关键要点
- LangGraph — 4.06 万 GitHub 星标，MIT。基于图且以代码为先，由 LangChain 团队为有状态智能体打造，带检查点和供人工介入的中断机制。库本身免费；LangSmith 与部署平台是付费层。
- CrewAI — 5.77 万星标，MIT。以 Agent、Task、Crew 为核心的角色化抽象，能很快让多智能体流程跑起来。云端 Basic 套餐免费，每月 50 次工作流执行；Enterprise 为定制报价，未公开价格。
- Microsoft Agent Framework — 1.32 万星标，MIT，支持 .NET、Python 与 Go。微软称其为 AutoGen 面向企业的继任者，并提供官方迁移指南。Python 1.16.0 于 2026 年 8 月 28 日发布。
- AutoGen 处于维护模式。 其 README 明确写道，它「不会再获得新功能或增强，今后由社区管理」，并引导新用户前往 Microsoft Agent Framework。其最后一次实质性提交在 2026 年 4 月。
- AG2 并非人们常说的那个庞然大物。 这个社区分支有 4.9 千星标，采用 Apache-2.0，而不是某些对比文章描述的 6 万星标 MIT 项目。那个 6 万的数字属于 `microsoft/autogen`，不属于分支。
- n8n — 20.27 万星标，但采用 Sustainable Use License，属源码可见而非 OSI 认可的开源。Cloud 按年付费每月 20 欧元起，含 2,500 次执行；Business 为 667 欧元。
- 只有 n8n 拥有可核实的联盟计划： Cloud 推荐可获净收入的 30%，为期 12 个月，余额满 100 欧元后每月经 PayPal 支付，且明确禁止付费广告。PromptQuorum 未加入，也不会从本页获得任何收入。
🏆 按场景选择
请按控制模型以及由谁编写工作流来选择，而不是按星标数量。 往下读，在第一条符合你情况的地方停下。
- 你要上线一个必须可审计、可恢复的生产级智能体 → LangGraph。显式状态图、检查点与中断原语正是它存在的理由。
- 你这周就需要一个可运行的多智能体演示 → CrewAI。Agent、Task 与 Crew 恰好对应人们本来描述问题的方式，免费额度覆盖每月 50 次执行。
- 你的团队使用 Azure 或微软技术栈 → Microsoft Agent Framework，而不是 AutoGen。微软已指定它为继任者，并发布了从 AutoGen 迁移的指南。
- 搭建工作流的人主要不是工程师 → n8n。AI 智能体只是与 CRM、Slack 和数据库节点并列的一个节点。
- 你只有一个智能体和一两个工具 → 这些都不需要。直接对着你所用供应商的 SDK 写函数调用循环，等控制流真正出现分支时再回头考虑。
智能体框架究竟做什么
智能体编排框架负责管理多次大模型调用之间的控制流、状态与协作，让你不必自己手写循环、重试和消息传递。 它决定下一个运行哪个智能体、每个智能体能看到什么、某一步失败时发生什么，以及长时间任务在暂停后如何恢复。
一旦你有多个智能体、分支逻辑，或需要跨重启存活的状态，这确实有用。而当你只有一个智能体调用一次工具时，它就只是额外负担——这也是本类别中最常见的错误：在问题尚未需要之前就引入框架。
📍 简单一句话
AI 智能体编排框架通过管理控制流、共享状态、重试以及智能体之间的消息传递来协调多次大模型调用，使多步骤工作流无需手写循环即可可靠运行。
💬 简单来说
它是决定下一个由哪个智能体发言、并记住此前经过的脚手架。如果你的任务只是一个提示加一次 API 调用，那就不需要脚手架。
LangGraph、CrewAI、Microsoft Agent Framework 与 n8n 对比
没有哪个框架全面胜出：LangGraph 赢在控制力，CrewAI 赢在速度，Microsoft Agent Framework 赢在 Azure 生态，n8n 赢在门槛。 星标、许可证与活跃度于 2026 年 8 月 28 日读取自 GitHub API；价格取自同日各厂商自己的定价页。
评估维度 | ||||
|---|---|---|---|---|
| GitHub 星标 | 4.06 万 | 5.77 万 | 1.32 万 | 20.27 万 |
