前置知识
一、Agent 产品全景图
2026 年，Agent 产品市场已形成平台化、专业化、自主化三大趋势，国际国内产品各有特色。
mindmap root((2026 Agent 产品格局)) 国际产品 Anthropic Claude + Computer Use 操作电脑完成任务 OpenAI Agents SDK Agent 开发框架 Microsoft AutoGen 多 Agent 协作 LangChain LangGraph Agent 编排框架 国内产品 阿里 通义千问 Agent 多工具调用 月之暗面 Kimi Agent 智能体集群 百度 文心智能体 零代码创建 字节 扣子 Coze 一站式平台
[!比喻] Agent 产品选择就像选团队
- Claude + Computer Use 像全能型助理——什么都能做，尤其擅长操作电脑
- OpenAI Agents SDK 像工具箱——给你工具，自己搭建 Agent
- AutoGen 像团队协作框架——让多个 Agent 一起工作
- 通义千问 Agent 像企业秘书——中文友好，企业集成
- Kimi Agent 像研究团队——集群协作，擅长复杂研究任务
二、国际主流产品
2.1 Claude + Computer Use（Anthropic）
产品定位：操作电脑完成任务的自主 Agent。
Claude 的Computer Use功能是 2026 年最具突破性的 Agent 应用，让 AI 能像人类一样操作电脑。
核心功能：
┌─────────────────────────────────────────────────────┐
│ Claude Computer Use 核心能力 │
├─────────────────────────────────────────────────────┤
│ 视觉识别 → 理解屏幕内容和界面元素 │
│ 操作执行 → 点击、输入、滚动、拖拽 │
│ 任务规划 → 拆解复杂任务为操作步骤 │
│ 错误处理 → 遇到障碍时调整策略 │
│ 跨应用协作 → 在多个软件间切换操作 │
└─────────────────────────────────────────────────────┘
典型用例：
用户："帮我整理上周的会议记录"
Claude 执行：
1. 打开浏览器 → 访问会议系统
2. 登录账户 → 下载会议录音
3. 打开转录工具 → 上传音频
4. 整理文字稿 → 提取关键信息
5. 打开 Notion → 创建会议记录页面
6. 格式化内容 → 添加标签和日期
价格：
| 版本 | 价格 | 说明 |
|---|---|---|
| Claude Pro | $20/月 | 含 Computer Use 基础功能 |
| Claude Team | $30/用户/月 | 团队协作功能 |
| Claude Enterprise | 定制 | 企业级功能和部署 |
| API 调用 | $3-15/百万 tokens | 按使用量计费 |
优势：
- 能操作任何软件，无需专门 API 集成
- 视觉 - 语言 - 行动统一，理解界面直观
- 适合重复性办公任务自动化
- 代码质量高，推理能力强
局限性：
- 操作速度比 API 调用慢
- 需要屏幕访问权限，安全考虑
- 价格较高
- 复杂任务可能需要人工监督
适用场景：
- ✅ 跨软件工作流自动化
- ✅ 数据录入和整理
- ✅ 网页操作和爬取
- ✅ 文件管理和转换
2.2 OpenAI Agents SDK（OpenAI）
产品定位：Agent 开发框架，灵活定制。
OpenAI Agents SDK 是 OpenAI 推出的开发者工具包，让开发者快速构建自定义 Agent。
核心功能：
| 功能 | 说明 |
|---|---|
| Agent 框架 | 预置 Agent 架构模板 |
| 工具集成 | 轻松集成外部 API 和数据库 |
| 记忆管理 | 长短期记忆存储和检索 |
| 多 Agent 协作 | 支持多个 Agent 协同工作 |
| 评估工具 | 测试和优化 Agent 性能 |
开发示例：
from openai import agents
# 创建 Agent
research_agent = agents.Agent(
name="Research Assistant",
instructions="帮助用户进行市场研究",
tools=[
agents.tools.Search(),
agents.tools.Database(query_db),
agents.tools.CodeInterpreter()
]
)
# 运行任务
result = agents.run(
research_agent,
