description="调研X", agent=researcher),
Task(description="写初稿", agent=writer),
Task(description="审校定稿", agent=reviewer)],
process=Process.sequential)
result = crew.kickoff()
# LangGraph 0.3 — 显式状态机，控制流全透明，但样板代码翻倍
from langgraph.graph import StateGraph, END
from langgraph.checkpoint.memory import MemorySaver
from typing import TypedDict
class State(TypedDict):
topic: str; draft: str; verdict: str
def research(s): return {"draft": "调研中..."}
def write(s): return {"draft": s["draft"] + "\n初稿已生成"}
def review(s): return {"verdict": "通过" if len(s["draft"]) > 10 else "重写"}
g = StateGraph(State)
for name, fn in [("research", research), ("write", write), ("review", review)]:
g.add_node(name, fn)
g.set_entry_point("research")
g.add_edge("research", "write")
g.add_edge("write", "review")
g.add_conditional_edges("review", lambda s: END if s["verdict"] == "通过" else "write")
app = g.compile(checkpointer=MemorySaver()) # 断点续跑=免费送
榜单上最有戏剧性的是AutoGen的命运。它曾与LangChain、CrewAI并称"框架三巨头"，58,025星排第六。但2025-2026年它经历了一场身份危机三连击：先是并入微软Semantic Kernel，又拆分独立为AG2项目，社区被腰斩。Paperclipped的2026 Tier榜直接把它打入C级（衰落/利基）。
退潮的根因不是技术，而是范式。AutoGen的"会话式多智能体"——让Agent像开会一样用自然语言互相谈判——在实验里很迷人，在生产里是灾难：ShipSquad实测它可靠性最低（88%，对话会循环或死锁）、延迟最高（51秒，来回对话拖慢）。会话路径不可预测、难调试、难审计、难复现。这与近期"多智能体错误传染R₀相变""说话税二次方"等发现完全吻合：自由对话的Agent系统，错误率和Token成本都呈二次方膨胀。结论：会话式多智能体作为生产范式已死，作为研究/头脑风暴玩具尚可。给企业的建议是——凡是在生产里还在跑AutoGen/AG2的，2026年内应迁往LangGraph或CrewAI，否则审计与稳定性债只会越滚越大。
榜单底部藏着一个反直觉现象：OpenAI Agents SDK（26,290星）和Claude Agent SDK（6,860星）星数很低，但每颗星的商业价值远高于社区框架。Presenc AI给出的解释是 relevance-per-star（单位星标的关联度）——每一个Claude Agent SDK的安装，背后都是一个锁定Anthropic API的真实付费用户；而一个给LangChain点的星，可能只是路过的大学生。
这种"星少但锁客"的特性决定了厂商SDK的选型逻辑完全不同：不要看星，要看npm/PyPI下载量。OpenAI Agents SDK在v0.9加入了托管MCP和agent-as-tool模式，handoff和guardrail并行执行是其杀手锏；它的可靠性实测高达97%（四框架第一），hello-world到生产只要10分钟。代价是实用锁定——技术上模型可换，但最佳特性、最快迭代、最顺滑集成都默认你在用GPT系列。
# OpenAI Agents SDK 1.0 — 最短路径，handoff显式声明
from agents import Agent, Runner
researcher = Agent(name="研究员", instructions="搜集资料", tools=[search_tool])
writer = Agent(name="撰稿人", instructions="写出初稿")
researcher.handoffs = [writer] # 显式交接，非自由对话
result = Runner.run_sync(researcher, "写一篇关于X的文章")
变现评估：厂商SDK是做"生态入门课"的绝佳标的——学员学完天然成为该厂商API用户，课程方还能拿云厂商返佣。但要明确告知学员"实用锁定"的代价。