| 许可证 | MIT | MIT | MIT | Sustainable Use |
| OSI 认可的开源 | 是 | 是 | 是 | 否，仅源码可见 |
| 模型 | 显式状态图 | 角色、任务、团队 | 智能体与工作流 | 可视化节点画布 |
| 支持语言 | Python、JavaScript | Python | .NET、Python、Go | 可视化，另加自定义代码 |
| 免费自托管 | 支持 | 支持 | 支持 | 支持，Community Edition |
| 付费起步价 | Plus 每席位每月 39 美元 | Enterprise，定制报价 | 无自有付费层 | 按年付费每月 20 欧元 |
| 联盟计划 | 未找到 | 未找到 | 未找到 | 有，12 个月 30% |
⚠️警告: 许多对比文章把 AutoGen 或 AG2 列为第四位竞争者，并称其约有 6 万星标。该数字属于处于维护模式的 `microsoft/autogen`，而社区分支 AG2 只有 4.9 千星标。2026 年启动新项目时，两者都不是稳妥的默认选择——请见下文的 AutoGen 一节。
LangGraph：生产之选
当智能体必须可检查、可恢复且正确，而不只是在演示中令人惊艳时，就该选 LangGraph。 它把工作流建模为带共享状态的显式有向图：前期投入更多，而凌晨三点出问题时投入要少得多。
LangGraph — 生产级智能体最佳
4.06 万星标，MIT，带检查点与中断的显式状态图
LangGraph 出自 LangChain 团队，在 Python 与 JavaScript 中以代码为先。你定义节点、边和一个共享状态对象，于是控制流成了可以读出来的东西，而不是从提示词文本里推断出来的东西。实际收益有两点：检查点让长时间任务能从中断处继续，以及内置的中断原语用于人工审批——这恰好是团队最常自己动手却做得不好的两项功能。库本身是 MIT，可无限期免费自托管。商业层是 LangSmith 与部署平台：Developer 层每席位 0 美元，每月最多 5,000 条基础追踪；Plus 层每席位每月 39 美元，每月最多 10,000 条基础追踪并附带一个免费的小型无服务器部署；Enterprise 为定制报价，提供自托管与混合部署选项。超出额度的计算与存储另行计费，分别为每 LCU 1.50 美元、每 LSU 1.00 美元。
优点
- +显式状态图让控制流可读、可评审
- +支持检查点与恢复，这在长时间任务中很关键
- +一流的人工介入中断原语
- +MIT 许可，可免费自托管且无执行次数限制
缺点
- –四者中学习曲线最陡——你要先建好图才能拿到输出
- –对只有一两个工具调用的单智能体而言过于笨重
- –实践中的可观测性意味着 LangSmith，其 Plus 层为每席位每月 39 美元
CrewAI：快速原型之选
CrewAI 胜在从想法到能跑起来的距离。 它的抽象与人们口头描述多智能体工作的方式一致：一个研究智能体交接给一个撰写智能体，各有任务，共同构成一个 crew。
CrewAI — 快速得到可运行原型的最佳选择
5.77 万星标，MIT，基于角色的智能体，每月 50 次执行的免费额度
CrewAI 是这里以代码为先的框架中星标最多的，达 5.77 万，原因正是这套角色模型。定义一个带角色和目标的 Agent、一个带预期产出的 Task，以及一个带流程的 Crew，就能用远少于等价状态图的代码把多智能体流程跑起来。这种可读性在团队中是实实在在的资产：新人理解一段 CrewAI 脚本要比理解 LangGraph 脚本更快。代价是粒度：当你的流程需要真正复杂的分支、条件重试，或需要精确控制每一步各个智能体能看到什么时，你会发现自己是在与抽象对抗而非借力。库本身是 MIT 且免费。托管的 Basic 套餐免费，含每月 50 次工作流执行，并提供可视化编辑器与 GitHub 集成；再往上只有 Enterprise，且未公开价格。
优点
- +四者中最快做出第一个可运行的多智能体流程
- +角色、任务与团队的抽象，没写过的人也能读懂
- +MIT 许可，自托管免费，云端免费层也确实可用
- +即便是免费套餐也包含可视化编辑器与 GitHub 集成
缺点
- –一旦分支逻辑变复杂，粒度不如状态图
