团队决定让几个 Agent 共同承担一项工作之后，接下来要选的是用什么把它们搭起来。多 Agent 构建工具就是这样的工具，它让团队定义每个 Agent、把它们连接起来，并给它们一个运行或交接工作的地方。本文按团队需要写多少代码、Agent 如何定义与连接、运行由谁提供、成员在哪里核对产出，对比目前的主要选项。
快速结论
选哪一种，取决于团队打算写多少代码。
- 拖拉式构建工具适合希望在画布上组装 Agent 与工作流、由平台或团队选择的环境承接运行的团队。
- 代码优先框架适合希望把 Agent 定义、状态与控制流放在自己代码和自己环境里的工程团队。
- 托管式企业平台适合希望得到托管构建路径、并附带治理能力的技术团队。
团队也能先在画布上起步，之后把某个具体 Agent 移到代码里。工具之间的差别，比不上「工作的运行方式」与「团队的工作方式」是否贴合这一点重要。
多 Agent 构建工具是什么
多 Agent 构建工具，是用于把几个 Agent 组装成一套工作设置的工具。在这个说法之下，它通常要承担三件事。
- 定义 Agent。 每个 Agent 有角色、指令，以及能够使用的工具或知识，这些定义要放在团队能修改、能留版本的地方。
- 把它们连接起来。 工作要从一个 Agent 流到下一个，无论工具把这个环节叫作交接、节点连接，还是工作流中的一步。
- 让这套设置跑起来。 Agent 需要地方执行，团队也需要办法在改动进入真实工作之前先测试。
第三点是这类工具差别明显的地方。有的自带运行时，有的把结果交给团队在自己的环境里运行，托管平台处在两者之间。停在定义这一步的工具仍然是构建工具，它把运行交给了别的东西。
还有两个常被混在一起的概念值得分开。协作工作空间是成员与 Agent 共享工作并复核结果的地方，它不构建也不运行 Agent。普通自动化工具按固定规则在应用之间搬数据，加上 Agent 之后，多了一步由 Agent 判断接下来做什么。
如何看这份对比
功能清单会让各款工具显得相似，下面五项实际差别正是区分它们的地方，每个条目按同样的五项来写。
- 构建方式与代码深度。 团队是在画布上组装 Agent，还是用代码写出来，以及工具对其中哪一种的要求有多高。
- Agent 定义。 Agent 的角色、指令与工具在哪里设置，团队如何修改。
- 交接与连接。 一个 Agent 的产出如何到达下一个 Agent，工具把它表达为交接，还是表达为步骤之间的连接。
- 运行与托管归属。 工具是自己运行 Agent，还是把可运行的东西交给团队，或者调用团队已有的运行时。
- 成员复核与治理。 成员如何核对或引导产出，工具在长期管理这套设置上提供了什么。
按同样的五项逐一看，对比方能落在团队能据以行动的地方。
速览对比表
| 工具 | 构建方式与代码深度 | Agent 定义 | 交接与连接 | 运行与托管归属 | 成员复核与治理 |
|---|---|---|---|---|---|
| n8n | 画布加节点；可用代码节点 | Agent Builder 配置模型、指令、工具、技能、频道、计划任务、子 Agent、知识库 | Agent 把工作交给另一个 Agent；子 Agent 委派；Agent 可调用工作流 | 运行在 n8n Cloud 或自托管环境；Preview 阶段，尚不支持自托管企业版，自托管知识库为预览 | 配置与版本控制：Agent 设置、会话历史、草稿与已发布双版本及发布历史 |
| Relevance AI | 低代码与无代码构建器，带模板 | 在平台内设置；知识、工具、集成、计划任务 | 团队结构放在 Workforces；集成与 API 连接其他系统 | 托管平台 | 产品中列出审批、版本控制与协作 |
| CrewAI | 开源框架，用代码定义 | 由 Agent 组成、按任务推进的 Crew；事件驱动的 Flow | 顺序流程把产出作为上下文传递；分层流程使用管理 Agent | 框架在团队自身环境运行；另有企业层用于托管部署 | 管理 Agent 做 Agent 层校验；团队层治理来自企业层 |
| LangGraph | 低层框架与运行时，用代码编写 | Agent 与控制流以图定义 | 节点产出成为下游节点读取的状态；checkpointer 与 store 保存状态；interrupt 可暂停运行 | 自带运行时；在团队环境中部署 | 人在环中的步骤：interrupt 等待输入供成员复核；可观测与 tracing 来自 LangChain 周边工具链 |