按语言切片，Python仍以17个框架、约79.2万总星碾压TypeScript的6个、约44.4万星。但TypeScript拿下了两个高价值角落——可视化工作流（n8n/Flowise）和IDE扩展（Cline）。其中Mastra是2026年最值得关注的TS框架：15万周npm下载、1300万美元种子轮、Replit/PayPal/Adobe已在生产部署，它把工作流、RAG、eval、人机回路审批全打包进一个TS原生包。
Mastra的硬伤恰好也是它的哲学：纯TypeScript。如果你的ML流水线、数据处理、模型微调在Python（2026年绝大多数团队如此），采用Mastra做Agent层就意味着要维护两套运行时——这对非纯TS团队是dealbreaker。
// Mastra — TS原生，工作流+人机回路一体
import { Workflow } from "@mastra/core";
const wf = new Workflow({ name: "内容流水线" })
.step(researchStep).then(writeStep).then(reviewStep).commit();
const run = await wf.createRun().start({ inputData: { topic: "X" } });
# Pydantic AI — Python守擂派的暗马，类型安全即特性
from pydantic_ai import Agent
from pydantic import BaseModel
class Report(BaseModel):
title: str; summary: str
agent = Agent("openai:gpt-4o", result_type=Report, system_prompt="你是分析师")
result = agent.run_sync("分析X")
print(result.data.title) # 编辑器里有类型补全，无需框架DSL
Pydantic AI（17,055星）走的是相反路线：故意最小化，不内置多智能体编排、不提供部署平台，只给你类型安全的Agent原语。对"已经全套用Pydantic"的Python团队，它的工具参数就是现有数据模型，零适配代码。
ShipSquad的基准实验最后给出了一个反共识的元结论：框架的重要性远低于你的想象。四款框架都能产出生产级多智能体系统，差异在开发体验、灵活度和运维特性，而非根本能力。真正决定成败的是Agent架构本身——怎么分解问题、定义角色、管理上下文、控质量。所以2026年的选型不该从"哪个框架最强"出发，而该从工作负载的形状倒推品类：
flowchart TD
Q["第一步:定义工作负载形状"] --> L{"主语言?"}
L -->|Python| PC{"复杂度?"}
L -->|TypeScript| TS{"是否纯TS端到端?"}
L -->|C#/.NET| SK["Semantic Kernel<br/>Azure绑定"]
TS -->|是| MA["Mastra 全家桶"]
TS -->|否| OA2["双运行时预警"]
PC -->|单Agent+工具| PA["Pydantic AI<br/>类型安全"]
PC -->|3-7个协作Agent| CR["CrewAI<br/>角色模型"]
PC -->|循环/分支/审批门| LG["LangGraph / ADK v2<br/>图工作流"]
PC -->|"已锁定OpenAI模型"| OA["OpenAI Agents SDK<br/>10分钟hello-world"]
MA --> PROD["审计/持久化需求?"]
LG --> PROD
PROD -->|是, 需合规留痕| LANGSMITH["LangGraph + LangSmith<br/>状态图=审计证据"]
PROD -->|否| SHIP["直接上线"]
PA -.->|"浏览器自动化需求<br/>应改品类"| BU["browser-use 9.4万星<br/>赢家通吃勿硬刚"]
落到四个决策轴：按复杂度——单Agent带工具选Pydantic AI/OpenAI SDK，3-7个协作Agent选CrewAI，含循环/并行分支/审批门的复杂工作流选LangGraph或Google ADK v2.0；按云——GCP选ADK（Vertex AI原生部署、A2A v0.2最成熟），Azure选Semantic Kernel，AWS/多云选LangGraph/CrewAI（处处可部署）；按协议——所有S/A级框架都支持MCP，但A2A（Agent-to-Agent）跨Agent通信目前Google ADK最成熟，CrewAI和LangGraph次之；按品类红线——浏览器自动化必须browser-use，语音必须LiveKit Agents，可观测记忆必须Letta，跨厂路由必须LiteLLM，越界即交智商税。
最后给一个训练/产品化的优先级：变现最快的是CrewAI训练营（直观、220行可演示）和browser-use自动化外包（替代传统RPA、需求明确）；客单价最高的是LangGraph企业可审计咨询（合规刚需、2-3周交付）；最适合做长期内容护城河的是厂商SDK生态课（锁定用户+云返佣）和Mastra全栈TS教程（增速最快、对标客户已上市）。记住一句话：2026年别再问"哪个框架最好"，要问"我的负载属于哪个品类，那个品类的流量王者是谁"。
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。