用多智能体编排框架让多个 LLM Agent 模拟角色协作完成软件任务

方案简介

本方案面向希望快速了解并选型「多智能体编排（Multi-Agent Orchestration）」类 LLM 框架的开发者与研究员。仓库将这一类项目集中归类为 Multi-Agent Orchestration，收录了 14 个开源项目，覆盖「让多个 LLM Agent 模拟人类角色进行对话、协作、角色扮演以完成复杂任务」的典型范式。

根据仓库 README 的章节划分，「Multi-Agent Orchestration」是与「Core Frameworks」「CLI Agent Harnesses」「Retrieval & Data」「Memory & Context」等并列的一级分类，说明该类项目在 LLM Agent 技术栈中已形成独立分支。其核心解决的是单个 Agent 能力有限、需要多个具备不同角色/职责的 Agent 通过消息传递或共享黑板协同完成软件开发、辩论、研究等任务的问题。适合做软件工程自动化、研究 agent 社会行为、构建多 Agent 协作产品的团队参考选型。

组成与分工

本方案对应「Multi-Agent Orchestration」分类下的多个开源项目，每个成员都是独立的多 Agent 编排框架，分别承担不同形态的角色协作：

• MetaGPT：让 Agent 角色扮演一家软件公司（Agents role-play a software company），按软件公司组织结构分工。
• AutoGen：构建会话式多 Agent 系统（Conversational multi-agent systems），以对话作为协作机制。
• CrewAI：编排角色扮演 agent 团队（Orchestrate role-playing agent crews），聚焦团队化角色协作。
• CAMEL：研究角色扮演 Agent 的社会行为（Role-playing agents for studying agent society）。
• PraisonAI：在多 Agent 工作流中内建自反思（Multi-agent workflows with self-reflection）。
• OpenAgents：在 WebSocket、gRPC、MCP、A2A 多种传输/协议之上构建 Agent 网络（Agent networks over WebSocket, gRPC, MCP and A2A）。
• CommonGround Kernel：以 Postgres 作为多 Agent 团队的共享底座（Postgres-backed shared substrate for agent teams）。
• Flock：以黑板架构（blackboard architecture）声明式地定义 Agent。
• hcom：让 Agent 在终端中互发消息并相互派生（Agents message and spawn each other in terminals）。
• Quorum：在终端进行结构化多 Agent 辩论（Structured multi-agent debate

注意事项与常见问题

• 该分类下多数项目语言为 Python，部分为 TypeScript（如 OpenAgents、Markus、OpenAcme、Hivekeep、auto-co）和 Rust（如 hcom）。
• 仓库 README 提示：本文件由 data/frameworks/ 中的数据生成（this file is generated from them），如需新增项目请参考 CONTRIBUTING.md。
• 指标每周刷新一次（Metrics refresh weekly），便于追踪各项目活跃度。

优缺点

• ✓ 同类项目集中对比，便于选型
• ✓ 按场景细分成多子类
• ✕ 仅为清单，无具体集成步骤

出处

本方案挖掘自开源项目 kaushikb11/awesome-llm-agents，方案内容与实施命令均来自其 README 原文。