"分析 2026 年 AI 芯片市场趋势"
)价格：
- SDK 本身：开源免费
- API 调用：按 GPT 模型定价（$3-15/百万 tokens）
优势：
- 灵活定制，适合特定业务场景
- 与 OpenAI 模型深度集成
- 完善的文档和社区支持
- 支持多 Agent 协作
局限性：
- 需要编程能力
- 自托管需要基础设施
- 工具需要自行开发或集成
适用场景：
- ✅ 企业定制化 Agent
- ✅ 特定业务流程自动化
- ✅ 多 Agent 系统开发
- ✅ 研究和实验
2.3 AutoGen（Microsoft）
产品定位：多 Agent 协作框架。
AutoGen 是微软研究院推出的多 Agent 协作框架，擅长复杂任务的分工合作。
核心功能：
AutoGen 核心概念：
Agent 角色：
├─ AssistantAgent - 通用助手
├─ UserProxyAgent - 代表用户执行
├─ ConversableAgent - 可对话的 Agent
└─ CustomAgent - 自定义角色
协作模式：
├─ Sequential - 顺序执行
├─ Parallel - 并行执行
├─ Hierarchical - 分层管理
└─ Dynamic - 动态调整
多 Agent 示例：
from autogen import AssistantAgent, UserProxyAgent, GroupChat
# 创建角色
planner = AssistantAgent("Planner", system_message="负责任务规划")
researcher = AssistantAgent("Researcher", system_message="负责信息搜集")
writer = AssistantAgent("Writer", system_message="负责内容撰写")
reviewer = AssistantAgent("Reviewer", system_message="负责质量审查")
# 组建团队
group_chat = GroupChat(
agents=[planner, researcher, writer, reviewer],
messages=[]
)
# 执行任务
user_proxy.initiate_chat(
group_chat,
message="写一份关于量子计算的市场分析报告"
)价格：
- 开源免费（MIT 许可）
- 需要自备 LLM（可用 OpenAI、本地模型等）
优势：
- 多 Agent 协作能力强
- 角色分工清晰
- 开源免费，社区活跃
- 支持人机协作
局限性：
- 学习曲线较陡
- 配置复杂
- 需要一定的编程基础
适用场景：
- ✅ 复杂研究任务
- ✅ 需要多角色协作的场景
- ✅ 企业工作流程
- ✅ 研究和教学
2.4 LangGraph（LangChain）
产品定位：Agent 编排框架，生产级应用。
LangGraph 是 LangChain 推出的状态机框架，用于构建可控、可预测的 Agent 工作流。
核心功能：
| 功能 | 说明 |
|---|---|
| 状态图 | 用图结构定义 Agent 流程 |
| 条件分支 | 根据执行结果选择路径 |
| 循环控制 | 支持迭代和重试 |
| 状态管理 | 持久化任务状态 |
| 可观察性 | 完整的日志和监控 |
工作流示例：
from langgraph.graph import StateGraph, END
# 定义状态图
workflow = StateGraph(AgentState)
# 添加节点
workflow.add_node("planner", plan_task)
workflow.add_node("execute", execute_task)
workflow.add_node("review", review_result)
# 定义流程
workflow.set_entry_point("planner")
workflow.add_edge("planner", "execute")
workflow.add_conditional_edges(
"review",
lambda x: "execute" if x["needs_revision"] else END
)
# 编译运行
app = workflow.compile()
result = app.invoke({"task": "写市场分析报告"})价格：
- LangGraph：开源免费
- LangSmith（监控平台）：$39/月起
- LangServe（部署服务）：免费/企业版
优势：
- 流程可控，适合生产环境
- 可视化调试
- 完整的监控和日志
