2026-03-19
LangGraph、CrewAI、Mastra、Pydantic AI 该怎么选
现在做 agent 不缺框架，真正容易乱的是把编排层、多 agent 协作、语言栈和上线方式混成一团，所以先把 LangGraph、CrewAI、Mastra、Pydantic AI 的位置拆开。
先别问“哪个最强”，先问你要解决哪一层
最近很多人在做 agent 时，第一反应是把框架一个个都试过去。但大多数团队真正卡住的，不是选不到工具，而是没有先把下面 4 件事分开：
- 你缺的是流程编排，还是多 agent 分工
- 你要用 TypeScript 还是 Python
- 你现在在做 demo，还是准备进生产
- 你要的是开发体验，还是长期维护性
如果这 4 件事没拆开，框架越多，判断反而越乱。
这篇更适合谁
- 已经开始搭 agent workflow，但选型越来越散
- 想在 LangGraph、CrewAI、Mastra、Pydantic AI 之间定主力
- 需要一个更稳的“先上哪一层”的判断顺序
先给一版最短结论
- 想先把复杂流程做成可恢复、可人工接管的编排层，先看 LangGraph
- 想先把多 agent 协作和流程跑起来，先看 CrewAI
- 想用 TypeScript 做长期 workflow 工程，先看 Mastra
- 想用 Python 做类型安全、结构化输出和 evals，先看 Pydantic AI
LangGraph 更像“低层编排骨架”
LangGraph 适合解决的是：你的 agent 不再是一步出结果，而是需要状态、分支、中断和恢复。
它更适合：
- 需要 human-in-the-loop
- 需要长流程中断后继续跑
- 需要把 agent 做成状态机或图结构
- 团队愿意自己掌控更多底层流程
如果你已经确定会遇到“流程会暂停、会回滚、会重新进入”的问题，LangGraph 值得优先看。
CrewAI 更像“先把多人协作和流程跑起来”
CrewAI 适合解决另一个问题：不是“流程骨架怎么搭”，而是“我能不能先把几个角色和一条流程快速跑通”。
它更适合：
- 明确要做 researcher / operator / reviewer 这种角色分工
- 想让 crews 和 flows 一起工作
- 想先把多 agent 协作路径做出来
- 更重视开箱即用，而不是从低层开始拼
如果你想先验证“多 agent 分工到底值不值得”，CrewAI 通常比自己从零拼编排更快。
Mastra 更像“TypeScript 团队的 workflow 工程层”
Mastra 的优势不在于概念新，而在于它更贴近前端、全栈和 TypeScript 团队的工程现实。
它更适合：
- 你主要栈就是 TypeScript
- 想把 workflow、memory、evals、MCP 一起写进正式代码库
- 不想让 agent 逻辑停在 notebook 或临时 demo
- 需要和现有 Node / Web 工程一起维护
如果你团队的主栈本来就在 TypeScript，Mastra 往往更容易进入长期维护状态。
Pydantic AI 更像“Python 团队的类型安全 agent 框架”
Pydantic AI 最值得看的点，不是它也能做 agent，而是它把类型、结构化输出、工具调用、evals 和可观测性收得更紧。
它更适合：
- 你本来就在 Python 生态里
- 你很在意结构化输出和校验
- 你希望 IDE、类型检查和测试一起参与 agent 开发
- 你想把 evals、MCP 和 durable execution 也接进来
如果你担心 agent 一进生产就变成“全靠运行时出错才知道哪坏了”，Pydantic AI 会更顺手。
一个更稳的判断顺序
- 如果你先卡在复杂流程控制，先看 LangGraph
- 如果你先卡在多角色协作，先看 CrewAI
- 如果你是 TypeScript 团队，先把 Mastra 放进 shortlist
- 如果你是 Python 团队，先把 Pydantic AI 放进 shortlist
不要先按热度选，先按你要补的是“编排、协作，还是工程化”来选。
哪些情况先别急着换框架
- 你现在还没有一个稳定的单 agent 任务
- 你还没定义输入、输出和回滚点
- 你今天试 LangGraph，明天试 CrewAI，后天又换模型
这时候最大问题通常不是框架不够强，而是你还没把任务边界定清楚。
一句话建议
LangGraph、CrewAI、Mastra、Pydantic AI 不是谁替代谁，更像分别解决编排、多 agent 协作、TypeScript 工程化和 Python 工程化四个不同问题。