- –免费层之上没有公开价格：Enterprise 只能联系销售
- –云端免费层为每月 50 次执行，真实负载很快就会超出
Microsoft Agent Framework：微软之选
如果你的基础设施以微软为中心，这就是当下的答案，而且它是取代了 AutoGen，而非与之并存。 微软发布了从 AutoGen 迁移的指南，并把 Agent Framework 描述为面向企业的继任者。
Microsoft Agent Framework — 微软技术栈团队最佳
MIT，支持 .NET、Python 与 Go，AutoGen 的指定继任者
Microsoft Agent Framework 是一个开放的多语言框架，用于在 .NET 和 Python 中构建生产级智能体与多智能体工作流，Go SDK 位于独立仓库。它采用 MIT 许可，拥有 1.32 万星标，活跃度毋庸置疑：Python 1.16.0 发布于 2026 年 8 月 28 日，正是核实本页数据的当天。其生态支持涵盖 Microsoft Foundry、Azure OpenAI、OpenAI 与 GitHub Copilot SDK，并通过 A2A 和 MCP 实现互操作。对 .NET 的支持是这里其他框架都无法匹敌的差异点：LangGraph 是 Python 与 JavaScript，CrewAI 仅 Python。如果你的组织写 C#，它是这份名单上唯一值得认真考虑的选项。星标数在四者中最低，是因为项目年轻，而非无人维护；请以发布节奏来衡量，而不是拿它与 CrewAI 更长的积累相比。
优点
- +这里唯一一流支持 .NET 的框架，另外还支持 Python 与 Go
- +MIT 许可，由微软支持并公开承诺长期维护
- +为当前使用 AutoGen 的团队提供了文档化的官方迁移路径
- +通过 A2A 与 MCP 互操作，并支持 Foundry、Azure OpenAI 与 OpenAI
缺点
- –这里最年轻的项目，1.32 万星标，因此第三方教程较少
- –最自然地契合以微软为中心的基础设施，在其之外吸引力较弱
- –发布节奏快，锁定版本比在成熟库中更重要
n8n：无代码之选
当搭建工作流的人不写 Python，或者智能体只是一个大得多的业务流程中的一步时，n8n 就是答案。 它是一个带 AI 智能体节点的通用工作流自动化平台，而不是一个向外生长的智能体框架。
n8n — 混合团队与非工程团队最佳
20.27 万星标，可视化画布，Cloud 按年付费每月 20 欧元起
n8n 把 AI 智能体节点放在可视化画布上，与 CRM、Slack、邮件和数据库节点并列，这在智能体只是运营流程中的一步而非整个系统时恰如其分。20.27 万星标是本页遥遥领先的数字，但它衡量的是 n8n 作为通用自动化工具的身份，而非作为智能体平台的采用度，所以不要把它读作对智能体能力的判决。自托管 Community Edition 是免费的。Cloud 按年付费每月 20 欧元起，含 2,500 次执行且用户数不限；Pro 为每月 50 欧元含 10,000 次执行；Business 为每月 667 欧元含 40,000 次执行并提供自托管选项。许可证值得关注：n8n 采用 Sustainable Use License，属源码可见而非 OSI 认可的开源，并限制转售 n8n 本身。
优点
- +不写代码的人也能使用，扩大了能够搭建工作流的人群
- +智能体与数百个集成并存，无需编写胶水代码
- +自托管的 Community Edition 免费，Cloud 入门每月 20 欧元
- +这里唯一拥有可核实联盟计划的工具，如果你在意这一点
缺点
- –Sustainable Use License 属源码可见而非 OSI 开源——在此之上做产品前请先读它
- –不太适合需要对推理步骤做细粒度程序化控制的智能体
- –星标数反映的是通用自动化的流行度，而非智能体场景的采用度
n8n：自托管还是 Cloud？
一旦选定 n8n，剩下要决定的只是谁来运维服务器——软件本身完全相同。 无论是自托管 Community Edition，还是付费使用 n8n Cloud，运行的都是同一个工作流引擎和同一个 AI 智能体节点；智能体能力不会因此有任何差异。这个选择完全关乎运维，而非功能。