- 与 LangChain 生态集成
局限性：
- 配置相对复杂
- 学习曲线
- 需要理解状态机概念
适用场景：
- ✅ 生产级 Agent 应用
- ✅ 需要严格流程控制的场景
- ✅ 企业级部署
- ✅ 复杂工作流编排
三、国内主流产品
3.1 通义千问 Agent（阿里）
产品定位：中文友好，企业级集成。
通义千问 Agent 是阿里巴巴推出的一站式 Agent 平台，基于通义千问大模型。
核心功能：
┌─────────────────────────────────────────────────────┐
│ 通义千问 Agent 核心能力 │
├─────────────────────────────────────────────────────┤
│ 零代码创建 → 可视化配置 Agent │
│ 工具市场 → 丰富的预置工具（搜索、数据库、API） │
│ 知识库集成 → 连接企业知识库和文档 │
│ 多模态能力 → 支持图文理解和分析 │
│ 企业集成 → 与钉钉、阿里云深度集成 │
└─────────────────────────────────────────────────────┘
典型用例：
企业客服 Agent：
1. 配置知识库 → 上传产品文档
2. 添加工具 → 连接 CRM 系统
3. 设置流程 → 客户咨询→查询→回复
4. 部署上线 → 嵌入网站或钉钉
价格：
| 版本 | 价格 | 说明 |
|---|---|---|
| 个人版 | 免费 | 基础功能，有限调用 |
| 专业版 | ¥199/月 | 高级功能，更高限额 |
| 企业版 | 定制 | 私有化部署，定制开发 |
| API 调用 | 按量计费 | ¥0.004-0.012/千 tokens |
优势：
- 中文理解优秀
- 零代码创建，上手简单
- 企业级功能完善
- 与阿里生态深度集成
局限性：
- 国际工具支持有限
- 高级功能需付费
- 自定义能力相对有限
适用场景：
- ✅ 企业客服自动化
- ✅ 内部知识助手
- ✅ 中文业务场景
- ✅ 钉钉集成
3.2 Kimi Agent（月之暗面）
产品定位：智能体集群，擅长复杂研究。
Kimi Agent 是月之暗面推出的智能体集群架构，以 100+ 子 Agent 并行执行著称。
核心功能：
| 功能 | 说明 |
|---|---|
| 智能体集群 | 100+ 子 Agent 并行工作 |
| 超长上下文 | 支持 128K-256K 上下文窗口 |
| 自主研究 | 独立进行信息搜集和分析 |
| 多源验证 | 交叉验证信息来源 |
| 报告生成 | 自动生成结构化报告 |
工作流程：
用户请求："分析 2026 年新能源汽车市场趋势"
Kimi Agent 执行：
├─ 协调器 → 任务拆解和分配
├─ 子 Agent 1-10 → 搜集行业报告
├─ 子 Agent 11-20 → 分析竞争格局
├─ 子 Agent 21-30 → 整理政策信息
├─ 子 Agent 31-40 → 分析技术趋势
├─ 子 Agent 41-50 → 验证数据准确性
├─ 分析 Agent → 综合分析和洞察
└─ 写作 Agent → 生成最终报告
效率提升：4.5 倍 +（相比单 Agent）
价格：
- 免费版：基础功能，有限调用
- 付费版：¥30-200/月，按额度分级
- API 调用：按量计费
优势：
- 集群架构，效率高
- 擅长复杂研究任务
- 长上下文支持好
- 中文内容理解强
局限性：
- 集群架构成本较高
- 简单任务性价比低
- API 生态相对年轻
适用场景：
- ✅ 深度研究分析
- ✅ 长文档处理
- ✅ 多源信息整合
- ✅ 行业报告生成
3.3 文心智能体（百度）
产品定位：零代码创建，生态丰富。
文心智能体是百度推出的零代码 Agent 创建平台，基于文心大模型。
核心功能：
文心智能体核心能力：
┌─────────────────────────────────────────┐
│ 零代码创建 → 拖拽式配置 Agent │
│ 模板市场 → 丰富的预置模板 │
│ 插件生态 → 连接百度生态和第三方服务 │
│ 多渠道发布 → 网站、APP、小程序一键发布 │
│ 数据分析 → 完善的运营数据和效果分析 │
└─────────────────────────────────────────┘
价格：
| 版本 | 价格 | 说明 |
|---|---|---|
| 免费版 | 免费 | 基础功能，有限调用 |
| 专业版 | ¥99/月 | 高级功能和数据分析 |
| 企业版 | 定制 | 私有化部署和定制开发 |
优势：
- 零代码创建，上手最简单
- 模板丰富，快速启动
- 百度生态集成（搜索、地图等）
- 多渠道发布
局限性：