| Gemini Enterprise Agent Platform | 托管平台；Google 同时提供开源 Agent Development Kit | 通过套件用代码定义，或在平台构建界面定义 | 套件的工作流模式在 Agent 之间传递工作 | Google Cloud 上的托管 Agent 运行时 | 平台层治理，位于构建这一步之外；本文不计为成员复核 |
拖拉式与低代码构建工具
这类工具把 Agent 以及它们之间的流转放在画布上，产出的结果由平台托管。它们适合希望不写 Agent 代码就得到一套可用设置的团队。
n8n
构建方式与代码深度。 n8n 是工作流自动化平台，AI 以节点形式接入。它的 AI 节点实现的是 LangChain 的 JavaScript 框架，团队需要时能在工作流里放入代码节点。Agent 与工作流一样，是项目里的一等条目，官方文档也把它定位给「固定工作流难以覆盖」的开放型任务。
Agent 定义。 Agent Builder 通过几个具名部分来配置一个 Agent，即模型、指令、工具、网络搜索、技能、频道、计划任务、子 Agent，以及知识库。Agent 与工作流并存在同一个项目里。
交接与连接。 文档写到 Agent 会在自己的推理循环里把工作交给另一个 Agent，已发布的 Agent 也能通过子 Agent 委派给其他已发布的 Agent。Agent 还能触发或协调工作流。
运行与托管归属。 Agent 运行在 n8n Cloud 或自托管环境上。n8n 把 Agent 标为 Preview 功能，行为可能变化，并说明暂不支持自托管企业版；自托管环境下的知识库同样处于预览阶段。
成员复核与治理。 平台提供配置与版本控制：每个 Agent 有草稿与已发布两个版本，改动在发布前不会进入真实工作，发布历史可回退，会话历史会被保存。官方文档未描述单独的成员复核环节。
Best for: 已经在 n8n 上做流程自动化、希望把 Agent 加进这些工作流，并能接受 Preview 状态的团队。
Relevance AI
构建方式与代码深度。 Relevance AI 是低代码与无代码平台，用来构建 Agent 以及由 Agent 组成的团队。官方介绍的重点是无代码构建器与预置模板。
Agent 定义。 Agent 在平台内定义，能力项覆盖知识、工具、集成与计划任务。团队层面的结构放在平台称为 Workforces 的独立单元里。
交接与连接。 Agent 在一个 Workforce 内以团队方式协作，集成与 API 把整套设置接到其他系统。
运行与托管归属。 Relevance AI 是托管平台。
成员复核与治理。 产品能力中列出审批、版本控制与协作。
Best for: 希望以有限工程投入构建并运行 Agent 的业务与运营团队。
代码优先框架
这类工具交给团队的是库，不是画布。Agent 由团队自己写，框架提供状态与控制流的结构。
CrewAI
构建方式与代码深度。 CrewAI 是开源框架，团队用代码定义 Agent、任务与工作流。
Agent 定义。 它的中心对象是 Crew 与 Flow。Crew 把一组 Agent 组织起来，按任务清单推进；Flow 是事件驱动的工作流。Crew 带有 process 设置，决定其任务如何执行。
交接与连接。 顺序流程按固定次序运行任务，上一个任务的产出作为下一个任务的上下文传递。分层流程增加一个管理 Agent，由它委派任务并复核产出。
运行与托管归属。 CrewAI 是框架，结果由团队在自己的环境中运行。项目另有一个面向企业的构建与运行层，供希望托管部署的团队使用。
成员复核与治理。 框架内管理 Agent 能校验任务产出，属于 Agent 层面的检查。团队层面的治理由企业层提供。
Best for: 希望把 Agent 角色与工作流写在代码里的工程团队。
LangGraph
构建方式与代码深度。 LangGraph 自述为低层编排框架与运行时，属于代码优先一类。团队用代码写图节点，能把手写步骤与模型驱动的步骤混排。
Agent 定义。 Agent 及其控制流以图的形式定义，使用 Python 或其他受支持的语言。
交接与连接。 图本身就是连接，一个节点的产出成为下一个节点读取的状态。checkpointer 与 store 这类持久化层保存该状态，interrupt 能让一次运行暂停以等待输入。
运行与托管归属。 LangGraph 提供面向长时间运行、有状态 Agent 的运行时，由团队在自己的环境中部署。