自托管是切实可行的选项，不是一个稻草人论证；如果你手头已经有闲置硬件，这就是正确的选择。 n8n 的 Docker Compose 配置只需运行少量容器——n8n 本身，加上从 SQLite 迁移后需要的 Postgres 数据库——项目本身在普通硬件上就能舒适运行。n8n 空闲时大约占用 300 到 500 MB 内存，在较重的工作流运行期间可能飙升到 1 到 2 GB；Postgres 根据连接池配置会再占用 512 MB 到 1 GB。实际使用中，2 到 4 GB 内存加 2 个 vCPU 就足以让安装跑起来，但涉及并发工作流、文件处理或较大规模 AI 智能体运行的生产环境，配置 8 GB 内存会更从容，而文件处理繁重或高并发的场景最好准备 16 GB。
对做过类似操作的人来说，搭建本身只需一条 `docker compose up`：拉取官方镜像，指向一个 Postgres 容器，设置环境变量，一小时内就能跑起来。真正耗时的是第一天之后的所有工作。n8n 发布新版本很频繁，跳过升级会不断积累破坏性变更，让后续升级更难处理。备份是你自己的责任——工作流定义和凭据都存放在那个 Postgres 卷里，没有备份就丢失它，意味着要手动重建每一个工作流。暴露风险也是真实存在的：没有身份验证、也没有反向代理保护、直接暴露在公网上的 n8n 实例，是已被记录在案的容易被发现和滥用的方式。请把它放在带 TLS 的反向代理后面，保持 n8n 自身的登录功能开启（付费自托管套餐可用 SSO），不要直接做端口转发。
这些维护工作在使用 Cloud 时并不会消失——只是由 n8n 替你承担，这正是你付费购买的东西。 没有服务器需要打补丁，没有 Postgres 备份计划需要你负责，上线前也不需要正确配置反向代理。n8n 负责扩容与可用性，新工作流几分钟内就能跑起来，而不必等服务器配置完成，而且无需在家庭或办公网络中开放端口即可随处使用。对于非技术团队，或者更愿意把时间花在搭建工作流而不是维护 Docker 主机健康状态的团队来说，这笔交易本身就是划算的——这与 PromptQuorum 是否从该链接赚取佣金无关，事实上本例中也确实没有。
自托管还是 n8n Cloud？
以下情况使用本地LLM：
- •你已经在运行本地 AI 基础设施（家庭服务器、NAS 或闲置机器），并希望零持续成本
- •出于隐私或合规原因，需要让每一条工作流痕迹都留在自己的网络内
- •执行量足够大，Cloud 套餐会反复迫使你升级
- •团队里有人能够熟练运维 Docker、应用更新并监控故障
以下情况使用云端模型：
- •不想维护服务器、打补丁，也不想在它宕机时被叫醒处理
- •需要有保障的可用性，但没有余力自己搭建
- •团队的技术水平不足以安全地管理 Docker、反向代理和 n8n 版本升级
- •希望今天就开始，不想先做任何环境准备
快速决策：
- →免费，但服务器由你自己负责 → 自托管 Community Edition
- →付费，但可用性由 n8n 负责 → n8n Cloud，按年付费每月 20 欧元起
- 已经在运行本地 AI 基础设施，或以隐私优先 → 自托管。你既有硬件，也有理由不把痕迹留在别人的服务器上；在这种画像下，付费用 Cloud 都不会是更好的选择。
- 非技术团队，或没有时间维护基础设施 → n8n Cloud。托管的可用性和无需照看 Docker，值这份月费，与是否有人从这笔购买中赚取佣金无关。
- 偶尔或轻度使用工作流 → n8n Cloud Starter。每月 2,500 次执行的额度下，20 欧元的套餐比为一周只用几次的东西搭建并维护服务器的时间成本更划算。
- 自动化用量大、团队技术过硬 → 自托管。执行量大会反复迫使你升级 Cloud 套餐；已经能在生产环境运行 Docker 的团队，一旦超过某个用量，自托管的总成本会更低。
n8n Cloud 定价
n8n Cloud 公开了三个自助套餐，外加一个定制报价的 Enterprise 方案，以下所有自助套餐价格均为按年付费；按月付费大约贵 20%。 这些数字已于 2026 年 9 月 1 日对照 n8n 官方定价页核实，并与本页其他位置使用的 Starter/Pro/Business 数字一致——引用前请通过下方链接再次核实，因为 Cloud 定价可能变化，而本页不会随之自动重建。
套餐 | 月费（年付） | 每月执行次数 |
