AI Agent 框架别乱选，看这个榜单就够了，建议收藏

AI Agent 框架太多，选不过来。

每周都有新榜单，但不知道信哪个。Claude Code、Cursor、OpenClaw、OpenHands、goose……名字都听过，但到底哪个适合你？

别急，有个榜单帮你筛完了。

167 个框架，12 个类别

GitHub 上有个项目叫 Best-of-Agent-Harnesses，作者 RyanAlberts 维护。

收录了 167 个 AI Agent harness，按 12 各类别分类排名。每周重新评分，数据从 GitHub 实时抓取。

什么是 harness？

harness 是"让 AI 模型能干活的外壳"。模型本身只会生成文本，harness 给它加上工具调用、文件读写、记忆、循环执行的能力。Claude Code、Cursor、OpenClaw 都是 harness。

打个比方：模型是发动机，harness 是整辆车。发动机再强，没有底盘、变速箱、方向盘，也跑不起来。harness 就是把这些零件组装起来的东西。

12 个类别包括：

• 个人 Agent 运行时
• 编码 harness 配置
• 多 Agent 编排
• Agent 评测
• 无头/批处理运行
• 崩溃恢复
• 研究和任务特定 harness
• 库和 SDK
• 多模态 Agent
• 本地 Agent
• 云端 Agent
• 其他

每个类别都有自己的评分标准。不是简单看 star 数，而是综合活跃度、文档质量、社区反馈、更新频率等多个维度。每周重新计算，所以排名会变化。

评分维度包括：

• 活跃度：最近一周的 commit 数量、issue 处理速度
• 文档质量：README 是否完整、是否有示例代码、是否有教程
• 社区反馈：issue 和 PR 的响应速度、社区讨论热度
• 更新频率：是否持续维护、是否有新版本发布
• MCP 支持：是否支持 MCP 协议，能否与其他工具集成

这些维度综合起来，形成一个分数。分数高的排名靠前。每周重新计算，所以排名会变化——上周的第一名，这周可能掉到第三名。

个人 Agent 运行时

这类框架适合个人开发者，想搭建自己的 AI Agent，处理日常任务。

OpenJarvis（9.7k stars）

• 复杂度：略复杂
• MCP 支持：✅
• 特点：模块化设计，支持多种 LLM 后端，可以处理文件、代码、网页等多种任务
• 适合：想搭建个人助手的开发者
• 亮点：插件系统丰富，社区贡献活跃，文档齐全

其他两个：略

个人运行时这个类别，核心看的是能不能快速上手。OpenJarvis 的优势在于模块化——你可以只装需要的功能，不用一次性引入所有依赖。对于个人开发者来说，这意味着更少的依赖冲突和更简单的调试。

个人运行时的另一个关键指标是模型兼容性。有些框架只支持特定模型，有些支持多种模型。OpenJarvis 支持多种 LLM 后端，这意味着你可以根据任务需求选择不同的模型——简单任务用便宜的小模型，复杂任务用贵的大模型。这种灵活性对个人开发者来说很重要，可以显著降低成本。

模型兼容性的另一个好处是避免供应商锁定。如果你只用一个模型，模型涨价或降智，你就被锁死了。支持多种模型的框架，让你可以随时切换，保持议价能力。

编码 harness 配置

这类框架专注于代码生成和编辑，适合开发者日常编码。

get-shit-done（9.4k stars）

• 复杂度：简单
• MCP 支持：✅
• 特点：轻量级，配置简单，适合快速上手
• 适合：想快速搭建编码 Agent 的开发者
• 亮点：配置文件简洁，学习成本低，适合新手

Claude Agent SDK（8.1k stars）

• 复杂度：复杂
• MCP 支持：✅
• 特点：功能强大，支持复杂工作流，但学习曲线陡
• 适合：需要复杂编码 Agent 的团队
• 亮点：支持多轮对话、工具调用、文件操作，功能全面

其他一个：略

编码 harness 这个类别，get-shit-done 和 Claude Agent SDK 是两个极端。前者追求极简，后者追求全面。选择哪个取决于你的需求：如果只是想让 AI 帮你写代码、改 bug，get-shit-done 够用；如果需要搭建复杂的编码工作流，Claude Agent SDK 更合适。