- 自定义能力有限
- 高级功能需付费
- 复杂场景支持不足
适用场景：
- ✅ 快速原型验证
- ✅ 简单客服场景
- ✅ 个人和小微企业
- ✅ 百度生态用户
3.4 扣子 Coze（字节）
产品定位：一站式 Agent 开发平台。
扣子 Coze 是字节跳动推出的一站式 Agent 开发平台，集成豆包大模型。
核心功能：
| 功能 | 说明 |
|---|---|
| 可视化编排 | 拖拽式工作流设计 |
| 插件市场 | 丰富的预置插件 |
| 知识库 | 连接文档和数据源 |
| 多端发布 | 飞书、微信、网站等多端发布 |
| 数据分析 | 完整的用户行为分析 |
典型用例：
电商客服 Agent：
1. 选择模板 → 电商客服模板
2. 配置知识库 → 上传商品信息和 FAQ
3. 添加插件 → 连接订单系统、物流查询
4. 设置流程 → 咨询→查询→推荐→下单
5. 发布上线 → 嵌入网站或飞书
价格：
- 免费版：免费使用（有限额度）
- 付费版：按量计费或订阅
优势：
- 一站式平台，功能齐全
- 飞书深度集成
- 免费额度充足
- 多端发布方便
局限性：
- 高级功能需付费
- 国际支持有限
- 大模型能力相对一般
适用场景：
- ✅ 电商客服
- ✅ 飞书集成
- ✅ 快速搭建原型
- ✅ 小微企业
四、产品选型指南
4.1 按需求选型
flowchart TD A{你的需求} --> B[自主操作电脑] A --> C[定制开发 Agent] A --> D[多 Agent 协作] A --> E[生产级应用] A --> F[零代码创建] A --> G[复杂研究] A --> H[企业集成] B --> I[Claude + Computer Use] C --> J[OpenAI Agents SDK] D --> K[AutoGen] E --> L[LangGraph] F --> M[文心智能体<br/>通义千问 Agent] G --> N[Kimi Agent] H --> O[通义千问 Agent<br/>扣子 Coze]
4.2 选型对比表
| 需求 | 首选 | 备选 | 理由 |
|---|---|---|---|
| 自主操作电脑 | Claude + Computer Use | - | 唯一成熟的屏幕操作 Agent |
| 定制开发 | OpenAI Agents SDK | LangGraph | 灵活性和文档最佳 |
| 多 Agent 协作 | AutoGen | LangGraph | 协作框架最成熟 |
| 生产级应用 | LangGraph | OpenAI Agents SDK | 流程可控，监控完善 |
| 零代码创建 | 文心智能体 | 通义千问 Agent | 上手最简单 |
| 复杂研究 | Kimi Agent | AutoGen | 集群架构效率高 |
| 企业集成 | 通义千问 Agent | 扣子 Coze | 企业功能完善 |
| 免费使用 | 文心智能体 | 扣子 Coze | 免费额度充足 |
4.3 按预算选型
| 预算 | 推荐 | 说明 |
|---|---|---|
| 免费 | 文心智能体、扣子 Coze、AutoGen、LangGraph | 开源或免费额度 |
| ¥100/月 | Kimi Agent、通义千问 Agent | 个人专业版 |
| ¥200+/月 | Claude Pro、OpenAI API | 高级功能 |
| 企业定制 | 通义千问 Agent、文心智能体 | 私有化部署 |
五、总结
2026 年 Agent 市场格局
国际四强：
- Claude + Computer Use：屏幕操作，自主完成任务
- OpenAI Agents SDK：灵活定制，开发生态最好
- AutoGen：多 Agent 协作，研究场景强
- LangGraph：生产级应用，流程可控
国内四杰：
- 通义千问 Agent：企业级集成，中文友好
- Kimi Agent：智能体集群，复杂研究
- 文心智能体：零代码创建，上手简单
- 扣子 Coze：一站式平台，飞书集成
选产品建议
- 个人用户：从免费平台开始（文心智能体、扣子 Coze）
- 开发者：OpenAI Agents SDK 或 LangGraph
- 企业用户：通义千问 Agent（私有化部署）
- 研究场景：Kimi Agent（集群）或 AutoGen（协作）
- 自动化办公：Claude + Computer Use（屏幕操作）
延伸阅读
- Agent 应用 - 返回总览
- 01-核心原理 - Agent 的技术原理
- 03-使用方法 - 高效使用 Agent 应用
- Function Call - 工具调用基础
- MCP 协议 - 标准化工具调用