|---|---|---|
| Starter | 20 欧元 | 2,500 |
| Pro | 50 欧元 | 10,000 |
| Business | 667 欧元 | 40,000 |
| Enterprise | 定制报价 | 定制报价 |
n8n 成本：自托管与 Cloud 一年对比
如果你已经拥有硬件，自托管除电费外几乎不花钱；如果需要新买一台机器，这笔支出通常也能在一年内通过省下 Starter 套餐的费用赚回来。 这里的对比假设的是一台常年开机的小型设备，而不是运行完整本地 LLM 所需的那种工作站。
场景 | 12 个月成本 |
|---|---|
| 自托管／已有硬件 | 0 到约 60 美元，仅电费 |
| 自托管／新购迷你 PC | 约 180 到 360 美元，含电费 |
| n8n Cloud Starter | 约 260 欧元（按年付费每月 20） |
| n8n Cloud Pro | 约 650 欧元（按年付费每月 50） |
AutoGen 与 AG2 后来怎么了
不要在 AutoGen 上启动新工作，并且要警惕任何仍在推荐它的指南。 `microsoft/autogen` 仓库挂着维护模式横幅，声明 AutoGen「不会再获得新功能或增强，今后由社区管理」，并引导新用户前往 Microsoft Agent Framework。微软为既有用户发布了正式的迁移指南。
该仓库仍显示 6.07 万星标，而这个数字正是一处广泛误传的源头。多篇对比文章把大约 6 万星标归给社区分支 AG2，并将其描绘成蓬勃发展的延续。事实上 AG2 只有 4.9 千星标，许可证是 Apache-2.0 而非 MIT。它确实活跃——我们核实的当天它就有更新，未决问题也远少于原仓库——但规模远小于那些文章所暗示的。
还有一处值得了解的许可细节：AutoGen 仓库附带两个许可文件。`LICENSE-CODE` 是 MIT，覆盖代码；而 `LICENSE` 是知识共享署名 4.0，覆盖非代码内容。仓库元数据报告的是知识共享那一份，这也是某些表格把 AutoGen 标为内容许可证的原因。
⚠️警告: 当教程、对比文章或招聘启事提到「AutoGen」时，请先确认它指的是哪一个：处于维护模式的 Microsoft AutoGen、AG2 分支，还是 Microsoft Agent Framework。三者名称相近，而其中只有两个适合作为新工作的起点。
价格如何比较
这里每一个编排库都是免费的；你付费购买的是托管、追踪与治理，而从来不是智能体逻辑本身。 因此真正的预算问题是你最终会需要哪一层托管服务，而它通常仍小于你的模型 token 支出。
工具 | 链接 | 免费层 | 付费入门 | 这笔钱买到什么 |
|---|---|---|---|---|
| LangGraph | langchain.com/langgraph | 库免费；LangSmith Developer 0 美元，每月 5 千条追踪 | Plus 每席位每月 39 美元，1 万条追踪 | 追踪、部署，以及一个小型无服务器部署 |
| CrewAI | crewai.com | 库免费；云端 Basic 免费，每月 50 次执行 | Enterprise，仅定制 | SSO、RBAC、个人信息脱敏与部署选项 |
| MS Agent Framework | github.com/microsoft/agent-framework | 完全免费，MIT | 无自有付费层 | 什么也不买——你转而向 Azure 支付基础设施费用 |
| n8n | n8n.io | 自托管 Community Edition 免费 | Starter 每月 20 欧元，按年付费 | 托管执行：Starter 每月 2,500 次，Business 40,000 次 |
把托管层与模型 token 分开做预算。对多数团队而言，token 账单才是更大的经常性成本，把它路由好更重要——参见最佳 LLM API 网关。
💡提示: LangSmith 与 n8n Cloud 都按用量而不仅按席位计费——一个按追踪，一个按执行次数。在比较标价之前先估算你的月度用量，因为含 2,500 次执行的 20 欧元套餐与含 1 万条追踪的 39 美元席位并非可比的单位。
许可证：开源与源码可见之别
