关于Agent框架，豆包，DeepSeek、Manus都选择了它

2025年被认为是Agent元年，2026年Agent必然会在各行各业蓬勃发展，但当前可选择的框架品类繁多，设计理念各有千秋。为此，我发起了一项有趣的实验：同一个关于“编程框架第一性原理”的问题，分别向当今三款流行的AI工具——Manus、豆包和DeepSeek提问。我预想会得到三个充满个性、视角各异的答案，然而，结果却大大出乎我的意料。他们不约而同地将目光聚焦于同一个项目：阿里巴巴开源的AgentScope。这一惊人的共识，我觉得挺有意思，把整个过程总结记录并分享给大家（文末附原版分享链接）。

01

—

先总结

我先尝试让他们先通过总结之前在各自领域成为既定标准的框架，从中总结出关于一个优秀编程框架的第一性原理，如下是我的 Prompt：

你是一个是一个专业的资深程序员，你会很多的编程语言和编程框架，你很熟悉 Java 领域的 Spring 、Spring Cloud、Python 中的 flask 这样的web框架，你也很懂 AI 相关的推理框架：比如 tensorflow 等。请你与我进行深度共振：请问，在你看来，对于一个编程框架而言，他的第一性原理到底是什么？

在这过程中，三个人给出的答案分别是：

三位AI的思考过程却各有千秋，分别代表了三种不同的思维范式：豆包的工程实用主义、Manus的设计哲学思辨，以及DeepSeek的系统工程视角。他们从不同维度出发，共同勾勒出了“第一性原理”的完整画像。

豆包：开发者的生产力工具

豆包的观点虽然有点啰嗦吧，但是非常务实，直击开发者痛点。他的答案是：回归到框架被创造的最核心、最底层的诉求——围绕特定开发场景，通过抽象化、标准化的封装，解决开发者的核心痛点，降低开发复杂度、提升研发效率，并保障系统的可维护性与扩展性。

尤其强调是“以开发者为中心，以特定场景为边界，通过抽象、规范、组件化的方式，最大化提升研发效率与系统质量”。这一定义强调框架作为“生产力工具”的本质，必须服务于人，解决实际问题。

Manus：约束即自由

Manus则上升到了哲学层面，提出了一个充满思辨的答案："约束即自由"（Constraints as Liberation）。

框架的本质是通过引入一套精心设计的“正交约束”，将开发者从无限的可能性中解放出来，引导他们走上一条“黄金路径”，从而让他们能专注于真正重要的业务逻辑，最终“限制激发创造力”。

DeepSeek：复杂度管理工具

DeepSeek的视角则更偏向系统工程，他的答案是：通过抽象和约束，降低特定领域问题的解决复杂度。

它将框架定义为一种复杂度管理工具。其核心是通过“正确的抽象”（反映问题本质）和“恰当的约束”（防止常见错误），系统性地为软件开发过程“熵减”，让开发者能更高效地在特定问题域内创造价值。

02

—

再推理

接下来我开始让他帮我做选择，将我平常关注的框架交由他根据刚刚总结出来的第一性原理去选择他认为最好的框架，以下是我的 Prompt：

针对目前市场流行的 AI Agent 开发框架，比如：LangChain、AgentScope、CrewAI 、AutoGen 、ADK、LlamaIndex 等等，你觉得哪一个最符合你的定义：即从框架设计的第一性原理出发去设计一个新的框架？

三位从各自的理论高地出发，最终都在AgentScope的身上找到了第一性原理的最佳实践。认真读过之后，发现这并非巧合，而是因为AgentScope的设计哲学恰好完美地融合了这三种思考维度。

经过他们各自的推理，他们一致认为，AgentScope在以下几个方面最接近理想的框架范式：

• Manus 欣赏其仅有4个核心概念（Msg, Agent, Pipeline, Service）的极简设计，以及类似Actor模型的消息驱动机制，实现了高度解耦的正交约束。
• 豆包看重其“透明性优先”原则，它能将智能体内部的“黑盒”完全显式化，并提供了从开发到部署的完整生产级工程能力。
• DeepSeek 则赞扬其“将实验室原型稳定、高效地转化为业务应用”的精准定位，以及通过智慧约束和生态工具形成的从开发到运维的完整闭环。