成员复核与治理。 框架支持人在环中的步骤：interrupt 可暂停一次运行并等待输入，成员能在运行继续之前复核。可观测与调试能力来自 LangChain 周边的工具链，包括 tracing。
Best for: 需要对 Agent 状态与执行有精细控制、并接受在较低层部件上搭建的工程团队。
托管式企业平台
Gemini Enterprise Agent Platform（原 Vertex AI）
构建方式与代码深度。 这是 Google Cloud 上托管式的 Agent 构建路径。Google 同时提供开源框架 Agent Development Kit，支持多种语言，该套件的文档覆盖多 Agent 工作流，以及顺序、循环、并行等模式与 Agent 路由。
Agent 定义。 Agent 既可用套件以代码定义，也可用平台自身的构建界面定义。
交接与连接。 套件的工作流模式在 Agent 之间传递工作，其文档也覆盖 Agent 之间的路由。Google 文档给出托管运行时的说明，作为这些 Agent 的托管运行位置。
运行与托管归属。 在此构建的 Agent 能够运行在托管的 Agent 运行时上，平台的能力延伸到扩缩与治理。
成员复核与治理。 平台层治理落在本文所关注的构建这一步之外，本文不把它计为成员复核。成员在哪里复核 Agent 的产出，取决于团队设置的工作流与配置。
Best for: 在 Google Cloud 上、希望获得带企业管控的托管构建路径的技术团队。
如何选择
选择取决于之后由谁来维护这套设置。
- 若团队已经在做流程自动化、希望把 Agent 放进既有工作流，n8n 这类画布式构建工具较为契合，代价是要在其节点模型内工作。
- 若团队希望控制工程投入、同时仍要构建并运行 Agent，Relevance AI 这类托管低代码平台较为契合，取舍是对状态与流转的控制较少。
- 若团队希望把 Agent 定义、状态与控制流放在自己的代码里，CrewAI 或 LangGraph 这类框架较为契合，代价是以搭建投入换取控制力；LangGraph 对流程的控制点给得更细。
- 若团队已在某个云平台上、希望获得带企业管控的托管构建路径，Gemini Enterprise Agent Platform 这类托管平台较为契合。
这里有一处区分值得说清楚。这些工具的作用是构建并运行 Agent，而 Syfo 这类协作工作空间不在其中。Syfo 是成员与 Agent 共享工作、复核结果的地方，它不负责构建或运行 Agent。
团队能在上述任一工具上运行 Agent，同时把共享工作与复核放在一个工作空间里并行进行。
问题与回答
多 Agent 构建工具是什么？ 它是用于把几个 Agent 组装成一套工作设置的工具。它定义每个 Agent 的角色、指令与工具，把它们连接起来让工作从一环流到下一环，并由工具自行运行结果，或把可运行的设置交给团队运行。其中有画布式的，有代码框架，也有托管平台。
用它需要写代码吗？ 取决于工具。n8n 与 Relevance AI 这类画布式构建工具，目标是让团队不写 Agent 代码就能组装 Agent，不过 n8n 仍留出了代码节点的空间。CrewAI 与 LangGraph 这类框架需要用代码编写。托管平台提供托管路径，Google 的开源 Agent Development Kit 覆盖代码路线，团队可在两个层面中选一个。
多 Agent 系统能从零自己搭吗？ 能，框架是一种做法。团队定义每个 Agent，写出任务以及它们之间的流转，再在自己的环境里运行结果。框架提供的是状态与控制流的结构，团队不需要自己写那套协调机制。
构建工具与平台、工作空间有什么不同？ 构建工具产出的是 Agent 这套设置。平台通常在它之外加上托管与管理。协作工作空间又是另一种东西，它是成员与 Agent 共享工作、复核结果的地方，不构建也不运行 Agent。三者常常同处一条技术栈。
从何处起步
从一个工作流与一个 Agent 起步，按之后由谁来维护来选择工具。
工程投入有限的团队能考虑从画布开始，把第一套设置做小。
有工程人员的团队能考虑从框架开始，把第一张图做简单，等第一个 Agent 稳定后再增加。
两种路径可尽早定下运行时的位置，以及成员在哪里核对产出，因为这两项选择在之后比 Agent 定义本身更难改动。
在 Agent 运行的同时让交接与复核保持可见，为团队在所选的工作记录中核对它们提供依据。