这四者中有三者是 OSI 认可的 MIT 开源；n8n 不是，而这一区别可能比任何功能都更重要。 LangGraph、CrewAI 与 Microsoft Agent Framework 都采用 MIT 许可，意味着你可以商业使用、修改并再分发，除署名外几乎没有任何限制。
n8n 采用 Sustainable Use License。Community Edition 免费且源码可读，但该许可限制转售 n8n 本身；如果你打算做一款核心价值就是托管版 n8n 的产品，这是一条实打实的约束。这并非对该许可的批评——它是一种深思熟虑且合理的商业模式——但这是应当在确定架构之前而非之后解决的法律问题。请读许可原文，而不是营销页面。
AG2 分支采用 Apache-2.0，同样获 OSI 认可，但包含 MIT 所没有的明确专利授权。对多数团队而言这在实践中没有区别；对大公司的法务审查而言，有时是有的。
谁该用哪一个
决定因素是你对控制力的要求，以及由谁编写工作流。 五类情形覆盖了大多数读者。
- 负责受监管、长时间运行智能体的后端或机器学习工程师 → LangGraph，因为它有检查点、可恢复性与可审计的控制流。
- 任何需要在本周内拿出演示的人 → CrewAI；若日后分支超出角色模型，再转向 LangGraph。
- 以 .NET 或 Azure 为主的团队 → Microsoft Agent Framework。它是这里唯一一流支持 .NET 的选项，且微软已指定它为 AutoGen 的继任者。
- 运营、RevOps 或增长团队 → n8n，智能体在此是既有集成中的一个节点，非工程人员也能维护。
- 在自有硬件上运行模型的团队 → 对接本地端点的 LangGraph 或 CrewAI，二者都不要求托管服务。参见本地智能体与云端智能体的取舍。
欧盟、日本与中国的智能体框架
智能体框架决定了你的提示词、工具输出与中间推理会去往何处。因此在三个主要市场，托管还是自托管是合规问题，而不只是运维偏好。
选择智能体框架时的常见错误
- 1向微软技术栈团队推荐 AutoGen
Why it matters: AutoGen 处于维护模式，其自身的 README 就在引导新用户改从 Microsoft Agent Framework 开始。与之相反的建议都早于这一变化，如今只会把团队送往一个不会再有新功能的项目。 - 2把 AG2 说成 6 万星标的项目
Why it matters: 那个数字属于 `microsoft/autogen`。AG2 分支有 4.9 千星标，许可证为 Apache-2.0。依据一个高出十二倍的星标数来选框架，等于是依据关于社区规模的错误信息来选。 - 3在问题尚未需要之前就引入框架
Why it matters: 只调用一两个工具的单个智能体，写成对着供应商 SDK 的直接循环更简单。框架会给一个本来没有这些负担的问题加上状态管理、新的故障模式和学习成本。先用原生方式做原型，等真正出现多个智能体或可恢复状态时再引入。 - 4把 n8n 的星标数当作智能体能力的信号
Why it matters: 20.27 万星标衡量的是它作为通用工作流自动化工具、在人工智能之外被广泛使用的采用度。对合适的场景它是不错的智能体载体，但这个数字并不能证明那个场景。 - 5把源码可见等同于开源
Why it matters: n8n 的 Sustainable Use License 可免费使用和阅读，但限制转售 n8n 本身，这与其余三者的 MIT 许可不同。如果你的产品本质上就是托管版 n8n，这是一道应当在动工之前而非之后发现的法律障碍。
什么情况下不必用
如果你的场景是一个智能体在循环里调用一两个工具，那就把四者都跳过，直接对着模型供应商的函数调用 API 来写。 你的依赖会更少，出问题时的调用栈更短，而当框架变更其抽象时你也没有什么要迁移的——正如今年 AutoGen 的情况所显示的，抽象是会变的。
值得等待的门槛是具体的：多个必须相互协作的智能体、必须跨进程重启存活的状态，或运行中途的人工审批环节。其中任意一条成立，框架就有正当理由。若一条都不成立，那么框架只是在解决一个你并不存在的问题，代价是多出一项你此后必须跟踪的依赖。
💡提示: 一个实用判据：如果你能把整个工作流画成一条没有分支、没有停顿的直线，那么一个循环就够了。当你需要一条往回指的箭头，或一个等待人来处理的方框时，你才有了一个框架形状的问题。