编码 harness 的另一个关键指标是上下文窗口管理。代码任务通常涉及大量文件，Agent 需要读多个文件才能理解项目结构。好的编码 harness 会自动管理上下文窗口，把最重要的信息保留在窗口里，把不重要的信息压缩或丢弃。Claude Agent SDK 在这方面做得比较好，支持智能上下文管理。

上下文窗口管理的核心是信息密度。同样大小的窗口，能装多少有效信息，决定了 Agent 能处理多复杂的任务。Claude Agent SDK 用智能压缩算法，把不重要的信息压缩成摘要，保留关键细节，这样可以在有限窗口里处理更大的代码库。

多 Agent 编排

这类框架支持多个 Agent 协作，适合复杂任务分解。

PraisonAI（9k stars）

• 复杂度：简单
• MCP 支持：✅
• 特点：支持多 Agent 协作，可以分解复杂任务给不同 Agent
• 适合：需要多 Agent 协作的场景
• 亮点：支持任务分解、角色分配、结果汇总

其他两个：略

多 Agent 编排的核心价值在于任务分解。一个复杂任务，比如"分析这个代码库并生成报告"，可以拆成"读代码"、"分析架构"、"生成报告"三个子任务，分别交给不同的 Agent。PraisonAI 的优势是配置简单，不需要写复杂代码就能实现多 Agent 协作。

多 Agent 编排的另一个关键指标是通信机制。多个 Agent 协作，需要交换信息。有些框架用消息队列，有些用共享内存，有些用文件系统。PraisonAI 用简单的消息传递机制，配置简单但功能够用。如果需要更复杂的通信机制，可以考虑 Symphony。

通信机制的选择取决于任务复杂度。简单任务用消息传递就够了，复杂任务可能需要共享内存或文件系统。Symphony 支持多种通信机制，可以根据任务需求灵活选择。

Agent 评测

这类框架专注于评估 Agent 性能，适合团队做选型决策。

MiroThinker（8.4k stars）

• 复杂度：略复杂
• MCP 支持：❓
• 特点：支持多种评测基准，可以量化 Agent 能力
• 适合：需要评估 Agent 性能的团队
• 亮点：支持 SWE-bench、inspect_ai、Terminal-Bench 等多种评测

其他两个：略

评测这个类别，核心是"用数据说话"。你换了模型、改了 prompt、加了工具，Agent 是变好了还是变差了？靠感觉不行，得靠评测。MiroThinker 支持多种评测基准，可以量化 Agent 能力，帮助团队做选型决策。

评测的另一个关键指标是可重复性。好的评测应该可以重复运行，每次运行结果一致。这样才能对比不同框架、不同模型的表现。MiroThinker 支持可重复评测，可以设置随机种子，确保每次运行条件一致。

可重复性的重要性在于对比。你换了模型，想看看是变好了还是变差了。如果评测不可重复，你无法确定变化是模型导致的还是随机因素导致的。MiroThinker 的可重复评测，让你可以准确对比不同模型的表现。

无头/批处理运行

这类框架设计用于无人值守运行，适合批量任务和长时间运行。

opencode：轻量级，适合快速批处理 OpenHands：功能强大，支持复杂任务 goose：社区活跃，更新频繁 Symphony：企业级，支持大规模部署 Prime Agent：高性能，适合生产环境 SWE-agent：专注于软件工程任务 Claude Agent SDK：支持无头模式 RepoMaster：专注于代码仓库管理

无头运行的核心价值是不需要人盯着。你可以提交一个任务，让 Agent 自己跑，跑完了通知你。适合批量代码生成、批量数据处理、长时间监控等场景。

opencode 适合快速批处理，轻量级，启动快。OpenHands 适合复杂任务，功能强大但资源占用高。goose 社区活跃，更新频繁，适合喜欢尝鲜的开发者。Symphony 适合企业级部署，支持大规模并发。

无头运行的另一个关键指标是资源隔离。多个批处理任务同时运行，需要资源隔离，防止一个任务占用所有资源导致其他任务失败。Symphony 支持资源隔离，可以为每个任务分配独立的资源配额。

资源隔离的核心是公平性。如果没有资源隔离，一个任务可能占用所有 CPU 和内存，导致其他任务饿死。Symphony 的资源隔离，确保每个任务都能获得公平的资源份额。