类比 Web 框架的比较

为了让理解更直观，Manus提出了一个非常有趣的类比，将主流Agent框架比作经典的Web框架，这个类比生动地揭示了各个框架的设计取向与权衡（Trade-offs）。

这个表格清晰地展示了不同框架的设计哲学差异。LangChain像一个无所不包的企业级套件，而AgentScope则更像一个轻量、高效、可组合的微框架，这恰恰是现代软件工程所推崇的理念。

03

—

AgentScope

为生产力而生的智能体框架

那么，这个获得三位AI一致青睐的AgentScope究竟是什么？简单来说，AgentScope是阿里巴巴开源的一款以开发者为核心，专为企业级多智能体应用打造的开发框架。它的核心目标是解决从“实验室原型”到“生产级应用”的关键鸿沟，实现“让智能体活起来”（Where Agents Come Alive）。

AgentScope并非一个单一的工具，而是一个完整的产品矩阵，覆盖了智能体应用开发的全生命周期：

• AgentScope (核心框架)：作为编程语言，提供了高度模块化和异步化的架构。
• AgentScope-Runtime (运行时)：为智能体应用提供基础设施支持，包括灵活的部署和安全的工具执行环境。
• AgentScope-Studio (开发平台)：一个可视化的开发环境，集成了项目管理和实时可视化功能。
• Spark Design (前端组件)：用于快速构建高质量对话界面的前端库。

其设计理念的核心是“透明可控”与“生产就绪”。通过ReAct范式、实时介入、安全沙箱等关键特性，AgentScope在赋予智能体自主性的同时，也为开发者保留了最终的控制权，确保了应用在复杂业务场景中的稳定性和可靠性。

代码示例

从开发者角度，定义一个 ReActAgent 的模式确实也是极其简单，如下所示：

import asyncio
import os
from agentscope.agent import ReActAgent
from agentscope.message import Msg

async def main():
    # 创建带智能体
    agent = ReActAgent(
        name="MathBot",
        sys_prompt="You are a ...",
        model=...,
    )

    # 问问题了
    msg = Msg(name="User", 
              content="What's 15 * 23 + 47?", 
              role="user")
    response = await agent(msg)
    print(response.content)  

if __name__ == "__main__":
    asyncio.run(main())

04

—

作者观点

这次碰撞，让我对编程框架的设计有了更深的感悟。诚然，一个优秀的框架设计，必须在功能与简洁中做取舍，更要在约束与抽象中做平衡。约束太多，则扼杀创造力；约束太少，则陷入混乱。Manus的“正交约束”、DeepSeek的“熵减”理论，都精辟地指出了寻找这种精妙平衡的重要性。

然而，理论的完美固然值得追求，但我们更应关注当下的现实。在AI技术浪潮席卷一切的今天，Agent开发领域最稀缺的资源是时间，最重要的目标是效率。我们更需要效率至上，快速拥抱AI，完成业务的智能化升级。从这个角度看，AgentScope之所以能获得三位AI的一致认可，不仅在于其设计的纯粹性，更在于它精准地把握了时代的脉搏：提供了一套兼具理论优雅与工程效率的解决方案，让开发者能够以最快的速度，将创新的想法落地为稳定、可靠的生产力。最大限度的降低了开发者的认知负荷。

那请问在你心中哪个框架最好呢？是否有其他答案？欢迎在评论区进行讨论。

文章链接：

Manus 答案与分享：

https://manus.im/share/FQzrMBCpWKUPLMfQ8sWLH3

豆包的答案与分享：

https://www.doubao.com/thread/w2e0cedf3b33f8e16

DeepSeek的答案与分享：

https://chat.deepseek.com/share/quvk3rczd03q07aglj

AgentScope 项目地址：

https://github.com/agentscope-ai