常见问题
2026 年最好的 AI 智能体框架是哪个？
需要显式状态与可审计性的生产级智能体选 LangGraph，最快做出可运行原型选 CrewAI，.NET 与 Azure 团队选 Microsoft Agent Framework，由非工程人员搭建工作流则选 n8n。没有单一赢家，因为每一个解决的是不同的约束。
Microsoft AutoGen 还在维护吗？
就活跃开发而言，没有。仓库挂着维护模式横幅，声明 AutoGen 不会再获得新功能或增强、今后由社区管理，并引导新用户前往 Microsoft Agent Framework。其最后几次实质性提交在 2026 年年初。微软发布了从 AutoGen 迁移到 Agent Framework 的官方指南。
AG2 有多少 GitHub 星标？
AutoGen 的社区分支 AG2 约有 4,900 星标，许可证为 Apache-2.0。常被归到它名下的约 60,000 这个数字，实际属于处于维护模式的原始仓库 `microsoft/autogen`。该分支在活跃开发，但规模远小于通常的报道。
LangGraph 免费吗？
免费。LangGraph 库采用 MIT 许可，可免费自托管且无执行次数限制。付费层是 LangSmith 与部署平台：Developer 层每席位 0 美元、每月最多 5,000 条基础追踪，Plus 层每席位每月 39 美元、最多 10,000 条，以及定制报价的 Enterprise。超出额度的计算与存储另行计费。
CrewAI 多少钱？
CrewAI 库采用 MIT 许可且免费。其托管的 Basic 套餐免费，包含每月 50 次工作流执行，并提供可视化编辑器与 GitHub 集成。再往上只有 Enterprise 一档，CrewAI 未公开任何价格，需联系销售。
n8n 是开源的吗？
按 OSI 的定义不是。n8n 采用 Sustainable Use License，源码可见且 Community Edition 可免费自托管，但限制转售 n8n 本身。LangGraph、CrewAI 与 Microsoft Agent Framework 都采用 MIT 许可，没有这类限制。在基于 n8n 构建商业产品前请阅读许可原文。
它们有联盟计划吗？
只有 n8n。它按 n8n Cloud 推荐的净收入支付 30%，为期 12 个月，余额达到 100 欧元后每月经 PayPal 发放，且计划条款明确禁止付费广告。它仅适用于 Cloud 订阅，不适用于免费的自托管 Community Edition。我们没有找到 LangChain、CrewAI 或微软的公开计划。PromptQuorum 未加入其中任何一个。
自托管这些需要 Kubernetes 吗？
不需要。LangGraph、CrewAI 与 Microsoft Agent Framework 都以普通应用进程运行，可以按你现有的方式部署服务。n8n 的 Community Edition 在小规模负载下以单个 Docker 容器运行；规模化部署需要更多基础设施，而这正是付费层预先提供的一部分。
智能体框架有联盟计划吗？
只有 n8n，按 Cloud 推荐净收入支付 30%，为期 12 个月，满 100 欧元后经 PayPal 发放，且禁止付费广告。未找到 LangChain、CrewAI 或微软的公开计划。
最终结论
- 选 LangGraph，如果你要上线一个必须可审计、可恢复的生产级智能体——下一步：在写智能体代码之前先把工作流建成图，因为这一步设计就是全部价值所在。
- 选 CrewAI，如果做出可运行原型的速度最重要——下一步：从免费 Basic 层的 50 次执行开始，先看角色抽象是否契合你的问题。
- 选 Microsoft Agent Framework，如果你在 .NET 或 Azure 上——下一步：若你当前在 AutoGen 上，请遵循官方迁移指南，而不是停留在一个处于维护模式的项目里。
- 选 n8n，如果你的工作流由非工程人员搭建——下一步：若打算在其之上构建商业产品，请先阅读 Sustainable Use License。
- 四者都跳过，如果你只有一个智能体和一两个工具——下一步：直接写函数调用循环，等你确实需要分支或可恢复状态时再回头考虑。