崩溃恢复（durable）

这类框架支持崩溃后恢复，适合长时间运行任务。

特点：

• 任务状态持久化
• 崩溃后自动恢复
• 支持断点续传
• 适合长时间运行的任务（如代码生成、数据处理）

适合场景：

• 批量代码生成
• 长时间数据处理
• 需要高可靠性的生产环境

崩溃恢复的核心是不丢任务。你提交了一个跑两小时的任务，跑到一小时的时候崩了，如果没有崩溃恢复，这一小时就白跑了。有了崩溃恢复，Agent 可以从断点继续，不用从头开始。

OpenHands 和 goose 都支持崩溃恢复，适合长时间运行任务。如果你需要高可靠性，建议选择支持崩溃恢复的框架。

崩溃恢复的另一个关键指标是恢复速度。崩溃后恢复，需要读取之前的状态，恢复到断点。恢复速度越快，浪费的时间越少。OpenHands 的恢复速度比较快，因为它的状态文件是增量的，只需要读取最近的变化。

恢复速度的重要性在于成本。崩溃恢复需要时间，如果恢复需要一小时，那这一小时就是浪费的。OpenHands 的增量状态文件，让恢复速度更快，减少浪费。

怎么用

MCP server：让 Agent 自己查列表选框架。

claude mcp add agent-harnesses -- uvx agent-harnesses-mcp

复制粘贴模板：AGENTS.md、Claude Code 安全配置、最小 harness 配置。

分步 playbook：从零开始搭建 Agent 的详细步骤。

llms.txt 和 JSON：机器可读格式，方便集成。

MCP server 是一个亮点。你可以让 Claude Code 自己查这个榜单，根据你的需求推荐合适的框架。比如你问"我想搭建一个编码 Agent，推荐哪个"，Claude Code 会查榜单，给你推荐 get-shit-done 或 Claude Agent SDK。

复制粘贴模板也很实用。AGENTS.md 是 Agent 的配置文件，定义了 Agent 的行为规则。Claude Code 安全配置可以防止 Agent 执行危险操作。最小 harness 配置让你快速上手，不用从零开始写配置。

分步 playbook 是另一个亮点。它不是简单的教程，而是从零开始搭建 Agent 的详细步骤。包括环境准备、依赖安装、配置文件编写、测试运行、生产部署。每个步骤都有详细说明，跟着做就能搭建一个可用的 Agent。

llms.txt 和 JSON 格式是机器可读的，方便集成到其他工具。比如你可以写一个脚本，定期从 llms.txt 拉取最新排名，生成报告或发送通知。

机器可读格式的价值在于自动化。你可以把榜单集成到 CI/CD 流程，每次有新版本发布时自动检查排名变化。也可以集成到监控工具，当某个框架的排名下降时自动通知你。

选择建议

个人开发者：

• 先从 OpenJarvis 或 get-shit-done 开始
• 复杂度低，上手快
• 社区活跃，文档齐全
• 建议先跑通一个简单任务，再逐步深入

团队/企业：

• 考虑 Claude Agent SDK 或 PraisonAI
• 功能强大，支持复杂场景
• 但学习曲线陡，需要培训
• 建议先做技术验证，再全面推广

需要多 Agent 协作：

• PraisonAI 或 Symphony
• 支持任务分解和协作
• 适合复杂项目
• 建议先定义清楚任务边界，再分配 Agent

需要评估性能：

• MiroThinker
• 支持多种评测基准
• 可以量化 Agent 能力
• 建议先建立评测基线，再对比不同框架

需要长时间运行：

• 选择支持崩溃恢复的框架
• 如 OpenHands 或 goose
• 确保任务不会因崩溃而丢失
• 建议先测试崩溃恢复功能，再用于生产环境

• 需要选 Agent 框架的开发者/团队
• 想了解 AI Agent 生态的人
• 想搭建自定义 Agent 的人
• 需要评估 Agent 性能的团队
• 需要多 Agent 协作的复杂项目

• 只想用现成产品（如 Cursor、Claude Code）的人
• 不需要自定义 Agent 的人
• 对技术细节不感兴趣的人
• 只是好奇看看、没有实际项目需求的人

• GitHub: RyanAlberts/best-of-Agent-Harnesses
• 协议: CC-BY-SA-4.0
• 每周重新评分

建议收藏，下次选 Agent 框架时翻出来看。